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！

龙图腾网获悉上海建工四建集团有限公司申请的专利点云语义信息辅助混合现实虚实配准方法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：CN115861574B 。

龙图腾网通过国家知识产权局官网在2025-04-18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：202211437551.5，技术领域涉及：G06T19/00；该发明授权点云语义信息辅助混合现实虚实配准方法是由刘寅;许璟琳;陆加豪;余芳强;辛佩康;何瑞琦;高丙博设计研发完成，并于2022-11-17向国家知识产权局提交的专利申请。

本点云语义信息辅助混合现实虚实配准方法在说明书摘要公布了：本发明提供了一种点云语义信息辅助混合现实虚实配准方法，本发明借助混合现实设备对室内环境进行三维数据采集、分类与识别，在混合现实中增加了高级语义信息，实现了混合现实设备对周围环境的简单理解；利用点云配准的方法进行真实世界和数字模型之间精确配准，不必对点云进行分割和特征提取，实现了虚实配准的自动化，同时保证了配准精度和鲁棒性；本发明适用于室内场景的结构点云数据参与配准计算，节省大量计算开销，大大提高虚实模型配准速度。

本发明授权点云语义信息辅助混合现实虚实配准方法在权利要求书中公布了：1.一种点云语义信息辅助混合现实虚实配准方法，其特征在于，包括：步骤1：利用混合现实设备获取采样空间点云数据；步骤2：对采样空间点云进行预处理，得到室内实景点云；步骤3：对室内实景点云进行点云语义自动识别，得到带有语义信息的点云集合；步骤4：对BIM模型进行处理，得到带有标签信息的虚拟模型点云集合；步骤5：将带有语义信息的点云集合与虚拟模型点云集合进行虚实场景匹配；步骤1：利用混合现实设备获取采样空间的点云数据，包括：步骤1.1：利用混合现实设备对室内环境进行扫描，获取采样空间映射网格数据；步骤1.2：采用泊松圆盘采样方法，将获取的空间映射网格数据转换为点云数据；步骤1.2：采用泊松圆盘采样方法，将获取的空间映射网格数据转换为点云数据，包括：步骤1.2.1：根据室内面积S设定采样后点云数量为N，有N＝K1*S；其中，K1为比例系数，是一个常数，经过对采集的多组室内数据观察所得；步骤1.2.2：在网格数据样本中随机选择一个样本点pi，以样本点pi为中心，根据网格三角网边长设定r为样本点的包围半径，在r，2r的圆环范围内生成一个采样点qi；步骤1.2.3：设定样本点pi的采样次数为k1；步骤1.2.4：判断采样点qi与其他点的距离，当距离小于r时舍弃该采样点qi，并在r，2r的圆环范围内重新生成一个采样点qi，直至采样点qi满足与其他点的距离均大于r；步骤1.2.5：若经过k1次采样后在r，2r的圆环范围内仍然找不到可用的新点，则放弃样本点pi的采样；步骤1.2.6：不断更新采样点重复上述步骤，使得采样圆环填满整个采样空间，直至采样点数达到N，得到采样空间点云数据PointCloud1；步骤2：对采样空间点云进行预处理，得到室内实景点云数据，包括：步骤2.1：利用点云直通滤波对采样空间点云PointCloud_1中的非室内区域进行过滤，保留原始室内区域的点云数据PointCloud_2；步骤2.2：利用点云统计滤波，剔除原始室内区域点云PointCloud_2中由环境光影响而产生的稀疏离群噪点，得到室内实景点云PointCloud_3；步骤2.1：利用点云直通滤波对采样空间点云数据PointCloud_1中的非室内区域进行过滤，保留原始室内区域的点云数据PointCloud_2，包括：步骤2.1.1：输入采样空间点云数据PointCloud_1；步骤2.1.2：设置x、y、z取值范围分别为min_x，max_x，min_y,max_y，min_z,max_z；步骤2.1.3：剔除x、y、z取值范围之外点云，得到原始室内区域点云数据PointCloud_2；步骤2.2：利用点云统计滤波，剔除原始室内区域点云PointCloud_2中由环境光影响而产生的稀疏离群噪点，包括：步骤2.2.1：计算原始室内区域点云PointCloud_2中每个点与K个相邻点的平均距离： 