一种基于合成点云增强的机械、电气和管道场景深度学习重建方法与系统

本发明公开了一种基于合成点云增强的机械、电气和管道场景深度学习重建方法与系统，旨在解决当前深度学习模型对大量真实标注点云数据的依赖问题。本发明的方法通过从建筑信息模型BIM生成合成点云，模拟真实激光扫描过程，以生成能够反映真实场景遮挡特征的点云数据。具体而言，方法首先初始化激光扫描仪的位置、扫描分辨率、扫描误差和可通行区域，然后利用激光射线交汇算法对BIM模型进行采样，以生成合成点云。接着，通过训练深度学习模型来提高MEP场景的语义分割准确性，从而实现高精度的MEP模型重建。本发明能有效促进建筑物中机械、电气和管道构件的运营与维护，提升相关领域的工作效率和质量。