基于AI视觉识别的三维建模方法和系统

技术领域

本发明涉及数据处理的领域，尤其涉及基于AI视觉识别的三维建模方法和系统。

背景技术

目前，三维建模通常是对目标场景进行倾斜拍摄或激光扫描方式得到目标场景的点云数据，再利用点云数据进行关于目标场景的三维建模。可见三维建模的数据来源主要是倾斜拍摄或激光扫描，使得三维建模的数据来源单一，若倾斜拍摄或激光扫描存在较大误差，会导致最终三维建模得到的三维模型的失真程度较高，使得三维模型与目标场景存在不匹配的情况，降低三维建模的准确性和效率。

发明内容

本发明的目的在于提供基于AI视觉识别的三维建模方法和系统，其对目标场景进行拍摄，得到目标场景影像，并对每个目标场景子影像进行AI识别处理，得到目标场景的视觉标定点云数据；在拍摄目标场景时同步进行激光扫描，得到目标场景的激光扫描数据，并对其进行AI识别处理，得到目标场景的激光标定点云数据；基于视觉标定点云数据，构建目标场景的初始三维场景模型；再利用激光标定点云数据，对初始三维场景模型相应的三维场景部分进行校正，通过拍摄和激光扫描形成不同三维建模数据源，避免采用单一数据源进行三维建模过程中容易产生建模失真的情况，能够对三维模型进行针对性校正，提高三维建模的准确性和效率。

本发明是通过以下技术方案实现：

基于AI视觉识别的三维建模方法，包括：

对目标场景进行拍摄，得到目标场景影像，并将所述目标场景影像进行分割处理，得到若干目标场景子影像；对每个目标场景子影像进行AI识别处理，得到所述目标场景的视觉标定点云数据；

在对所述目标场景进行拍摄过程中同步对所述目标场景进行激光扫描，得到所述目标场景的激光扫描数据；对所述激光扫描数据进行AI识别处理，得到所述目标场景的激光标定点云数据；基于对所述目标场景进行拍摄和激光扫描同步执行属性信息，构建所述视觉标定点云数据和所述激光标定点云数据的关联映射信息；

基于所述视觉标定点云数据，构建所述目标场景对应的初始三维场景模型；对所述初始三维场景模型进行场景状态识别，从所述初始三维场景模型中提取需要进行校正的三维场景部分；基于所述关联映射信息，查找与所述三维场景部分对应的激光标定点云数据部分；基于所述激光标定点云数据部分，对所述三维场景部分进行校正。

可选地，对目标场景进行拍摄，得到目标场景影像，并将所述目标场景影像进行分割处理，得到若干目标场景子影像；对每个目标场景子影像进行AI识别处理，得到所述目标场景的视觉标定点云数据，包括：

对目标场景进行扫描拍摄，得到目标场景全景影像；对所述目标场景全景影像依次进行像素锐化处理和像素轮廓识别处理，得到所述目标场景全景影像的像素轮廓特征信息；

基于所述像素轮廓特征信息，对所述目标场景全景影像进行分割处理，得到关于所述目标场景的背景区域和非背景区域的若干目标场景子影像；

对每个目标场景子影像进行AI识别处理，得到每个目标场景子影像的所有关键像素点的点云数据；其中，所述关键像素点是指所述目标场景子影像的画面上背景物体和非背景物体各自的边界轮廓点；再基于所有目标场景子影像在所述目标场景影像的位置信息，将所有目标场景子影像各自对应的点云数据组成所述目标场景的视觉标定点云数据。

可选地，在对所述目标场景进行拍摄过程中同步对所述目标场景进行激光扫描，得到所述目标场景的激光扫描数据；对所述激光扫描数据进行AI识别处理，得到所述目标场景的激光标定点云数据；基于对所述目标场景进行拍摄和激光扫描同步执行属性信息，构建所述视觉标定点云数据和所述激光标定点云数据的关联映射信息，包括：

在对所述目标场景进行拍摄过程中同步对所述目标场景进行全景激光扫描，得到所述目标场景的全景激光扫描数据，并对所述全景激光扫描数据进行卡尔曼滤波处理；

对所述全景激光扫描数据进行AI识别处理，得到关于所述目标场景的背景区域和非背景区域各自对应的激光标定点云子数据，并将所有激光标定点云子数据组成激光标定点云数据；

基于所述目标场景进行拍摄和激光扫描同步执行过程中的执行方位信息，构建所述视觉标定点云数据和所述激光标定点云数据的一一对应映射信息。

可选地，基于所述视觉标定点云数据，构建所述目标场景对应的初始三维场景模型；对所述初始三维场景模型进行场景状态识别，从所述初始三维场景模型中提取需要进行校正的三维场景部分；基于所述关联映射信息，查找与所述三维场景部分对应的激光标定点云数据部分；基于所述激光标定点云数据部分，对所述三维场景部分进行校正，包括：

