买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉东南大学申请的专利一种基于点云2D-3D融合的建筑室内场景深度学习重建方法与系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119991930B 。

龙图腾网通过国家知识产权局官网在2025-11-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411816349.2，技术领域涉及：G06T17/00；该发明授权一种基于点云2D-3D融合的建筑室内场景深度学习重建方法与系统是由王骞;越宏哲;曾凝霜设计研发完成，并于2024-12-11向国家知识产权局提交的专利申请。

本一种基于点云2D-3D融合的建筑室内场景深度学习重建方法与系统在说明书摘要公布了：本发明公开了一种基于点云2D‑3D融合的建筑室内场景深度学习重建方法与系统，本发明直接从点云中生成二维图像，并将二维图像和三维点云数据相结合，利用深度学习模型实现更准确的点云语义分类。首先利用虚拟相机生成多个角度的二维图像，并通过YOLO模型对这些图像进行语义分割。接着，将YOLO模型的分类结果与通过PointNet系列模型对点云进行的逐点分类结果相结合，基于置信度更新每个点的最终语义标签。本发明能够有效处理形状复杂或稀疏的点云数据，有效对形状相似的点云构件进行区分，提升点云数据的重建精度与语义分割效果。同时能够在建筑信息模型BIM中应用，为建筑的运营、维护及智能施工管理提供支持。

本发明授权一种基于点云2D-3D融合的建筑室内场景深度学习重建方法与系统在权利要求书中公布了：1.一种基于点云2D-3D融合的建筑室内场景深度学习重建方法，其特征在于，包括以下步骤： S1、针对室内场景的原始三维点云数据利用深度学习算法进行语义分割，获得三维语义分割结果； S2、通过虚拟相机对原始三维点云数据生成若干二维图像，然后利用YOLO模型对二维图像进行目标检测、语义分割、生成二维图形的掩码，再通过位姿调整获得体素重建的二维语义分割结果； S3、根据步骤S2获得的二维语义分割结果，结合步骤S1三维语义分割结果进行语义标签更新，选择具有最高综合置信度的类别作为最终语义标签，获得最终语义分割结果；具体包括以下子步骤： S3.1、对于点云中的每个点λ，通过PointNet模型得出的逐点分类概率表示为： PPointNetfamilyλ＝[p1λ，p2λ，…，pnλ] 其中，piλ是点λ属于第i类的预测概率，所有概率之和为1，即：S3.2、YOLO预测结果在投影到3D点云中时，为每个预测物体类别提供一个置信度分数，对于与YOLO2D检测结果对应的3D空间中的点λ，YOLO基于的置信度PYOLOλ表示如下式： PYOLOλ＝[q1λ，q2λ，…，qnλ] 其中，qiλ是基于YOLO预测的点λ属于第i类的置信度分数； S3.3、对于点云中的每个点λ，其最终类别置信度由PointNet系列模型和YOLO两者对每个类别的置信度值相加得到，如下式： Pcombinedλ＝PPointNetfamilyλ+PYOLOλ S3.4、确定点λ的标签，首先在PPointNetfamilyλ和PYOLOλ中找到置信度最大的类别： 在PPointNetfamilyλ中具有最大置信度的类别为： CPointNetfamilyλ＝argmaxPPointNetfamilyλ 在Pcombinedλ中具有最大置信度的类别为： Ccombinedλ＝argmaxPcombinedλ S3.5、更新点λ的语义标签的决策基于步骤S3.4两个类别的置信度分数进行比较， 具体的更新规则如下： Pcombinedλ，CcombinedλandPPointNetfamilyλ，CPointNetfamilyλ如果融合后的标签置信度大于原始PointNet系列标签的置信度，则更新标签Ccombinedλ； 否则，保留原标签CPointNetfamilyλ， 标签更新的公式为： S4、基于最终语义分割结果，构建建筑信息模型BIM，实现建筑室内场景的重建。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人东南大学，其通讯地址为：210018 江苏省南京市玄武区四牌楼2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。