结合多尺度体素和高阶条件随机场的点云分类
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.
点云分类、条件随机场、空间上下文、超体分割、多尺度体素
31
P237(摄影测量学与测绘遥感)
国家自然科学基金;国家重点实验室开放研究项目
2019-04-26(万方平台首次上网日期,不代表论文的发表时间)
共8页
385-392