对所述视觉标定点云数据进行AI建模处理，构建所述目标场景对应的初始三维场景模型；

对所述初始三维场景模型进行场景失真度识别，得到所述初始三维场景模型的背景部分和非背景部分各自对应的场景失真度；若所述场景失真度大于或等于预设失真度阈值，则将对应的背景部分/非背景部分确定为所述初始三维场景模型中需要进行校正的三维场景部分；

基于所述关联映射信息，查找与所述三维场景部分对应的激光标定点云数据部分；基于所述激光标定点云数据部分对所述三维场景部分进行三维场景轮廓校正。

基于AI视觉识别的三维建模系统，包括：

场景影像拍摄与处理模块，用于对目标场景进行拍摄，得到目标场景影像，并将所述目标场景影像进行分割处理，得到若干目标场景子影像；

影像AI识别模块，用于对每个目标场景子影像进行AI识别处理，得到所述目标场景的视觉标定点云数据；

场景激光扫描模块，用于在对所述目标场景进行拍摄过程中同步对所述目标场景进行激光扫描，得到所述目标场景的激光扫描数据；

激光扫描数据AI识别模块，用于对所述激光扫描数据进行AI识别处理，得到所述目标场景的激光标定点云数据；

关联映射确定模块，用于基于对所述目标场景进行拍摄和激光扫描同步执行属性信息，构建所述视觉标定点云数据和所述激光标定点云数据的关联映射信息；

三维场景模型构建与识别模块，用于基于所述视觉标定点云数据，构建所述目标场景对应的初始三维场景模型；对所述初始三维场景模型进行场景状态识别，从所述初始三维场景模型中提取需要进行校正的三维场景部分；

三维场景模型校正模块，用于基于所述关联映射信息，查找与所述三维场景部分对应的激光标定点云数据部分；基于所述激光标定点云数据部分，对所述三维场景部分进行校正。

可选地，所述场景影像拍摄与处理模块用于对目标场景进行拍摄，得到目标场景影像，并将所述目标场景影像进行分割处理，得到若干目标场景子影像，包括：

对目标场景进行扫描拍摄，得到目标场景全景影像；对所述目标场景全景影像依次进行像素锐化处理和像素轮廓识别处理，得到所述目标场景全景影像的像素轮廓特征信息；

基于所述像素轮廓特征信息，对所述目标场景全景影像进行分割处理，得到关于所述目标场景的背景区域和非背景区域的若干目标场景子影像；

所述影像AI识别模块用于对每个目标场景子影像进行AI识别处理，得到所述目标场景的视觉标定点云数据，包括：

对每个目标场景子影像进行AI识别处理，得到每个目标场景子影像的所有关键像素点的点云数据；其中，所述关键像素点是指所述目标场景子影像的画面上背景物体和非背景物体各自的边界轮廓点；再基于所有目标场景子影像在所述目标场景影像的位置信息，将所有目标场景子影像各自对应的点云数据组成所述目标场景的视觉标定点云数据。

可选地，所述场景激光扫描模块用于在对所述目标场景进行拍摄过程中同步对所述目标场景进行激光扫描，得到所述目标场景的激光扫描数据，包括：

在对所述目标场景进行拍摄过程中同步对所述目标场景进行全景激光扫描，得到所述目标场景的全景激光扫描数据，并对所述全景激光扫描数据进行卡尔曼滤波处理；

所述激光扫描数据AI识别模块用于对所述激光扫描数据进行AI识别处理，得到所述目标场景的激光标定点云数据，包括：

对所述全景激光扫描数据进行AI识别处理，得到关于所述目标场景的背景区域和非背景区域各自对应的激光标定点云子数据，并将所有激光标定点云子数据组成激光标定点云数据；

所述关联映射确定模块用于基于对所述目标场景进行拍摄和激光扫描同步执行属性信息，构建所述视觉标定点云数据和所述激光标定点云数据的关联映射信息，包括：

基于所述目标场景进行拍摄和激光扫描同步执行过程中的执行方位信息，构建所述视觉标定点云数据和所述激光标定点云数据的一一对应映射信息。

可选地，所述三维场景模型构建与识别模块用于基于所述视觉标定点云数据，构建所述目标场景对应的初始三维场景模型；对所述初始三维场景模型进行场景状态识别，从所述初始三维场景模型中提取需要进行校正的三维场景部分，包括：

