数据融合及图卷积下的深度学习点云分类研究

• 作者: 徐田野 丁海勇
• 来源期刊: 测绘科学
• 学科: 地球科学
• 关键词: 点云分类 深度学习 数据融合 图卷积 机载LiDAR
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 摄影测量学与遥感
• 页码范围: 126-134
• 页数: 9页
• 分类号: P237
• 语种: 中文

摘要

针对机载LiDAR扫描点云因存在噪声、遮挡、高冗余、密度差异大等缺陷,导致深度学习方法难以充分识别局部结构的问题,本研究以三维点云深度学习算法PointNet为基础,结合图卷积模型顾及点云中的局部特征,通过引入空间金字塔池化捕获点云的局部细粒度特征,提出一种适用于机载LiDAR点云分类的深度学习算法.为提高分类精度,融合机载LiDAR点云和多光谱航空影像进行点云信息扩充,同时在点云格网化处理时应用不同尺度进行数据扩增.实验采用国际摄影测量与遥感协会(ISPRS)提供的机载LiDAR点云和多光谱航空影像,融合数据实验结果取得了 83.9％的精度,比未融合光谱信息的点云提高了 12.1％,同时设计对比实验验证了改进算法的有效性,为城市场景下的点云分类提供了一种思路.