大规模城市点云数据集与建筑单体化构建方法及相关装置

本技术涉及计算机图形学，特别涉及一种大规模城市点云数据集与建筑单体化构建方法及相关装置。

背景技术：

1、建筑物单体化技术是针对建筑物类别的实例分割，旨在获取独立的单栋建筑物分割结果，是三维点云处理中最基本的问题之一，也是理解城市场景的重要手段。

2、建筑物单体化方法主要分为自顶向下和自底向上的两种技术路线。其中，自顶向下的方法主要先通过目标检测的方法找出物体所在的区域（三维包围框），然后分别在这些区域内进行语义分割，区分前景和背景点，每个包围框里的分割结果都作为一个不同的单体化物体输出；自底向上的方法首先提取逐点的深度特征，再通过聚类、度量学习等方式区分不同的物体。

3、然而，由于目标检测技术在三维点云处理上的应用尚未成熟，现有的三维点云的单体化技术普遍专注于自底向上的设计思路。但是，自底向上的方法是采取逐点的聚类来完成三维点云的单体化，当面对室外场景的三维点云数据时，由于室外场景的三维点云数据的数据量非常大，会导致逐点的聚类的运算非常耗时，进而会影响三维点云单体化的时间效率，降低三维点云单体化的速度。

4、因而现有技术还有待改进和提高。

技术实现思路

1、本技术要解决的技术问题在于，针对现有技术的不足，提供一种大规模城市点云数据集与建筑单体化构建方法及相关装置。

2、为了解决上述技术问题，本技术实施例第一方面提供了一种大规模城市点云数据集与建筑单体化构建方法，所述方法包括：

3、获取目标点云对应的点云特征；

4、基于所述点云特征确定所述目标点云对应的前景语义图、实例感知特征和中心偏移向量；

5、在所述前景语义图中的建筑物前景点中选取若干建筑物候选点，基于所述实例感知特征和所述中心偏移向量确定建筑物前景点和候选建筑物点间的关系矩阵，基于所述关系矩阵确定各建筑物前景点的单体化标签，以及对所述单体化标签进行合并以得到候选建筑物单体化结果；

6、对所述候选建筑物单体化结果进行评分，并基于所述评分确定建筑物单体化结果。

7、所述大规模城市点云数据集与建筑单体化构建方法，其中，所述基于所述实例感知特征和所述中心偏移向量确定建筑物前景点和候选建筑物点间的关系矩阵具体包括：

8、基于所述实例感知特征和中心偏移向量确定各建筑物前景点的目标实例感知特征和中心偏移特征，并基于各建筑物前景点的目标实例感知特征和中心偏移特征确定各建筑物前景点的前景特征；

9、基于各建筑物前景点的前景特征计算各建筑物前景点和各建筑物候选点的特征距离，并基于计算得到的所有特征距离形成关系矩阵。

10、所述大规模城市点云数据集与建筑单体化构建方法，其中，所述若干建筑物候选点的第一数量为基于所述建筑物前景点的第二数量确定的，其中，第一数量小于第二数量。

11、所述大规模城市点云数据集与建筑单体化构建方法，其中，所述对所述单体化标签进行合并以得到候选建筑物单体化结果具体包括：

12、基于中心偏移向量调整各建筑物候选点的位置信息，以得到各建筑物候选点各自对应的目标位置信息；

13、基于各建筑物候选点的目标位置信息计算若干建筑物候选点中两两建筑物候选点间的建筑物距离，并基于所述建筑物距离将所述若干建筑物候选点进行合并，以得到建筑物目标点集；

14、将各建筑物前景点的单体化标签映射至建筑物目标点集对应的目标单体化标签集，以得到候选建筑物单体化结果。

15、所述大规模城市点云数据集与建筑单体化构建方法，其中，所述方法应用经过训练的建筑物点云单体化网络模型，通过所述建筑物点云单体化网络模型执行所述方法过程，其中，所述建筑物点云单体化网络模型包括特征提取模块，并行的语义分支、实例感知分支和中心偏移分支，建筑物候选生成模块以及建筑物得分预测模块，所述特征提取模块分别与所述语义分支、实例感知分支以及中心偏移分支相连接，语义分支、实例感知分支和中心偏移分支均与所述建筑物候选生成模块相连接，所述建筑物候选生成模块与建筑物得分预测模块，其中，所述建筑物候选生成模块包括建筑候选点选择单元、建筑物分组单元以及建筑物合并单元。

16、所述大规模城市点云数据集与建筑单体化构建方法，其中，所述建筑物点云单体化网络模型对应的大规模城市点云数据集包括若干大规模城市点云数据，其中，每个大规模城市点云数据中的每个三维点均包含9个维度，分别为三个空间坐标，三个颜色值、语义类别、实例编号以及建筑物细分类类别。

17、所述大规模城市点云数据集与建筑单体化构建方法，其中，所述语义类别包括地面类别、植被类别、水面类别、车辆类别、船舶类别、桥梁类别以及建筑类别；所述建筑物细分类类别包括商业建筑类别、居住建筑类别、办公建筑类别、文化建筑类别、交通建筑类别、市政建筑类别以及临时建筑类别。

18、本技术实施例第二方面提供了一种大规模城市点云数据集与建筑单体化构建装置，所述装置包括：

19、特征提取模块，用于获取目标点云对应的点云特征；

20、获取模块，用于基于所述点云特征确定所述目标点云对应的前景语义图、实例感知特征和中心偏移向量；

21、建筑物候选生成模块，用于在所述前景语义图中的建筑物前景点中选取若干建筑物候选点，基于所述实例感知特征和所述中心偏移向量确定建筑物前景点和候选建筑物点间的关系矩阵，基于所述关系矩阵确定各建筑物前景点的单体化标签，以及对所述单体化标签进行合并以得到候选建筑物单体化结果；

22、建筑物得分预测模块，用于对所述候选建筑物单体化结果进行评分，并基于所述评分确定建筑物单体化结果。

23、本技术实施例第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上任一所述的大规模城市点云数据集与建筑单体化构建方法中的步骤。

24、本技术实施例第四方面提供了一种终端设备，其包括：处理器、存储器及通信总线;所述存储器上存储有可被所述处理器执行的计算机可读程序；

25、所述通信总线实现处理器和存储器之间的连接通信；

26、所述处理器执行所述计算机可读程序时实现如上任一所述的大规模城市点云数据集与建筑单体化构建方法中的步骤。

27、有益效果：与现有技术相比，本技术提供了一种大规模城市点云数据集与建筑单体化构建方法及相关装置，所述方法包括获取目标点云对应的点云特征；基于所述点云特征确定所述目标点云对应的前景语义图、实例感知特征和中心偏移向量，并在所述前景语义图中的建筑物前景点中选取若干建筑物候选点；基于所述实例感知特征和所述中心偏移向量确定建筑物前景点和候选建筑物点间的关系矩阵，基于所述关系矩阵确定各建筑物前景点的单体化标签，以及对所述单体化标签进行合并以得到候选建筑物单体化结果；对所述候选建筑物单体化结果进行评分，并基于所述评分确定建筑物单体化结果。本技术实施例通过选取部分建筑物前景点作为建筑物候选点，然后建立建筑物前景点与建筑物候选点间的关系矩阵，再基于关系矩阵确定各建筑物前景点的单体化标签，这样可以去掉了耗时的逐点聚类过程，提高了三维点云建筑物单体化的精度和速度。