融合多特征深度学习的地面激光点云语义分割

• 作者: 李健 姚亮
• 来源期刊: 测绘科学
• 关键词: 点云 语义分割 多特征 神经网络
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 摄影测量学与遥感
• 页码范围: 133-139,162
• 页数: 8页
• 分类号: P237
• 语种: 中文

摘要

针对当前点云语义分割研究对地面站激光点云特征利用不足、正确率较低的问题,该文提出了一种基于多尺度球形邻域特征的深度神经网络算法.该算法基于多尺度球形邻域计算的地面激光点云的粗糙度、高斯曲率,以及全方差、线性度等基于协方差的多种特征,结合XYZ坐标、RGB颜色、激光反射强度组成47维特征向量作为神经网络的输入,经过多组参数组合实验优化神经网络结构,最后通过softmax分类器输出每个点的类别.利用Semantic-3D测试集验证所提的深度神经网络模型,取得了较好的分类精度,总体正确率和平均交并比分别达到了86.6％和55.0％.实验结果表明,所提算法充分利用了地面站激光点云的特征,可有效提升语义分割的正确率.