典型文献
顾及法向量的点云语义分割方法
文献摘要：
针对在复杂场景下激光雷达点云数据的语义分割研究中,存在点云特征损失大、点云语义挖掘不足和分割精度不高等问题,该文提出了 一种将法向量和RandLA-Net相结合的点云语义分割方法.把点云法向量与RandLA-Net网络的局部特征聚合模块融合,提取局部语义聚合特征,利用softmax分类器对每个点进行分类.实现了复杂场景下LiDAR点云数据的语义分割.通过对Oakland点云数据集和德国Vaihingen城市语义数据集进行实验分析,验证了本文算法具有较强的泛化能力,本文算法在Oakland点云数据集和Vaihingen城市语义数据集上的平均交并比分别为96.38％和92.49％,与RandLA-Net网络相比,该算法充分利用了激光点云数据的语义特征,有效地提高了点云语义分割的准确性.
文献关键词：
点云;语义分割;法向量;RandLA-Net
中图分类号：
作者姓名：
张春娇;徐胜华;刘正军;姜涛
作者机构：
辽宁工程技术大学测绘与地理科学学院,辽宁阜新 123000;中国测绘科学研究院,北京 100036;武汉大学资源与环境科学学院,武汉 430079
文献出处：
引用格式：
[1]张春娇;徐胜华;刘正军;姜涛-.顾及法向量的点云语义分割方法)[J].测绘科学,2022(07):126-134
A类：
Oakland
B类：
顾及,点云语义分割,分割方法,复杂场景,激光雷达点云,点云特征,特征损失,语义挖掘,RandLA,Net,点云法向量,局部特征聚合,模块融合,聚合特征,softmax,分类器,LiDAR,Vaihingen,泛化能力,平均交并比,激光点云数据,语义特征
AB值：
0.27337
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
