MLMS-Net ：多层次多尺度点云分类网络

摘要：

针对传统点云分类网络提取特征较为单一,分类精度较低的问题,提出一种多层次多尺度点云分类网络MLMS-Net.首先使用预处理算法将原始点云分割为小样本,以得到批处理输入,提高训练效率;然后使用K近邻算法和边缘特征向量分别提取点云的低层次结构特征和边缘特征,通过设置不同邻域值,有效获取上下文信息,通过点内和点间多层次表达获得局部细粒度描述;接着对两种低层次特征分别构建卷积神经网络,随着网络层次的加深,特征抽象程度越来越高,区分程度也随之增加,从而有效提高准确性;最后利用后处理模块融合深层特征,完成点云分类任务.使用Vaihingen数据集对MLMS-Net网络进行测试,其分类精度相较单层次网络提高了0.6％ ～15.9％.

关键词：点云分类、卷积神经网络、边缘特征、局部细粒度

所属期刊栏目：54

分类号：TP237(自动化技术及设备)

资助基金：国家自然科学基金青年科学基金资助项目;国家自然科学基金资助项目

在线出版日期：2020-12-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：70-78