对所述视觉标定点云数据进行AI建模处理，构建所述目标场景对应的初始三维场景模型；

对所述初始三维场景模型进行场景失真度识别，得到所述初始三维场景模型的背景部分和非背景部分各自对应的场景失真度；若所述场景失真度大于或等于预设失真度阈值，则将对应的背景部分/非背景部分确定为所述初始三维场景模型中需要进行校正的三维场景部分；

所述三维场景模型校正模块用于基于所述关联映射信息，查找与所述三维场景部分对应的激光标定点云数据部分；基于所述激光标定点云数据部分，对所述三维场景部分进行校正，包括：

基于所述关联映射信息，查找与所述三维场景部分对应的激光标定点云数据部分；基于所述激光标定点云数据部分对所述三维场景部分进行三维场景轮廓校正。

与现有技术相比，本发明具有如下有益效果：

本申请提供的基于AI视觉识别的三维建模方法和系统对目标场景进行拍摄，得到目标场景影像，并对每个目标场景子影像进行AI识别处理，得到目标场景的视觉标定点云数据；在拍摄目标场景时同步进行激光扫描，得到目标场景的激光扫描数据，并对其进行AI识别处理，得到目标场景的激光标定点云数据；基于视觉标定点云数据，构建目标场景的初始三维场景模型；再利用激光标定点云数据，对初始三维场景模型相应的三维场景部分进行校正，通过拍摄和激光扫描形成不同三维建模数据源，避免采用单一数据源进行三维建模过程中容易产生建模失真的情况，能够对三维模型进行针对性校正，提高三维建模的准确性和效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。其中：

图1为本发明提供的基于AI视觉识别的三维建模方法的流程示意图。

图2为本发明提供的基于AI视觉识别的三维建模系统的结构示意图。

具体实施方式

为使本申请的上述目的、特征和优点能够更为明显易懂，下面结合附图，对本申请的具体实施方式做详细的说明。可以理解的是，此处所描述的具体实施例仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。

本申请中的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

请参阅图1所示，本申请一实施例提供的基于AI视觉识别的三维建模方法包括：

对目标场景进行拍摄，得到目标场景影像，并将该目标场景影像进行分割处理，得到若干目标场景子影像；对每个目标场景子影像进行AI识别处理，得到该目标场景的视觉标定点云数据；

在对该目标场景进行拍摄过程中同步对该目标场景进行激光扫描，得到该目标场景的激光扫描数据；对该激光扫描数据进行AI识别处理，得到该目标场景的激光标定点云数据；基于对该目标场景进行拍摄和激光扫描同步执行属性信息，构建该视觉标定点云数据和该激光标定点云数据的关联映射信息；

基于该视觉标定点云数据，构建该目标场景对应的初始三维场景模型；对该初始三维场景模型进行场景状态识别，从该初始三维场景模型中提取需要进行校正的三维场景部分；基于该关联映射信息，查找与该三维场景部分对应的激光标定点云数据部分；基于该激光标定点云数据部分，对该三维场景部分进行校正。

上述实施例的有益效果，该基于AI视觉识别的三维建模方法对目标场景进行拍摄，得到目标场景影像，并对每个目标场景子影像进行AI识别处理，得到目标场景的视觉标定点云数据；在拍摄目标场景时同步进行激光扫描，得到目标场景的激光扫描数据，并对其进行AI识别处理，得到目标场景的激光标定点云数据；基于视觉标定点云数据，构建目标场景的初始三维场景模型；再利用激光标定点云数据，对初始三维场景模型相应的三维场景部分进行校正，通过拍摄和激光扫描形成不同三维建模数据源，避免采用单一数据源进行三维建模过程中容易产生建模失真的情况，能够对三维模型进行针对性校正，提高三维建模的准确性和效率。

在另一实施例中，对目标场景进行拍摄，得到目标场景影像，并将该目标场景影像进行分割处理，得到若干目标场景子影像；对每个目标场景子影像进行AI识别处理，得到该目标场景的视觉标定点云数据，包括：

