典型文献
数据融合及图卷积下的深度学习点云分类研究
文献摘要：
针对机载LiDAR扫描点云因存在噪声、遮挡、高冗余、密度差异大等缺陷,导致深度学习方法难以充分识别局部结构的问题,本研究以三维点云深度学习算法PointNet为基础,结合图卷积模型顾及点云中的局部特征,通过引入空间金字塔池化捕获点云的局部细粒度特征,提出一种适用于机载LiDAR点云分类的深度学习算法.为提高分类精度,融合机载LiDAR点云和多光谱航空影像进行点云信息扩充,同时在点云格网化处理时应用不同尺度进行数据扩增.实验采用国际摄影测量与遥感协会(ISPRS)提供的机载LiDAR点云和多光谱航空影像,融合数据实验结果取得了 83.9％的精度,比未融合光谱信息的点云提高了 12.1％,同时设计对比实验验证了改进算法的有效性,为城市场景下的点云分类提供了一种思路.
文献关键词：
点云分类;深度学习;数据融合;图卷积;机载LiDAR
中图分类号：
作者姓名：
徐田野;丁海勇
作者机构：
南京信息工程大学遥感与测绘工程学院,南京 210044
文献出处：
引用格式：
[1]徐田野;丁海勇-.数据融合及图卷积下的深度学习点云分类研究)[J].测绘科学,2022(02):126-134
A类：
B类：
数据融合,点云分类,分类研究,机载,LiDAR,扫描点云,遮挡,密度差,深度学习方法,别局,局部结构,三维点云,点云深度学习,深度学习算法,PointNet,图卷积模型,顾及,云中,局部特征,空间金字塔池化,细粒度特征,分类精度,云和,多光谱,航空影像,行点,格网化,不同尺度,数据扩增,摄影测量与遥感,ISPRS,融合数据,光谱信息,设计对比,改进算法,城市场景
AB值：
0.384303
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。
