基于深度学习的激光扫描SLAM室内三维点云质量评价方法

摘要

本发明公开了一种基于深度学习的激光扫描SLAM室内三维点云质量评价方法，其包括：S1、通过激光扫描SLAM装置获取优质点云；S2、对优质点云进行降质，获取仿真点云；S3、对仿真点云进行轨迹度量分析；S4、对优质点云与仿真点云提取平面，对平面进行局部一致性噪声分析及几何规则分析，量化点云质量；S5、对优质点云与仿真点云进行分割，得到点云块；S6、将点云块进行归一化后输入到PointNet++神经网络中做模型训练，得到网络模型；S7、将待评价点云通过步骤S4进行点云质量分析，得到点云质量水平值；S8、对待评价点云通过步骤S6得到的神经网络模型进行预测，判断点云属于优质点云或者降质点云。本发明提出了量化点云质量的方法，建立了评价SLAM系统下室内三维点云模型的分类标准及框架。