科研之友
微信
新浪微博
Facebook
分享链接
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%。
- 单位