对目标场景进行扫描拍摄，得到目标场景全景影像；对该目标场景全景影像依次进行像素锐化处理和像素轮廓识别处理，得到该目标场景全景影像的像素轮廓特征信息；

基于该像素轮廓特征信息，对该目标场景全景影像进行分割处理，得到关于该目标场景的背景区域和非背景区域的若干目标场景子影像；

对每个目标场景子影像进行AI识别处理，得到每个目标场景子影像的所有关键像素点的点云数据；其中，该关键像素点是指该目标场景子影像的画面上背景物体和非背景物体各自的边界轮廓点；再基于所有目标场景子影像在该目标场景影像的位置信息，将所有目标场景子影像各自对应的点云数据组成该目标场景的视觉标定点云数据。

上述实施例的有益效果，在对目标场景的实际扫描拍摄中，可利用360度摄像机对目标场景进行全景扫描拍摄，得到目标场景全景影像，再对该目标场景全景影像依次进行像素锐化处理和像素轮廓识别处理，得到相应的像素轮廓特征信息，以此对目标场景全景影像进行背景区域和非背景区域的标定区分，这样以该像素轮廓特征信息为基准，对该目标场景全景影像进行分割处理，得到关于该目标场景的背景区域和非背景区域的若干目标场景子影像，便于后续针对背景区域和非背景区域进行区分化的点云数据的提取。再利用相应的神经网络模型对每个目标场景子影像进行AI识别处理，得到每个目标场景子影像的所有关键像素点的点云数据，从而实现对目标场景全景影像的全面准确点云数据提取。

在另一实施例中，在对该目标场景进行拍摄过程中同步对该目标场景进行激光扫描，得到该目标场景的激光扫描数据；对该激光扫描数据进行AI识别处理，得到该目标场景的激光标定点云数据；基于对该目标场景进行拍摄和激光扫描同步执行属性信息，构建该视觉标定点云数据和该激光标定点云数据的关联映射信息，包括：

在对该目标场景进行拍摄过程中同步对该目标场景进行全景激光扫描，得到该目标场景的全景激光扫描数据，并对该全景激光扫描数据进行卡尔曼滤波处理；

对该全景激光扫描数据进行AI识别处理，得到关于该目标场景的背景区域和非背景区域各自对应的激光标定点云子数据，并将所有激光标定点云子数据组成激光标定点云数据；

基于该目标场景进行拍摄和激光扫描同步执行过程中的执行方位信息，构建该视觉标定点云数据和该激光标定点云数据的一一对应映射信息。

上述实施例的有益效果，在对该目标场景进行拍摄过程同步对该目标场景进行全景激光扫描，即每当对该目标场景相应方位区域进行拍摄的同时对该方位区域进行激光扫描，从而得到该目标场景的全景激光扫描数据，再对该全景激光扫描数据进行卡尔曼滤波处理，以此降低全景激光扫描数据的噪声成分。再利用相应的神经网络模型对该全景激光扫描数据进行AI识别处理，得到关于该目标场景的背景区域和非背景区域各自对应的激光标定点云子数据，并将所有激光标定点云子数据组成激光标定点云数据，实现对该目标场景的背景区域和非背景区域的区分化激光标定点云数据确定。此外，还基于该目标场景进行拍摄和激光扫描同步执行过程中的执行方位信息，构建该视觉标定点云数据和该激光标定点云数据的一一对应映射信息，便于后续对利用视觉标定点云数据三维建模后得到的三维模型进行激光标定点云数据的校正，提高对三维模型的校正准确性。

在另一实施例中，基于该视觉标定点云数据，构建该目标场景对应的初始三维场景模型；对该初始三维场景模型进行场景状态识别，从该初始三维场景模型中提取需要进行校正的三维场景部分；基于该关联映射信息，查找与该三维场景部分对应的激光标定点云数据部分；基于该激光标定点云数据部分，对该三维场景部分进行校正，包括：

对该视觉标定点云数据进行AI建模处理，构建该目标场景对应的初始三维场景模型；

对该初始三维场景模型进行场景失真度识别，得到该初始三维场景模型的背景部分和非背景部分各自对应的场景失真度；若该场景失真度大于或等于预设失真度阈值，则将对应的背景部分/非背景部分确定为该初始三维场景模型中需要进行校正的三维场景部分；

基于该关联映射信息，查找与该三维场景部分对应的激光标定点云数据部分；基于该激光标定点云数据部分对该三维场景部分进行三维场景轮廓校正。

上述实施例的有益效果，先以视觉标定点云数据数据为源数据进行AI建模处理，构建该目标场景对应的初始三维场景模型，再对该初始三维场景模型进行关于目标场景的背景区域部分和非背景区域部分各自对应的场景失真度；若该场景失真度大于或等于预设失真度阈值，则将对应的背景区域部分/非背景区域部分确定为该初始三维场景模型中需要进行校正的三维场景部分，从而对场景失真度较大的背景区域部分和非背景区域部分进行准确的提取识别，便于后续有针对性利用背景区域部分和非背景区域部分的激光标定点云数据部分进行关于三维场景轮廓的校正，从而对三维模型进行针对性校正，提高三维建模的准确性。

