几何特征与神经网络联合优化的室内三维点云语义分割方法
室内三维点云数据精准语义分割是实现深层次室内空间应用的基础.针对现有三维点云数据语义分割方法存在目标不完整和不一致的问题,本文提出了一种几何特征与深度神经网络联合优化的室内三维点云语义分割方法.该方法首先利用深度学习实现室内结构信息语义标签的初步提取,然后利用几何与颜色特征的点云分割方法对原始数据进行精确分割,最后利用概率模型将深度学习语义分割结果与几何分割结果进行交叉融合,实现语义分割结果的联合优化.基于开放数据集对本文提出的分割方法进行了精度和有效性验证,分别采用室内场景简单到复杂的三组室内点云数据进行了测试,试验结果表明,本文提出的方法能够有效提升室内三维点云语义分割精度.
神经网络、点云、语义分割、多级平面提取、颜色区域增长分割
P237(摄影测量学与测绘遥感)
深圳市科技计划面上项目;国家自然科学基金;广东省自然科学基金面上项目;自然资源部城市自然资源监测与仿真重点实验室开放基金
2023-06-07(万方平台首次上网日期,不代表论文的发表时间)
共6页
56-61