.png){kind=icon}
返回
Deep learning-based point cloud completion for MEP components
.png){kind=icon}
PRE
AI
DOI：10.1016/j.autcon.2025.106218.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
点云越来越多地被用于设施的竣工模型重建。然而，机械、电气和管道（MEP）系统的点云通常经历广泛的遮挡，这严重影响了模型重建的性能。为了应对这一挑战，本文探讨了基于深度学习（DL）的点云补全算法，以补全遮挡的MEP点云。由于数据集的可用性有限，采用了参数化BIM建模和遮挡模拟来生成MEP组件的合成点云数据集。基于生成的数据集，研究了五种不同的DL算法和五种不同的点云补全训练策略的有效性。结果表明：(1) 采用预训练策略的PoinTr模型达到了最佳的Chamfer Distance（CD）和F-score，即使在75%的点云缺失情况下也能实现有效补全；(2) 将所提出的点云补全方法应用于三个实际任务进一步证明了算法的适用性。
Keyword:
Point cloud completion
MEP
Deep learning
Occlusion simulation
期刊
IF:
11.5
论文数:
6.3K
被引数:
4.2W
机构
引用论文
.png){kind=icon}
Automated semantic segmentation of industrial point clouds using ResPointNet plus使用ResPointNet plus对工业点云进行自动语义分割
PREAI
分享收藏3D reconstruction of as-built industrial instrumentation models from laser-scan data and a 3D CAD database based on prior knowledge根据激光扫描数据和基于先验知识的3D CAD数据库对已构建的工业仪器模型进行3D重建
PREAI
分享收藏Automated production of synthetic point clouds of truss bridges for semantic and instance segmentation using deep learning models使用深度学习模型自动生成用于语义和实例分割的桁架桥合成点云
OAAI
OAAI分享收藏分享收藏The value of integrating Scan-to-BIM and Scan-vs-BIM techniques for construction monitoring using laser scanning and BIM: The case of cylindrical MEP components使用激光扫描和BIM集成扫描到BIM和扫描vs BIM技术进行施工监控的价值: 圆柱形MEP组件的情况
PREAI
分享收藏
查看更多内容