请参阅图2所示，本申请一实施例提供的基于AI视觉识别的三维建模系统包括：

场景影像拍摄与处理模块，用于对目标场景进行拍摄，得到目标场景影像，并将该目标场景影像进行分割处理，得到若干目标场景子影像；

影像AI识别模块，用于对每个目标场景子影像进行AI识别处理，得到该目标场景的视觉标定点云数据；

场景激光扫描模块，用于在对该目标场景进行拍摄过程中同步对该目标场景进行激光扫描，得到该目标场景的激光扫描数据；

激光扫描数据AI识别模块，用于对该激光扫描数据进行AI识别处理，得到该目标场景的激光标定点云数据；

关联映射确定模块，用于基于对该目标场景进行拍摄和激光扫描同步执行属性信息，构建该视觉标定点云数据和该激光标定点云数据的关联映射信息；

三维场景模型构建与识别模块，用于基于该视觉标定点云数据，构建该目标场景对应的初始三维场景模型；对该初始三维场景模型进行场景状态识别，从该初始三维场景模型中提取需要进行校正的三维场景部分；

三维场景模型校正模块，用于基于该关联映射信息，查找与该三维场景部分对应的激光标定点云数据部分；基于该激光标定点云数据部分，对该三维场景部分进行校正。

上述实施例的有益效果，该基于AI视觉识别的三维建模系统对目标场景进行拍摄，得到目标场景影像，并对每个目标场景子影像进行AI识别处理，得到目标场景的视觉标定点云数据；在拍摄目标场景时同步进行激光扫描，得到目标场景的激光扫描数据，并对其进行AI识别处理，得到目标场景的激光标定点云数据；基于视觉标定点云数据，构建目标场景的初始三维场景模型；再利用激光标定点云数据，对初始三维场景模型相应的三维场景部分进行校正，通过拍摄和激光扫描形成不同三维建模数据源，避免采用单一数据源进行三维建模过程中容易产生建模失真的情况，能够对三维模型进行针对性校正，提高三维建模的准确性和效率。

在另一实施例中，该场景影像拍摄与处理模块用于对目标场景进行拍摄，得到目标场景影像，并将该目标场景影像进行分割处理，得到若干目标场景子影像，包括：

对目标场景进行扫描拍摄，得到目标场景全景影像；对该目标场景全景影像依次进行像素锐化处理和像素轮廓识别处理，得到该目标场景全景影像的像素轮廓特征信息；

基于该像素轮廓特征信息，对该目标场景全景影像进行分割处理，得到关于该目标场景的背景区域和非背景区域的若干目标场景子影像；

该影像AI识别模块用于对每个目标场景子影像进行AI识别处理，得到该目标场景的视觉标定点云数据，包括：

对每个目标场景子影像进行AI识别处理，得到每个目标场景子影像的所有关键像素点的点云数据；其中，该关键像素点是指该目标场景子影像的画面上背景物体和非背景物体各自的边界轮廓点；再基于所有目标场景子影像在该目标场景影像的位置信息，将所有目标场景子影像各自对应的点云数据组成该目标场景的视觉标定点云数据。

上述实施例的有益效果，在对目标场景的实际扫描拍摄中，可利用360度摄像机对目标场景进行全景扫描拍摄，得到目标场景全景影像，再对该目标场景全景影像依次进行像素锐化处理和像素轮廓识别处理，得到相应的像素轮廓特征信息，以此对目标场景全景影像进行背景区域和非背景区域的标定区分，这样以该像素轮廓特征信息为基准，对该目标场景全景影像进行分割处理，得到关于该目标场景的背景区域和非背景区域的若干目标场景子影像，便于后续针对背景区域和非背景区域进行区分化的点云数据的提取。再利用相应的神经网络模型对每个目标场景子影像进行AI识别处理，得到每个目标场景子影像的所有关键像素点的点云数据，从而实现对目标场景全景影像的全面准确点云数据提取。

