-
公开(公告)号：CN118628698B
公开(公告)日：2024-11-12
申请号：CN202411119199.X
申请日：2024-08-15
Applicant: 安徽建筑大学
Abstract: 本发明公开了基于点云数据的三维模型表面平整度优化方法，属于点云处理技术领域，包括以下步骤：S1：数据的采集与处理；S2：不平整点云的识别与优化。本发明能够自动识别点云数据中的不平整区域，而现有技术往往需要人工干预来识别这些区域，显著提高了效率和准确性；通过本发明提出的优化算法，优化了点云数据的表面平整度，减少了因表面不规则性导致的建模误差，提升了模型质量；通过自动化的识别和优化流程，减少了对人工操作的依赖，降低了因人工操作带来的误差和成本；最终输出的结果易于与其他三维建模软件和流程集成，方便用户进行后续的建模和分析工作。
-
公开(公告)号：CN117315273A
公开(公告)日：2023-12-29
申请号：CN202311580973.2
申请日：2023-11-24
Applicant: 安徽建筑大学
Abstract: 本发明公开了基于点云数据道路纵横断面的自动提取方法，属于道路测量技术领域，包括以下步骤：数据的采集与处理；纵横断面自动成图。本发明采用车载LiDAR测量技术进行高速公路改扩建勘测工程，既减少了对公路正常通行的影响，又保证了外业工作人员的安全，同时获取了高质量的车载LiDAR测量数据成果；以道路作为研究对象，提出了一种基于三维激光扫描技术的纵横断面自动提取方法，通过该方法实现了对道路纵横断面的自动提取，大幅度提高了纵横断面数据提取的效率，降低了人为错误对工程造成影响的可能性，实现了纵横断面的自动绘制。
-
Patent Agency Ranking
公开(公告)号：CN119251424B
公开(公告)日：2025-03-18
申请号：CN202411765524.X
申请日：2024-12-04
Applicant: 安徽建筑大学
IPC: G06T17/05 , G06T7/33 , G06T5/77 , G06V20/17 , G06V20/10 , G06V20/70 , G06V10/26 , G06V10/44 , G06V10/42 , G06V10/52 , G06V10/80 , G06V10/74 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0985
Abstract: 本发明公开了建筑点云数据高精度三维模型生成方法，属于点云深度学习建模技术领域，包括以下步骤：S1：多源建筑点云数据采集；S2：深度学习点云配准；S3：深度学习点云补全；S4：深度学习点云分割；S5：点云切片并提取建筑物参数；S6：依照提取的参数建立BIM模型。本发明通过深度学习方法优化点云配准、补全、分割及参数提取步骤，提供一种从点云数据到BIM模型自动化生成的高效方法，具有高精度、高鲁棒性和适应多源数据的优势。
-
公开(公告)号：CN118898691A
公开(公告)日：2024-11-05
申请号：CN202411395199.2
申请日：2024-10-08
Applicant: 安徽建筑大学
Abstract: 本发明公开了基于点云数据处理的三维模型的高精度重建方法，属于点云数据处理技术领域，包括以下步骤：数据的采集与预处理；点云数据分割；轮廓线提取；三维模型建立。本发明通过多源点云数据的采集、配准、分割与轮廓线提取等步骤，能够实现建筑物三维模型的高精度重建，解决了单一数据源点云不完整、传统建模效率低下以及复杂建筑结构几何特征难以精确还原的问题，显著提高了点云数据处理的精度和效率；同时，使用RANSAC算法进行分割、改进的α‑shape算法提取轮廓线，并通过平滑处理提高了模型的精确性和细节还原度，更好地适用于复杂建筑结构的数字化重建。
-
公开(公告)号：CN117315273B
公开(公告)日：2024-02-23
申请号：CN202311580973.2
申请日：2023-11-24
Applicant: 安徽建筑大学
Abstract: 本发明公开了基于点云数据道路纵横断面的自动提取方法，属于道路测量技术领域，包括以下步骤：数据的采集与处理；纵横断面自动成图。本发明采用车载LiDAR测量技术进行高速公路改扩建勘测工程，既减少了对公路正常通行的影响，又保证了外业工作人员的安全，同时获取了高质量的车载LiDAR测量数据成果；以道路作为研究对象，提出了一种基于三维激光扫描技术的纵横断面自动提取方法，通过该方法实现了对道路纵横断面的自动提取，大幅度提高了纵横断面数据提取的效率，降低了人为错误对工程造成
-
公开(公告)号：CN119251424A
公开(公告)日：2025-01-03
申请号：CN202411765524.X
申请日：2024-12-04
Applicant: 安徽建筑大学
IPC: G06T17/05 , G06T7/33 , G06T5/77 , G06V20/17 , G06V20/10 , G06V20/70 , G06V10/26 , G06V10/44 , G06V10/42 , G06V10/52 , G06V10/80 , G06V10/74 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0985
Abstract: 本发明公开了建筑点云数据高精度三维模型生成方法，属于点云深度学习建模技术领域，包括以下步骤：S1：多源建筑点云数据采集；S2：深度学习点云配准；S3：深度学习点云补全；S4：深度学习点云分割；S5：点云切片并提取建筑物参数；S6：依照提取的参数建立BIM模型。本发明通过深度学习方法优化点云配准、补全、分割及参数提取步骤，提供一种从点云数据到BIM模型自动化生成的高效方法，具有高精度、高鲁棒性和适应多源数据的优势。
-
公开(公告)号：CN118628698A
公开(公告)日：2024-09-10
申请号：CN202411119199.X
申请日：2024-08-15
Applicant: 安徽建筑大学
Abstract: 本发明公开了基于点云数据的三维模型表面平整度优化方法，属于点云处理技术领域，包括以下步骤：S1：数据的采集与处理；S2：不平整点云的识别与优化。本发明能够自动识别点云数据中的不平整区域，而现有技术往往需要人工干预来识别这些区域，显著提高了效率和准确性；通过本发明提出的优化算法，优化了点云数据的表面平整度，减少了因表面不规则性导致的建模误差，提升了模型质量；通过自动化的识别和优化流程，减少了对人工操作的依赖，降低了因人工操作带来的误差和成本；最终输出的结果易于与其他三维建模软件和流程集成，方便用户进行后续的建模和分析工作。
-
-
-
-
-
-
Search Results
7
records
(took 0.026 seconds)