步骤2.2.2：求出所有平均距离的均值μ和标准差σ；步骤2.2.3：计算距离阈值dmax，dmax＝μ+S’*σ，其中，S’为比例系数，是一个常数，由相邻点数量K决定；S’值越大，丢掉的点越少；步骤2.2.4：遍历原始室内区域点云PointCloud_2中所有点，并计算与其K个相邻点的平均距离，当距离大于dmax点都被视为离群点，从点云数据中删除，最终得到室内实景点云数据PointCloud_3；步骤3：对室内实景点云数据PointCloud_3进行点云语义自动识别，得到带有语义信息的点云集合PointCloud_4，包括：步骤3.1：预设点云语义元素：天花板Ceiling、地面Ground、墙Wall、柱Column、梁Beam和背景BackGround；步骤3.2：根据预设的点云深度学习模型，对室内实景点云数据PointCloud_3自动进行语义分析；其中，预设的点云深度学习模型用于自动识别预设的点云语义元素，输入为室内实景点云数据PointCloud_3；输出为带有语义信息的点云集合PointCloud_4，带有语义信息的点云集合PointCloud_4中包含：单点对应的语义元素和点云坐标信息xi，yi，zi；步骤4：对BIM模型进行处理，得到带有标签信息的虚拟模型点云集合PointCloud_5，包括：步骤4.1：根据BIM模型中构件的类别信息，获取楼板构件、墙构件、柱构件和梁构件；步骤4.2：对获取到的楼板构件，根据楼板的标高，定义标高较低的楼板的上表面为地面，赋予该地面“Ground”标签；定义标高较高的楼板的下表面为天花板，赋予该天花板“Ceiling”标签；步骤4.3：对获取到的若干墙构件，通过Function的类型属性中Interior类型属性获取墙的朝向为内的面，并为该朝向为内的面赋予“Wall”标签；步骤4.4：对获取到的若干柱构件，为每个柱面赋予“Column”标签；步骤4.5：对获取到的若干梁构件，为每个梁面赋予“Beam”标签；步骤4.6：对所有带有标签信息的面，三角面片化形成对应的网格，遍历网格的所有三角形并获取所有的顶点，得到带有标签信息的虚拟模型点云集合PointCloud_5；步骤5：将带有语义信息的点云集合与虚拟模型点云集合进行虚实场景匹配，包括：步骤5.1：提取带有语义信息的点云集合PointCloud_4中的点云语义元素为“Ceiling”和“Ground”的面状点云，同时提取点云集合PointCloud_5中对应带有“Ceiling”和“Ground”标签信息的面状点云；步骤5.2：以带有语义信息的点云集合PointCloud_4中点云语义元素为“Ceiling”和“Ground”的面状点云为基准，将带有标签信息的虚拟模型点云集合PointCloud_5中“Ceiling”和“Ground”点云分别对齐至带有语义信息的点云集合PointCloud_4中“Ceiling”和“Ground”点云平面，使虚拟模型与显示场景的尺度一致，得到尺度缩放参数Scale；步骤5.3：提取带有语义信息的点云集合PointCloud_4中点云语义元素为“Wall”的面状点云，同时提取带有标签信息的虚拟模型点云集合PointCloud_5中带有“Wall”标签信息的面状点云；步骤5.4：基于两点云集合中提取的面状点云的质心点集，利用RANSAC方法实现虚实场景快速粗配准；步骤5.5：以带有语义信息的点云集合PointCloud_4为参考点云，以带有标签信息的虚拟模型点云集合PointCloud_5为待配准点云，利用ICP算法将两点云集合进行配准；步骤5.6：利用步骤5.2所得的Scale参数对BIM模型进行尺度缩放，利用步骤5.4所得的刚体变换矩阵H1实现BIM模型和实景点云快速粗配准，最后利用步骤5.5所得的刚体变换矩阵H2实现BIM模型和实景点云的精配准，从而完成虚实场景配准。

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上海建工四建集团有限公司，其通讯地址为：200126 上海市浦东新区中国(上海)自由贸易试验区耀华路251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”。