在另一实施例中，该场景激光扫描模块用于在对该目标场景进行拍摄过程中同步对该目标场景进行激光扫描，得到该目标场景的激光扫描数据，包括：

在对该目标场景进行拍摄过程中同步对该目标场景进行全景激光扫描，得到该目标场景的全景激光扫描数据，并对该全景激光扫描数据进行卡尔曼滤波处理；

该激光扫描数据AI识别模块用于对该激光扫描数据进行AI识别处理，得到该目标场景的激光标定点云数据，包括：

对该全景激光扫描数据进行AI识别处理，得到关于该目标场景的背景区域和非背景区域各自对应的激光标定点云子数据，并将所有激光标定点云子数据组成激光标定点云数据；

该关联映射确定模块用于基于对该目标场景进行拍摄和激光扫描同步执行属性信息，构建该视觉标定点云数据和该激光标定点云数据的关联映射信息，包括：

基于该目标场景进行拍摄和激光扫描同步执行过程中的执行方位信息，构建该视觉标定点云数据和该激光标定点云数据的一一对应映射信息。

上述实施例的有益效果，在对该目标场景进行拍摄过程同步对该目标场景进行全景激光扫描，即每当对该目标场景相应方位区域进行拍摄的同时对该方位区域进行激光扫描，从而得到该目标场景的全景激光扫描数据，再对该全景激光扫描数据进行卡尔曼滤波处理，以此降低全景激光扫描数据的噪声成分。再利用相应的神经网络模型对该全景激光扫描数据进行AI识别处理，得到关于该目标场景的背景区域和非背景区域各自对应的激光标定点云子数据，并将所有激光标定点云子数据组成激光标定点云数据，实现对该目标场景的背景区域和非背景区域的区分化激光标定点云数据确定。此外，还基于该目标场景进行拍摄和激光扫描同步执行过程中的执行方位信息，构建该视觉标定点云数据和该激光标定点云数据的一一对应映射信息，便于后续对利用视觉标定点云数据三维建模后得到的三维模型进行激光标定点云数据的校正，提高对三维模型的校正准确性。

在另一实施例中，该三维场景模型构建与识别模块用于基于该视觉标定点云数据，构建该目标场景对应的初始三维场景模型；对该初始三维场景模型进行场景状态识别，从该初始三维场景模型中提取需要进行校正的三维场景部分，包括：

对该视觉标定点云数据进行AI建模处理，构建该目标场景对应的初始三维场景模型；

对该初始三维场景模型进行场景失真度识别，得到该初始三维场景模型的背景部分和非背景部分各自对应的场景失真度；若该场景失真度大于或等于预设失真度阈值，则将对应的背景部分/非背景部分确定为该初始三维场景模型中需要进行校正的三维场景部分；

该三维场景模型校正模块用于基于该关联映射信息，查找与该三维场景部分对应的激光标定点云数据部分；基于该激光标定点云数据部分，对该三维场景部分进行校正，包括：

基于该关联映射信息，查找与该三维场景部分对应的激光标定点云数据部分；基于该激光标定点云数据部分对该三维场景部分进行三维场景轮廓校正。

上述实施例的有益效果，先以视觉标定点云数据数据为源数据进行AI建模处理，构建该目标场景对应的初始三维场景模型，再对该初始三维场景模型进行关于目标场景的背景区域部分和非背景区域部分各自对应的场景失真度；若该场景失真度大于或等于预设失真度阈值，则将对应的背景区域部分/非背景区域部分确定为该初始三维场景模型中需要进行校正的三维场景部分，从而对场景失真度较大的背景区域部分和非背景区域部分进行准确的提取识别，便于后续有针对性利用背景区域部分和非背景区域部分的激光标定点云数据部分进行关于三维场景轮廓的校正，从而对三维模型进行针对性校正，提高三维建模的准确性。

总体而言，该基于AI视觉识别的三维建模方法和系统对目标场景进行拍摄，得到目标场景影像，并对每个目标场景子影像进行AI识别处理，得到目标场景的视觉标定点云数据；在拍摄目标场景时同步进行激光扫描，得到目标场景的激光扫描数据，并对其进行AI识别处理，得到目标场景的激光标定点云数据；基于视觉标定点云数据，构建目标场景的初始三维场景模型；再利用激光标定点云数据，对初始三维场景模型相应的三维场景部分进行校正，通过拍摄和激光扫描形成不同三维建模数据源，避免采用单一数据源进行三维建模过程中容易产生建模失真的情况，能够对三维模型进行针对性校正，提高三维建模的准确性和效率。

上述仅为本发明的一个具体实施方式，其它基于本发明构思的前提下做出的任何改进都视为本发明的保护范围。