基于Feature-pointNet大场景点云分类

• 作者: 张志勇 王蕾 程海霞
• 来源期刊: 电脑与信息技术
• 学科: 工学
• 关键词: 特征图像 特征融合 PointNet 深度学习网络框架
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 图形图像识别处理技术
• 页码范围: 6-9,34
• 页数: 5页
• 分类号: TP391.4
• 语种: 中文

摘要

大场景下的激光(Lidar)点云数据分类是一个复杂的问题任务,有时需要多种技术的结合,以获得所需的结果.我们提出了一种基于多维特征矩阵和PointNet的深度神经网络模型.实现了大场景点云下的激光Lidar点云分类工作.文章先将提取点云的三维和二维邻域特征,再将特征进行融合转换为特征矩阵,将局部特征矩阵输入到PointNet框架中提取的全局特征.最后返回每个类别的分数并输出点云分类结果.我们使用公开的Oakland 3D数据集,测试了我们的大场景点云分类框架.实验结果表明,我们的总体分类准确率为98.0％,与其他的点云分类框架相比达到了一个更好的分类效果.