一种基于点云2D-3D融合的建筑室内场景深度学习重建方法与系统

本发明公开了一种基于点云2D‑3D融合的建筑室内场景深度学习重建方法与系统，本发明直接从点云中生成二维图像，并将二维图像和三维点云数据相结合，利用深度学习模型实现更准确的点云语义分类。首先利用虚拟相机生成多个角度的二维图像，并通过YOLO模型对这些图像进行语义分割。接着，将YOLO模型的分类结果与通过PointNet系列模型对点云进行的逐点分类结果相结合，基于置信度更新每个点的最终语义标签。本发明能够有效处理形状复杂或稀疏的点云数据，有效对形状相似的点云构件进行区分，提升点云数据的重建精度与语义分割效果。同时能够在建筑信息模型BIM中应用，为建筑的运营、维护及智能施工管理提供支持。