Jun, 2024

基于语义标记的点云数据自动道路数字孪生的扫描至 BIM

PDF
TL;DR提出了一种基于语义标注的点云数据的自动道路几何数字孪生（gDT）创建方法，该方法首先将语义点云数据分割为独立实例或部分，然后提取代表性的几何信息，最后通过相应的转换算法创建基本的 gDT，提供了较高的精度和处理速度。
geometric digital twinsscan-to-building information modelingpoint cloud datasemantic segmentationroad asset modeling
发现论文，激发创造
  • 基于多模空间数据的基础设施数字化关键技术研究

    构建一个包含数字孪生、交通行业、点云、道路网络和道路标志检测的研究论文的关键词和总结。

    Oct, 2023

  • 通过将语义 LiDAR 点云与设计的 BIM 模型集成，实现城市 GeoBIM 建设

    本研究提出了一种将激光雷达点云与 BIM 模型相匹配的方法，通过深度学习算法与图论相结合，实现了对城市场景的重建，从而解决了 LiDAR 数据质量以及 BIM 模型位置精度不足的问题。该方法在分割和匹配过程中表现出了很好的效果，可以提供一种快速准确的城市 GeoBIM 建设解决方案。

    Apr, 2023

  • 一种混合语义几何方法应对建筑点云中的混杂干扰生成楼层平面图

    本研究提出了一种混合的语义几何方法，通过基于 PointNet ++ 的语义分割网络与地理推理规则相结合，将激光扫描建筑点云转化为二维平面图，同时对精度、召回率、交并比、Betti 误差和形变误差等方面进行评估。

    May, 2023

  • A-Scan2BIM: 辅助扫描到建筑信息建模

    本文介绍了一种用于辅助建筑师的系统，将大型点云转换为建筑的标准化数字表示，用于建筑信息建模（BIM）应用。系统通过自动地预测一系列建模编辑操作来帮助建筑师进行 Scan-to-BIM 过程，并且提供了建筑规模的 Scan2BIM 数据集以及重建质量和操作顺序的度量。

    Nov, 2023

  • 城市自动驾驶应用的概率语义地图

    本文介绍了一种将图像和预先构建的点云地图信息融合的方法来自动且准确地标记诸如道路、人行道、人行横道和车道等静态地标，并展示了该模型可以预测大部分道路特征并可以扩展用于自动将道路特征纳入高清地图。

    Jun, 2020

  • 卫星图像中的机器学习三维建筑矢量化

    本文提出了一种基于机器学习的方法，通过数字表面模型和全色影像的输入，使用条件生成对抗网络筛选出非建筑物，然后借助于语义分割网络检测出建筑物屋顶的边缘和角点，并提出一组矢量化算法来构建屋顶多边形，最终从改进后的表面模型中添加高度信息，以获得完全矢量化的精细建筑模型。在大型卫星图像上对我们的方法进行了验证，并取得了最先进的性能。

    Apr, 2021

  • 从 2D 平面图自动重建语义 3D 模型

    本文介绍了一种从扫描的 2D 平面图重建矢量化 3D 模型的流程，以提高数字化过程的效率，该方法在公共数据集 CubiCasa5k 中实现了最先进的结果，并表现出较好的推广性，其矢量化方法特别有效，优于以前的方法。

    Jun, 2023

  • 基于计算机视觉的佛罗里达公共道路转向车道特征检测模型

    利用人工智能从高分辨率航拍影像中自动提取出 FL 州公路的地理特征，并与地面实测数据对比，平均准确率达到了 80.4％，提供了有价值的洞察力给政策制定者和道路使用者。

    Jun, 2024

  • Building3D: 从点云中学习屋顶结构的城市级数据集和基准

    这篇论文介绍了一个城市建模的数据集 Building3D，它包括超过 160,000 幢建筑物的点云、网格和线框模型，覆盖爱沙尼亚的 16 个城市，面积约为 998 平方公里。作者通过对先进算法的评估发现 Building3D 存在高内类别差异、数据不平衡和大规模噪声等挑战。这个数据集是首个最大规模的城市建模基准，可以用于监督学习和自监督学习方法的比较。作者认为 Building3D 将促进未来在城市建模、航路规划、网格简化和语义 / 部分分割等领域的研究。

    Jul, 2023

  • sat2pc：从 2D 卫星影像中估算建筑屋顶的点云

    本文提出了一种用于从单一 2D 卫星图像中生成建筑物屋顶点云的深度学习框架 sat2pc，并在建筑物屋顶数据集上进行了广泛评估和消融实验，结果表明其性能优于现有基线方法至少 18.6％。

    May, 2022