城市竣工测绘典型要素语义分割PointNet++深度学习模型适用性分析

扫码查看

原文链接

万方数据
维普

中文摘要：处理三维激光扫描仪获取的城市竣工测绘点云场景数据的传统方法存在较多局限性,无法适应信息化社会对产品高效处理的需求.基于此,本文分析了城市竣工测绘点云场景分类需求,研究了利用深度学习网络模型对点云场景进行自动化处理的方法.首先,对输入的城市竣工测绘数据进行预处理,以实现点云降采样、去噪、地面点与非地面点分割;然后,人工标注5个区域场景数据毫米级标签,进行数据增强;最后,测试PointNet++网络在城市竣工测绘点云场景下的语义分割性能和效果.测试结果表明,在少量样本下,PointNet++网络可以较好地实现城市竣工测绘点云场景的激光点云语义分割,总体mIoU达73.06％,能够满足城市竣工测绘点云语义自动化分割需求,为城市竣工测绘点云数据处理提供了新思路.

外文标题：Analysis of the applicability of PointNet++ deep learning model for semantic segmentation of typical elements of urban as-built mapping

外文关键词：

urban as-built mapping point cloud scenessemantic segmentationdeep learningmodel applicability

作者：

黄应华、董振川、李昊、陈壮、刘长睿、张献州

展开 >

作者单位：

西南交通大学地球科学与环境工程学院,四川成都611756

成都市勘察测绘研究院,四川成都610081

中国铁路设计集团有限公司,天津300000

关键词：

城市竣工测绘点云场景语义分割深度学习模型适用性

基金：

四川省测绘地理信息学会科技开放基金城市建设项目

项目编号：

CCX202216KY-B2-2022-001

出版年：

2024

DOI：

10.13474/j.cnki.11-2246.2024.0215

测绘通报

测绘出版社

测绘通报

CSTPCD北大核心

影响因子：1.027

ISSN：0494-0911

年,卷(期)：2024.(2)

浏览量1
参考文献量15