结合多尺度体素和高阶条件随机场的点云分类

摘要：

针对利用经典高阶条件随机场模型进行点云分类时,由于海量节点和无向边导致的点云分类效率低的问题,提出一种结合多尺度体素和高阶条件随机场的点云分类方法.首先以多尺度体素代替海量离散点云作为无向图图模型节点,减少节点和无向边的数量;然后使用超体分割结果作为高阶团,并基于此设计了一种非监督分布性空间上下文作为高阶团特征向量,用于改善分类结果;最后结合构建的图模型和各阶特征向量,采用经典高阶条件随机场模型实现点云数据的自动分类.采用Oakland标准数据集作为实验数据,实验结果表明,该方法在有效地保证分类精度的前提下,高阶条件随机场点云分类模型的分类效率提高了5～10倍.

关键词：点云分类、条件随机场、空间上下文、超体分割、多尺度体素

所属期刊栏目：31

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;国家重点实验室开放研究项目

在线出版日期：2019-04-26（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：385-392