基于Feature-RNet的三维大场景点云分类框架

扫码查看

原文链接

万方数据
维普

中文摘要：随着大场景三维点云应用在越来越多的领域中,近些年对激光点云大场景下的分类研究不断深入,各种分类模型层出不穷,在大场景点云分类任务中表现优异,但是依然存在训练时间长、计算复杂以及分类精度低等问题.针对分类精度低这一问题,提出一种基于Feature-RNet的三维大场景点云分类框架模型来实现点云分类工作.该框架模型不直接以三维点云数据作为输入,而是以通过KNN方法提取三维点云的二维特征和三维特征构建的特征图像作为输入,避免了网络框架对三维点云数据直接处理的不适应性;该模型设计的RNet框架结构利用了残差模块,并对其进行变型以达到提高分类精度的效果.采用公开的Oakland三维数据集对Feature-RNet框架模型进行训练,与现有的其他深度学习分类框架相比,提出的Feature-RNet框架模型在分类精度上有较大的提升,总体分类准确率能达到97.7％.

外文标题：Cloud Classification Framework of 3 D Large-scale Scene Based on Feature-RNet

作者：

雷根华、王蕾、张志勇

展开 >

作者单位：

东华理工大学信息工程学院,江西南昌 330013

江西省核地学数据科学与系统工程技术研究中心,江西南昌 330013

关键词：

点云特征图像 RNet网络框架大场景点云分类 Oakland数据集深度学习

基金：

国家自然科学基金国家自然科学基金江西省核地学数据科学与系统工程技术研究中心项目

项目编号：

6156100361761003JETRCNGDSS201902

出版年：

2022

DOI：

10.3969/j.issn.1673-629X.2022.06.015

计算机技术与发展

陕西省计算机学会

计算机技术与发展

CSTPCD

影响因子：0.621

ISSN：1673-629X

年,卷(期)：2022.32(6)

参考文献量4