论文部分内容阅读
数字校园与智慧校园建设是《教育信息化2.0》的重要内容,同时也是提升校园管理水平、服务水平的重要基础。传统的基于影像与手工量测的建模与数据采集方法速度慢、成本高,限制了智慧校园建设的发展。目前,通过无人机快速获取校园航拍影像并密集匹配为点云,从而对校园进行建模已成为加快智慧校园建设的重要方法。然而无人机获取的大规模点云中存在复杂环境中的校园建筑难以单体化、缺乏通过密集匹配技术获取的带有类别标签的校园大规模点云数据集、点数在千万量级以上的校园点云难以标注等问题,给进一步的校园建筑提取和智慧校园自动建模等工作带来了困难。如何快速准确的对点云进行标注、在复杂环境中自动提取出建筑点云,构建智慧校园的基础空间框架,是应用多学科交叉方法加快智慧校园建设的重要手段,也是教育信息化建设的重要研究内容与方向。针对这些问题,本文围绕智慧校园建设过程中无人机点云数据的标注和建筑物自动提取的主题,主要研究内容包括:(1)综述了点云的标注方法、公开的点云数据集和点云语义分割的方法,重点介绍并比较了能用于处理室外大规模点云的算法,并针对校园点云的特点,为之后的语义分割实验选取合适的算法;(2)构建了应用无人机快速获取校园的点云的数据采集方案,在此基础上,引入了校园场景布局语义的思想,对校园点云数据进行标注,初步区分建筑点云和非建筑点云,然后根据Semantic3D数据集的格式,构建了标准的校园点云数据集;(3)使用SPG和RandLA-Net算法在构建好的校园点云数据集上进行了点云语义分割实验,在训练集上进行训练的同时通过验证集进行精度检验,最终使用训练得到的最优模型对测试集上的建筑进行自动识别与提取,效果良好,表明通过训练得到的语义分割模型能够精确的从校园点云中提取建筑。本文的创新点主要体现在以下方面:(1)提出了引入校园布局语义等多源数据进行点云标注的方法,显著地加快了对校园建筑点云的标注;(2)构建了规范的校园密集匹配点云数据集,弥补了该类数据集的缺乏;(3)使用SPG和RandLA-Net算法在自制数据集上进行训练并得到了能够精确提取建筑点云的语义分割模型,为校园建筑点云形成单体化标准流程奠定了基础。