三维点云分割网络

低视差即高精度

提出融合SFM重建与Transformer的三维点云分割网络，针对路面坑洼点云的稀疏问题进行了优化，使用普通二维图像即可实现高精度分割。

Wang, Niannian · Dong, Jiaxiu · Hongyuan, Fang · Bin, Li · Zhai, Kejie · Ma, Duo · Yibo, Shen · Hu, Haobang

Construction and Building Materials 2023

参数信息

分割精度

93.44 %

F1分数

92.58 %

精度提升（对比PointNet++）

4.13 %

精度提升（对比PointRCNN）

2.96 %

精度提升（对比PointCNN）

3.17 %

F1提升（对比PointNet++）

2.41 %

F1提升（对比PointRCNN）

2.43 %

F1提升（对比PointCNN）

2.93 %

技术优势

成本大幅降低

仅需普通高清相机拍摄的多视角图像即可完成重建与分割，无需昂贵的深度相机或激光设备。

稀疏点云也能分

提出的PP-SFM重建方法在一定程度上解决了点云稀疏问题，为后续分割网络提供更可靠输入。

分割精度更高

在对比实验中，分割精度较PointNet++、PointRCNN和PointCNN分别提升4.13%、2.96%和3.17%。

应用场景

• 路面病害检测：用普通图像重建三维点云并自动分割坑洞，提升病害检测效率。
• 道路养护：获得坑洞深度和体积，为修补工程量估算提供数据。
• 三维测量：从多视角图像低成本重建三维点云，实现坑洞立体测量。