结合几何特征和深度神经网络的大范围点云自动分类
针对大范围点云自动分类存在点云噪声多以及场景复杂等挑战,本文提出一种结合几何特征的深度神经网络分类方法.在输入阶段,基于结构张量来提取单个点云邻域内的局部几何特征,从而有效保留点云的几何细节,提高特征表示能力;在特征提取阶段,设计了全局上下文聚合模块,该模块对每个位置的特征进行自适应加权,扩大网络感受野,抑制点云噪声.在大范围的室外点云Semantic3D和室内S3DIS数据集上进行了实验.结果表明,本文方法能够有效保留几何细节,减少噪声干扰,提高点云分类精度,在Semantic3D和S3DIS上总体精度分别达到93.60%、87.04%.
点云、自动分类、几何特征、注意力机制、上下文信息
51
TP391(计算技术、计算机技术)
中铁第一勘察设计院集团有限公司科研项目;中铁第一勘察设计院集团有限公司科研项目
2023-04-28(万方平台首次上网日期,不代表论文的发表时间)
共6页
62-67