融合CNN和MRF的激光點云層次化語義分割方法

作者：蔣騰平,王永君,張林淇,梁沖,孫劍

摘要：三維點云語義分割的結果包含著對場景中多個目標的識別,是三維場景信息提取的重要環節,在智慧城市等多個領域扮演關鍵角色。由于三維激光點云數據量龐大、場景復雜性高等問題,大多數現有方法只能以相對較低的識別率提取有限類型的對象。本文提出了一種在三維激光點云場景中結合殘差學習和馬爾可夫隨機場(MRF)優化的層次化多類型目標自動提取框架。該框架首先將點云濾波為地面點和非地面點;然后從非地面點中提取建筑物以降低場景復雜度;接著基于現有深度模型引入殘差學習模塊對剩下點云進行逐點分類;最后采用馬爾可夫隨機場進行后處理和分類結果優化,以提高激光點云語義分割的準確率。對3個室外大規模點云場景分別進行的試驗結果表明,本文方法可以對多種類型的點云場景進行有效語義分割,每個數據集的3項指標(召回率、精確度和F1值)分別為(94.6%、96.8%、95.7%)、(88.5%、90.5%、89.2%)和(95.3%、95.2%、95.3%)。此外,與現有較前沿方法相比,本文方法顯著提高了語義分割性能。

發文機構：自然資源部城市土地資源監測與仿真重點實驗室

關鍵詞：激光點云語義分割層次化提取殘差學習馬爾可夫隨機場(MRF)LiDAR point cloudsemantic segmentationhierarchical extractionresidual learningMRF

分類號：