基于Feature-RNet的三维大场景点云分类框架

作     者：雷根华 王蕾 张志勇 LEI Gen-hua;WANG Lei;ZHANG Zhi-yong

作者机构：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 

基　　金：国家自然科学基金资助项目(61561003,61761003) 江西省核地学数据科学与系统工程技术研究中心基金(JETRCNGDSS201902) 

出 版 物：《计算机技术与发展》 (Computer Technology and Development)

年 卷 期：2022年第32卷第6期

页      码：85-91页

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%。

主 题 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 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1673-629X.2022.06.015

馆 藏 号：203111986...