专利交易市场

本发明提出一种基于拓扑感知图网络的类别不均建筑立面点云分割方法，其具体包括：构建立面拓扑提取模块，捕捉立面元素间抽象的对象级拓扑特征；构建增强采样几何提取模块，提取立面元素间点级别的层次化几何特征；构建双特征注意力融合模块，对得到的两种不同粒度、不同类型的特征进行融合，实现两种特征的优势互补；这三个模块组合构成拓扑感知图网络；将输入数据集划分为训练集、验证集和测试集，训练好网络之后进行测试并评估结果。本发明提出的方法解决了现有技术无法有效提取建筑立面元素间的拓扑特征，并将其与几何特征有效融合的问题，能够实现类别不均建筑立面点云的有效分割。

一种基于多特征融合点云分割的三维建模方法，属于三维建模技术领域。它包括以下步骤：1、从3D点云原始数据中提取关键点；2、提取点云的邻域细粒度特征和全局信息；3、提取3D点云原始数据的局部几何信息；4、聚合步骤3中提取出的特征，并加入关键点得到权重矩阵；5、提取步骤1‑3中获得的点云的深度语义特征；6、将步骤1‑5中提取的点云特征经过由多层感知器组成的全连接层，得到最后的分割数据；7、利用点云分割数据，构建出三维模型。本发明将3D点云经过双注意力机制和VLAD的处理，提取出的特征进行连接和聚合，最后经过多层感知器的全连接层得到最终的分割结果；能够有效提高分割精度及语义层次。