超体素约束下的主动再学习LiDAR点云分类框架

摘要：

针对点云分类的监督方法需要大量的训练样本、人工标注成本高的问题,本文提出了一种超体素约束下的主动再学习点云分类方法.首先,对点云进行特征提取;然后,通过超体素约束下的主动学习方法选择训练样本并进行人工标注;最后,利用再学习方法进行后处理,通过迭代计算类别统计特征不断优化分类结果.试验结果表明,相比于使用全部训练样本,超体素约束的主动学习方法可以在不足全部样本6％的情况下,达相同的分类精度,从而大幅度减少了人工标注成本,且经过再学习算法后进一步提高了分类精度.

关键词：点云分类、超体素、主动学习、再学习

分类号：P23(摄影测量学与测绘遥感)

资助基金：国家自然科学基金41871368

在线出版日期：2022-06-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：79-83,100