一种建筑特征的识别方法及装置与流程

技术特征：
1.一种建筑特征的识别方法，其特征在于，所述方法包括：获取包括多个训练标签的天花样本点云图像；所述多个训练标签对应于建筑特征；对所述天花样本点云图像进行预处理，得到多个调整点云子图像；根据预设的多层感知机对所述多个调整点云子图像进行特征维度扩展，得到第一中间特征；根据所述多个训练标签、预设的最大池化层以及预设的全连接层对所述第一中间特征进行处理，得到第二中间特征；根据预设的损失函数组对所述第二中间特征进行损失处理，得到建筑特征识别结果。2.根据权利要求1所述的建筑特征的识别方法，其特征在于，所述对所述天花样本点云图像进行预处理，得到多个调整点云子图像的步骤包括：对所述天花样本点云图像进行平均划分，得到多个均分点云子图像；根据预设的三维点云处理网络对所述多个均分点云子图像进行坐标对齐处理，并得到多个调整点云子图像。3.根据权利要求1所述的建筑特征的识别方法，其特征在于，所述根据预设的损失函数组对所述第二中间特征进行损失处理，得到建筑特征识别结果的步骤包括：根据预设的坐标预测损失函数、边界预测损失函数、类别预测损失函数以及置信度预测损失函数对所述第二中间特征进行四重损失处理，得到建筑特征识别结果。4.根据权利要求3所述的建筑特征的识别方法，其特征在于，所述第二中间特征包括与所述天花样本点云图像中的多个拼缝一一对应的多个训练候选矩形，且所述多个训练标签包括与所述天花样本点云图像中的多个拼缝一一对应的拼缝包围矩形，其中，所述根据预设的坐标预测损失函数、边界预测损失函数、类别预测损失函数以及置信度预测损失函数对所述第二中间特征进行四重损失处理，得到建筑特征识别结果的步骤包括：提取所述第二中间特征包括的每个调整点云子图像中心的中心横坐标和中心纵坐标、所述训练候选矩形的宽度和高度、每个调整点云子图像中预测拼缝类型对应的预测类型概率以及所述训练候选矩形的置信度；根据预设的坐标预测损失函数对所述中心横坐标和所述中心纵坐标进行损失处理，得到第一损失处理结果；根据预设的边界预测损失函数对所述宽度和所述高度进行损失处理，得到第二损失处理结果；根据预设的类别预测损失函数对所述预测类型概率进行损失处理，得到第三损失处理结果；根据预设的置信度预测损失函数对所述置信度进行损失处理，得到第四损失处理结果；根据所述第一损失处理结果、第二损失处理结果、第三损失处理结果以及第四损失处理结果，生成建筑特征识别结果；其中，所述置信度计算公式如下：p＝(k∩g)/(k∪g)；p用于表示置信度；k用于表示所述训练候选矩形的面积；
g用于表示所述拼缝包围矩形的面积。5.根据权利要求1所述的建筑特征的识别方法，其特征在于，所述多个训练标签与所述天花样本点云图像中的多个拼缝一一对应；其中，训练标签包括其对应拼缝的拼缝类型以及拼缝包围矩形的两个对角坐标，所述建筑特征包括天花拼缝、龙骨、溢浆、错台以及凸点。6.根据权利要求1所述的建筑特征的识别方法，其特征在于，所述第二中间特征包括与所述天花样本点云图像中的多个拼缝一一对应的多个训练候选矩形，并且所述第二中间特征的维度为s*s*(b*5 c)，其中，s*s为所述多个调整点云子图像的个数；b为每个调整点云子图像包括的训练候选矩形的个数；c为每个调整点云子图像中预测拼缝类型对应的预测类型概率。7.一种建筑特征的识别装置，其特征在于，所述建筑特征的识别装置包括：获取单元，用于获取包括多个训练标签的天花样本点云图像；所述多个训练标签对应于建筑特征；预处理单元，用于对所述天花样本点云图像进行预处理，得到多个调整点云子图像；扩维单元，用于根据预设的多层感知机对所述多个调整点云子图像进行特征维度扩展，得到第一中间特征；处理单元，用于根据所述多个训练标签、预设的最大池化层以及预设的全连接层对所述第一中间特征进行处理，得到第二中间特征；损失单元，用于根据预设的损失函数组对所述第二中间特征进行损失处理，得到建筑特征识别结果。8.根据权利要求7所述的建筑特征的识别装置，其特征在于，所述预处理单元包括：第一子单元，用于对所述天花样本点云图像进行平均划分，得到多个均分点云子图像；第二子单元，用于根据预设的三维点云处理网络对所述多个均分点云子图像进行坐标对齐处理，并得到多个调整点云子图像。9.一种电子设备，其特征在于，所述电子设备包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行权利要求1至6中任一项所述的建筑特征的识别方法。10.一种可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行权利要求1至6任一项所述的建筑特征的识别方法。

技术总结
本申请实施例提供一种建筑特征的识别方法及装置，该建筑特征的识别方法包括：获取包括多个训练标签的天花样本点云图像；所述多个训练标签对应于建筑特征；对天花样本点云图像进行预处理，得到多个调整点云子图像；根据预设的多层感知机对多个调整点云子图像进行特征维度扩展，得到第一中间特征；根据多个训练标签、预设的最大池化层以及预设的全连接层对第一中间特征进行处理，得到第二中间特征；根据预设的损失函数组对第二中间特征进行损失处理，得到建筑特征识别结果。可见，实施这种实施方式，能够通过独特的人工智能方式识别建筑特征，从而提高了建筑特征的获取精度，进而有利于天花打磨路径的生成。利于天花打磨路径的生成。利于天花打磨路径的生成。


技术研发人员：罗淞 刘士伟 姜盛坤 王锋 王力
受保护的技术使用者：广东博智林机器人有限公司
技术研发日：2020.12.24
技术公布日：2022/7/12