Die Qualitätskontrolle der Maße ist ein notwendiger Schritt vor der Lieferung von fertigen Häusern, aber die traditionellen Kontrollmethoden erfordern viel Zeit und Mühe. Mit zunehmender Aufmerksamkeit auf die Verwendung eines terrestrischen Laserscanners für die automatisierte Qualitätskontrolle der Maße wird die automatisierte Registrierung von Punkten aus verschiedenen Winkeln im Inneren wichtiger. In Bezug auf die Platzierung von Zielen im Inneren ist die Effizienz gering, und es gibt viele sich wiederholende Strukturen im Inneren des fertigen Hauses, die sich nicht für eine automatische Registrierung allein auf der Grundlage natürlicher geometrischer Elemente oder von oben betrachteter Ansichten eignen. Es wird eine Methode zur automatischen Registrierung von Punkten aus verschiedenen Winkeln im Inneren auf der Grundlage des tiefen Lernens vorgeschlagen: Verwendung des neuronalen Netzwerks PointAF zur semantischen Segmentierung von Scandaten, dann die Instanzsegmentierung, um verschiedene Punktinstanten zu erhalten; Verwendung der Instanztür zur Paarregistrierung, Berechnung der Transformationsparameter, unter Verwendung einer Bewertungsfunktion, die auf dem Grad der Überlappung von Vertrauen und Konfliktbeschränkungen basiert, um falsche Übereinstimmungen zu beseitigen, und dann Verwendung der sequentiellen Registrierungsmethode auf Basis des Baumerschaffungsprozesses zur Abschluss des Registrierung aus verschiedenen Winkeln. In Experimenten und Vergleichen wurden die Wirksamkeit und Genauigkeit der vorgeschlagenen Methode unter Verwendung von 2 Datensätzen von Scanpunkten für 21 Stationen von fertigen Häusern überprüft.

Laserabtastung; Punktreferenzierung; Innenszene; Tiefes Lernen; Punktaufteilung