首页|几何特征与神经网络联合优化的室内三维点云语义分割方法

几何特征与神经网络联合优化的室内三维点云语义分割方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
室内三维点云数据精准语义分割是实现深层次室内空间应用的基础.针对现有三维点云数据语义分割方法存在目标不完整和不一致的问题,本文提出了一种几何特征与深度神经网络联合优化的室内三维点云语义分割方法.该方法首先利用深度学习实现室内结构信息语义标签的初步提取,然后利用几何与颜色特征的点云分割方法对原始数据进行精确分割,最后利用概率模型将深度学习语义分割结果与几何分割结果进行交叉融合,实现语义分割结果的联合优化.基于开放数据集对本文提出的分割方法进行了精度和有效性验证,分别采用室内场景简单到复杂的三组室内点云数据进行了测试,试验结果表明,本文提出的方法能够有效提升室内三维点云语义分割精度.
Semantic segmentation of indoor 3D point cloud by joint optimization of geometric features and neural networks

姚萌萌、李晓明、王伟玺、谢林甫、黄俊杰、黄鸿盛、汤圣君

展开 >

深圳大学建筑与城市规划学院智慧城市研究院,广东深圳518061

自然资源部城市国土资源监测与仿真重点实验室,广东深圳518061

粤港澳智慧城市联合实验室,广东深圳518061

神经网络 点云 语义分割 多级平面提取 颜色区域增长分割

深圳市科技计划面上项目国家自然科学基金青年基金广东省自然科学基金面上项目自然资源部城市自然资源监测与仿真重点实验室开放基金

JCYJ20210324093012033418013922121A1515012574KF-2021-06-125

2023

测绘通报
测绘出版社

测绘通报

CSTPCDCSCD北大核心
影响因子：1.027
ISSN：0494-0911
年,卷(期)：2023.(5)
  • 1
  • 4