针对点云分类的监督方法需要大量的训练样本、人工标注成本高的问题，本文提出了一种超体素约束下的主动再学习点云分类方法。首先，对点云进行特征提取；然后，通过超体素约束下的主动学习方法选择训练样本并进行人工标注；最后，利用再学习方法进行后处理，通过迭代计算类别统计特征不断优化分类结果。试验结果表明，相比于使用全部训练样本，超体素约束的主动学习方法可以在不足全部样本6%的情况下，达相同的分类精度，从而大幅度减少了人工标注成本，且经过再学习算法后进一步提高了分类精度。
科研之友
微信
新浪微博
Facebook
分享链接
