基于深度残差网络的机载LiDAR点云分类

• 作者: 余东行 卢俊 张保明 赵传 郭海涛
• 来源期刊: 测绘学报
• 学科: 地球科学
• 关键词: 点云分类 深层次特征 多尺度和多视角 迁移学习 深度残差网络 机载LiDAR
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 摄影测量学与遥感
• 页码范围: 202-213
• 页数: 12页
• 分类号: P237
• 字数: 7111字
• 语种: 中文

摘要

机载LiDAR点云的分类是利用其进行城市场景三维重建的关键步骤之一.为充分利用现有的图像领域性能较好的深度学习网络模型,提高点云分类精度,并降低训练时间和对训练样本数量的要求,本文提出一种基于深度残差网络的机载LiDAR点云分类方法.首先提取归一化高程、表面变化率、强度和归一化植被指数4种具有较高区分度的点云低层次特征;然后通过设置不同的邻域大小和视角,利用所提出的点云特征图生成策略,得到多尺度和多视角点云特征图;再将点云特征图输入到预训练的深度残差网络,提取多尺度和多视角深层次特征;最后构建并训练神经网络分类器,利用训练的模型对待分类点云进行预测,经后处理得到分类结果.利用ISPRS三维语义标记竞赛的公开标准数据集进行试验,结果表明,本文方法可有效区分建筑物、地面、车辆等8类地物,分类结果的总体精度为87.1％,可为城市场景三维重建提供可靠的信息.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张保明	信息工程大学地理空间信息学院	66	543	10.0	21.0
2	郭海涛	信息工程大学地理空间信息学院	75	636	11.0	22.0
3	卢俊	信息工程大学地理空间信息学院	26	62	5.0	6.0
4	赵传	信息工程大学地理空间信息学院	14	49	5.0	6.0
5	余东行	信息工程大学地理空间信息学院	11	7	2.0	2.0