典型文献
基于Feature-RNet的三维大场景点云分类框架
文献摘要：
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％.
文献关键词：
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
中图分类号：
作者姓名：
雷根华;王蕾;张志勇
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
文献出处：
引用格式：
[1]雷根华;王蕾;张志勇-.基于Feature-RNet的三维大场景点云分类框架)[J].计算机技术与发展,2022(06):85-91
A类：
RNet,大场景点云分类,Oakland,点云特征图像
B类：
Feature,三维大场景,分类框架,云应用,激光点云,云大,分类研究,分类模型,分类任务,训练时间,分类精度,框架模型,分类工作,三维点云数据,KNN,三维特征,特征构建,网络框架,不适应性,模型设计,框架结构,残差模块,变型,三维数据,分类准确率
AB值：
0.180093
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
