A inspeção de qualidade e tamanho é um passo necessário antes da entrega de casas concluídas, mas os métodos tradicionais de inspeção manual consomem muito tempo e esforço. Com a crescente atenção dada à inspeção automatizada de qualidade e tamanho usando varreduras a laser terrestres, o registro automático de nuvens de pontos multi-visão internas torna-se mais importante. A eficiência na disposição de alvos dentro de casa é baixa e há muita estrutura repetitiva no interior de casas concluídas, o que não é adequado apenas com base em elementos de geometria natural ou em vistas aéreas para registro sem alvos. Foi proposto um método de registro automático de nuvens de pontos multi-visão internas baseado em aprendizado profundo: usando a rede neural PointAF para segmentação semântica dos dados de nuvem de pontos escaneados, seguida pela segmentação de instância para obter diferentes instâncias de nuvem de pontos; usando instâncias de portal para registro de dois em dois, calcular parâmetros de transformação, remover correspondências incorretas usando uma função de avaliação baseada na confiança de sobreposição e restrição de conflito, e usar um método de registro sequencial baseado em árvore geradora para completar o registro multi-visão. Em experimentos de validação e comparação, utilizando dados de nuvem de pontos escaneados de 21 estações de duas casas concluídas, a eficácia e precisão do método proposto foram validadas.

Varredura a laser; Registro de nuvem de pontos; Cena interna; Aprendizado profundo; Segmentação de nuvem de pontos