论文摘要
针对复杂场景下激光雷达测量(LiDAR)点云数据的地物分类问题,提出了一种基于多尺度特征和PointNet的深度神经网络模型,该方法改进了PointNet提取局部特征的能力,实现了复杂场景下LiDAR点云的自动分类。在PointNet网络基础上添加多尺度网络提取点的局部特征,将不同尺度点的局部特征通过全连接层组成一个多维特征,并与PointNet提取的全局特征相结合,返回每个点类的分数以完成点云分类标签。利用Semantic三维数据集和ISPRS提供的Vaihingen数据集,验证了所提深度神经网络模型。研究结果表明,与其他用于点云分类的神经网络相比,所提算法达到了更高的分类精度。
论文目录
文章来源
类型: 期刊论文
作者: 赵中阳,程英蕾,释小松,秦先祥,李鑫
关键词: 遥感,激光雷达测量,点云分类,多尺度特征
来源: 激光与光电子学进展 2019年05期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 工业通用技术及设备,电信技术,自动化技术
单位: 空军工程大学信息与导航学院,东北电力大学理学院
基金: 国家自然科学基金(41601436),陕西省自然科学基金(2018JM4029)
分类号: TN958.98;TP79
页码: 251-258
总页数: 8
文件大小: 2024K
下载量: 1113