适用于城市场景大规模点云语义标识的深度学习网络

• 作者: 杨必胜 韩旭 董震
• 来源期刊: 测绘学报
• 关键词: 深度学习 人工智能 点云 语义标识 特征提取
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 智能化测绘|Smart Surveying and Mapping
• 页码范围: 1059-1067
• 页数: 9页
• 分类号: P207
• 语种: 中文

摘要

近年来,以点云为代表的三维数据不断涌现,如何利用人工智能手段,高度提升点云的解译能力,实现城市地物目标的语义标识、三维精准提取等成为亟待攻克的难题.为此,本文提出了一种端到端的三维点云深度学习网络,通过构建不规则分布点云的上下采样策略、特征多层聚合与传播,以及顾及样本不均的损失函数,有效保障了点云采样的高效性、特征提取的准确性及网络整体性能的最优性.三维点云大规模数据集上测试表明,该深度学习网络在城市场景的语义标识正确性方面取得了优异的结果,性能优于当前的主流网络,为三维地理信息的高性能提取提供了有力支撑.