基于多尺度特征和PointNet的LiDAR点云地物分类方法

• 作者: 李鑫 秦先祥 程英蕾 赵中阳 释小松
• 来源期刊: 激光与光电子学进展
• 学科: 地球科学
• 关键词: 遥感 激光雷达测量 点云分类 多尺度特征 PointNet
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 遥感与传感器
• 页码范围: 243-250
• 页数: 8页
• 分类号: P237
• 语种: 中文
• DOI: 10.3788/LOP56.052804

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.