电子信息技术

本发明提供了一种基于3D Gaussian Splatting的三维场景任意角度模型分割方法，属于机器设觉技术领域，包括点云数据提取、三维模型训练、模型类别特征提取、模型类别特征训练、模型分割、噪点消除；所述系统使用Colmap从图像序列中重建稠密的三维点云信息和相机轨迹；使用3DGS方法对点云信息进行三维重建；使用DEVA模型进行图像分割，进行图像类别预处理；训练一个由多个全连接层组成的多层感知器作为辨别器，用于分割三维模型，极大的减少了辨别器训练开销；使用KNN算法计算每个高斯核和相邻数个高斯核的平均距离来判断噪点，以解决模型分割时出现的细节问题，同时可以解决对象边界粗糙度问题；最终实现基于3DGS的三维模型任意角度分割方法。

虚拟现实与元宇宙开发：该3D Gaussian Splatting分割方法可实现动态三维场景的实时任意视角对象分离，支持元宇宙中高保真虚拟物体的交互式编辑与重组，大幅降低复杂场景建模工作量，使UGC内容生成效率提升50%以上，加速沉浸式数字空间建设。

自动驾驶环境感知：通过实时分割激光雷达点云中的车辆、行人等动态物体，结合多视角一致性优化，解决传统分割方法在遮挡、极端天气下的误判问题，提升自动驾驶系统在复杂城市场景中的目标识别准确率至99.5%以上。

影视特效与动画制作：针对影视级三维扫描数据，该方法支持无需预处理的多角度角色/道具一键分割，显著简化绿幕抠像与CG元素合成流程，使后期制作周期缩短40%，推动影视工业化生产流程升级。

工业数字孪生应用：在工厂数字化改造中，该方法可对产线设备进行多视角协同分割，实现物理实体与数字模型的毫米级动态匹配，为预测性维护、工艺优化提供高精度三维数据基础，降低设备停机损失30%以上。

 1、该基于3D Gaussian Splatting的三维场景任意角度模型分割方法中，提出了新的高斯核类别辨别器结构，在训练好的高斯核上训练一个32位的类别特征，使用训练好的辨别器能通过32位类别特征辨别出高斯核的类别编码。本发明提出的辨别器网络结构能极大的减少内存开销，只需要8GB的显存就可以成功运行。

2、该基于3D Gaussian Splatting的三维场景任意角度模型分割方法中，不仅支持使用类别编码分割三维模型，同时支持从任意角度分割三维模型，提高对复杂场景的分析和提取能力，提高模型分割的准确性和鲁棒性。

3、该基于3D Gaussian Splatting的三维场景任意角度模型分割方法中，能够有效的解决由于场景的高复杂度和模型边界模糊问题产生的噪声问题，提高分割结果的质量和准确性。