融合多特征深度学习的地面激光点云语义分割

摘要：

针对当前点云语义分割研究对地面站激光点云特征利用不足、正确率较低的问题,该文提出了一种基于多尺度球形邻域特征的深度神经网络算法.该算法基于多尺度球形邻域计算的地面激光点云的粗糙度、高斯曲率,以及全方差、线性度等基于协方差的多种特征,结合XYZ坐标、RGB颜色、激光反射强度组成47维特征向量作为神经网络的输入,经过多组参数组合实验优化神经网络结构,最后通过softmax分类器输出每个点的类别.利用Semantic-3D测试集验证所提的深度神经网络模型,取得了较好的分类精度,总体正确率和平均交并比分别达到了86.6％和55.0％.实验结果表明,所提算法充分利用了地面站激光点云的特征,可有效提升语义分割的正确率.

关键词：点云、语义分割、多特征、神经网络

所属期刊栏目：46

分类号：P237(摄影测量学与测绘遥感)

资助基金：国家自然科学基金51678536

在线出版日期：2021-04-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：133-139,162