【技术实现步骤摘要】
本专利技术涉及建筑钢结构重建相关领域，尤其涉及建筑钢结构全自动结构重建技术。
技术介绍
1、型钢结构在建筑和工程领域中广泛应用，然而，在进行3d重建时，面临诸多挑战，目前的技术主要集中在使用传统的计算机视觉方法或点云技术进行结构重建，计算机视觉方法使用图像进行结构分析和重建，而点云技术则通过获取三维空间中的点云数据来还原结构形状，然而，在处理型钢结构时，这些方法往往受到结构形状复杂性和细节捕捉方面的限制，即存在一些问题；
2、1、复杂结构难以分割：型钢结构常具有复杂的几何形状和细小的构造，传统计算机视觉方法难以准确分割这些结构，导致重建结果的准确性受到影响，
3、2、数据噪声和遮挡：在实际场景中，建筑和工程结构可能受到光照变化、阴影、遮挡等因素的影响，导致获取的图像或点云数据存在噪声，影响结构的准确重建，
4、3、计算复杂性：针对大规模建筑结构的重建可能需要大量的计算资源，导致计算复杂性增加，降低了实时性和效率，需要在生产效率与技术难度之间做平衡；
5、为此，现提出建筑钢结构全自动结构重建技术，通过使用深度学习与神经网络技术，来更好地处理复杂结构的分割和重建任务，提高准确性并减少对人工干预的依赖。
技术实现思路
1、因此，为了解决上述不足，本专利技术提供建筑钢结构全自动结构重建技术。
2、为了实现上述目的，本专利技术采取以下技术方案：建筑钢结构全自动结构重建技术，包括以下步骤：
3、步骤一、数据准备；
<...【技术保护点】
1.建筑钢结构全自动结构重建技术，其特征在于：包括以下步骤：
2.根据权利要求1所述建筑钢结构全自动结构重建技术，其特征在于：所述步骤一中所收集样本包括不同角度、光照条件和结构细节，且其关键参数包括数据集大小、采集密度预计数据标准的准确性。
3.根据权利要求1所述建筑钢结构全自动结构重建技术，其特征在于：所述步骤二中预处理关键参数包括去噪算法的参数设置、数据归一化的方法以及对齐的准确性要求。
4.根据权利要求1所述建筑钢结构全自动结构重建技术，其特征在于：所述步骤三中深度学习模型可为卷知识网络(CNN)或其他先进的结构识别模型，且所设计模型的结构包括网络层数、神经元数量与激活函数的选择。
5.根据权利要求1所述建筑钢结构全自动结构重建技术，其特征在于：所述步骤三中设计模型关键参数包括模型的复杂度和容量，准确性和计算效率之间的权衡。
6.根据权利要求1所述建筑钢结构全自动结构重建技术，其特征在于：所述步骤四中训练的关键参数包括学习率、批处理大小和训练迭代次数。
7.根据权利要求1所述建筑钢结构全自动结构重建技术
8.根据权利要求1所述建筑钢结构全自动结构重建技术，其特征在于：所述步骤七中关键参数包括分割网络的结构设计和训练过程中的监督信息。
9.根据权利要求1所述建筑钢结构全自动结构重建技术，其特征在于：所述步骤八中关键参数包括映射算法的选择、映射精度以及点云数据的分辨率。
10.根据权利要求1所述建筑钢结构全自动结构重建技术，其特征在于：所述步骤九中关键参数包括后续处理算法的参数设置和对于不同类型结构的适应性。
...【技术特征摘要】
1.建筑钢结构全自动结构重建技术，其特征在于：包括以下步骤：
2.根据权利要求1所述建筑钢结构全自动结构重建技术，其特征在于：所述步骤一中所收集样本包括不同角度、光照条件和结构细节，且其关键参数包括数据集大小、采集密度预计数据标准的准确性。
3.根据权利要求1所述建筑钢结构全自动结构重建技术，其特征在于：所述步骤二中预处理关键参数包括去噪算法的参数设置、数据归一化的方法以及对齐的准确性要求。
4.根据权利要求1所述建筑钢结构全自动结构重建技术，其特征在于：所述步骤三中深度学习模型可为卷知识网络(cnn)或其他先进的结构识别模型，且所设计模型的结构包括网络层数、神经元数量与激活函数的选择。
5.根据权利要求1所述建筑钢结构全自动结构重建技术，其特征在于：所述步骤三中设计模型关键参数包括模型的复杂度和容量，准确...
【专利技术属性】
技术研发人员：陈小辉，徐德新，贡攀，郑伟，盛威，
申请(专利权)人：芜湖天航重工股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。