Print

基于多尺度特征和PointNet的LiDAR点云地物分类方法

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

  • 1 引言
  • 2 算法描述
  •   2.1 PointNet
  •   2.2 多尺度的生成
  •   2.3 多尺度网络架构
  • 3 实验仿真及结果
  • 4 实验结果分析
  • 5 结论

    • 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

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/47fec4caabeebb5dc0d532a1.html