一种基于深度学习的MEP场景点云补全与识别的方法与系统

本发明公开了一种基于深度学习的MEP场景点云补全与识别的方法与系统，步骤如下：首先创建MEP组件的BIM模型，参数化建模生成组件实例。接着，采用均匀采样和角度遮挡模拟法分别生成完整的MEP组件点云和遮挡的部分点云，从而构建丰富的训练数据集。然后，基于预训练模型和联合训练的改进型深度学习点云补全神经网络，提升MEP场景点云补全的精度。随后对补全后的点云数据进行识别和分割，实现对管道、风管等MEP构件的准确分类。最后，将识别结果导入BIM软件构建三维BIM模型，实现MEP构件的全生命周期管理。本发明在处理MEP场景点云数据时具有高效性和准确性，适用于MEP系统的智能运维和建筑信息模型系统。