上海科技大学知识管理系统

本文聚焦于 3D 点云的屋顶线框重建难题，提出一种创新工程解决方案。针

对传统方法和现有深度学习方法的不足，如人工干预多、边缘特征提取困难、难

以捕捉整体特征等问题，从边缘特征提取与融合、边缘特征自注意力机制、顶点

序列化和位置编码多方面优化。通过顶点检测和边缘预测两个阶段，有效处理点

云数据的无序性、密度不均和噪声问题。在合成数据集和 Building3D-Tallinn 数

据集上的实验结果表明，该方案在顶点精度、召回率、边缘精度、召回率等评估

指标上优于现有方法，可视化结果也证实其在顶点检测、线框完整性和结构识别

方面表现优异，能更精准还原屋顶结构。此外，本方案具有技术创新性、性能优

越性和应用扩展性，未来将在技术优化、数据融合与适应性提升、跨领域应用拓

展等方面持续研究，推动该技术在多领域的广泛应用。