管道作为电力、石油、化工厂等许多工业场所的基本构件,用于液体或气体短距离和长距离的传输。随着经济发展和产业结构优化,大量工业场所面临着产业升级,管道重建成为了解工厂现状的重要手段。此外,随着互联网的快速发展以及三维数字化世界的普及,工厂数字化在企业管理中起着重要角色,高质量的三维管道模型在灾难模拟、检测和培训等许多应用中起着至关重要的作用。如今随着激光扫描技术的提高,高质量的点云成为三维场景的主要表示方式,因此,由点云重建出高质量三维管道模型变成一个重要问题。虽然管道本身仅仅是基本的圆柱形,可以简单地用轴线和半径定义,但工业管道往往包含额外的部件,如法兰、阀门、进气口、弯头、三通等。另外工业场所的管道通常比较密集,包含大量的拓扑和几何结构,并且伴有自遮挡。因此,从大规模点云重建三维管道模型是一个具有挑战性的问题。圆柱形作为管道的基本形状,从点云中得到圆柱成为管道重建的关键工作。现有工作采用几何的方法,通过三维圆柱拟合或者二维平面圆的拟合来获取圆柱的半径和轴线位置,之后再检测可能存在的连接关系完成整个管道的重建。这类工作往往存在局部性问题,结果好坏较大程度依赖阈值设置,连接关系依靠既定的规则进行推测。在本文工作中,我们采取了一种基于先验的重建方法,通过学习场景中的组件类别,将一般管道重建问题的复杂性降低为组件类别检测和模型拟合问题的组合。我们利用卷积网络学习三维点云特征和类别标签。管道的分类会有识别错误的部分,我们采用鲁棒的聚类和基于图的聚合技术来计算连贯的管道模型。无论在模拟的还是实际的场景下,我们的方法在具有不同复杂性和密度的管道模型上显示出良好的结果。本文的贡献点主要有以下几点:1、采用学习的方法,基于管道铺设的先验知识将重建问题转为组件检测和模型拟合两个子问题,降低了问题复杂度。2、结合深度学习和几何计算的优势共同协助完成重建,减少了时间复杂度。3、提出的方法可以捕捉到除管道的细节,比如法兰等部件。