一种融合深度学习的实景三维模型质量检查方法和系统

本发明提供一种融合深度学习的实景三维模型质量检查方法和系统，通过获取目标场景的多光谱成像数据，构建实景三维模型；对多光谱成像数据进行优化处理，生成标准化输入数据，基于此，利用深度学习驱动的语义分割网络提取多光谱波段间的关联特征，结合实景三维模型的几何结构特征，生成像素级分割结果，并基于预设拓扑连续性规则进行校验，生成多光谱特征关联数据集，根据其中不同波段间的几何特征分割偏差与预设容差范围的对比结果，对实景三维模型进行质量检查，得到质量检查结果；本发明实现了对实景三维模型的精细化质量检查，有效识别并定位几何结构断裂或畸变的异常区域，提升了实景三维模型在复杂光照条件下的几何一致性和整体质量。