城市激光點云語義分割典型方法對比研究

作者：楊柳,劉啟亮,袁浩濤

摘要：基于深度學習方法在城市激光點云語義分割任務中的應用效果缺乏客觀的對比與評價,該文選取當前4種代表性點云語義分割深度網絡(PointNet、PointNet++、PointCNN、SPG)以及一種基于特征描述子的層次化點云語義分割方法,采用3組開放點云數據集(Semantic 3D、Oakland及TerraMobilita/iQmulus3Durban)對不同方法的語義分割質量進行對比分析,結果發現:1)層次化點云語義分割方法的語義分割質量優于另外4種深度學習方法;2)考慮局部信息的深度網絡(PointNet++、PointCNN、SPG)的表現優于僅考慮點云全局特征的方法(Point-Net);3)在基于深度學習的方法中,基于超點圖的SPG網絡在測試數據中的效果優于其他幾種網絡。研究結果對于實際應用選擇點云語義分割方法以及點云語義分割深度網絡的設計優化具有借鑒意義。

發文機構：中南大學地球科學與信息物理學院地理信息系

關鍵詞：激光點云城市三維信息語義分割深度學習特征描述子laser point clouds3D information of citysemantic segmentationdeep learningfeature descriptors

分類號： TP391.41[自動化與計算機技術—計算機應用技術]