FAILED
首站-论文投稿智能助手
典型文献
一种基于分割结果实现三维点云分类的方法
文献摘要:
针对现有点云分类方法忽略了同类点云的整体语义与每个点的单体语义相同的特点导致分类精度较低,鲁棒性较差,无法有效识别存在局部缺失的点云的问题,提出一种用于三维点云全自动分类的深度神经网络.采用局部代替整体的思想,设计一种识别结果筛选机制(IRS机制),构建IRS-PointNet++网络模型.该网络对每个点的分类结果进行二次统计筛选,在分类结果的基础上重新对点云的类别进行判定.通过在ModelNet40数据集上进行点云分类对比实验,设置不同的采样点数量与迭代次数,IRS-PointNet++的整体分类精度可达97.28%,相比现有最优方法提高了 5.58%;在点云稀少的情况下,精度高于现有方法;在点云存在部分缺失的情况下,PointNet++会出现失效的情况,IRS-PointNet++的精度仍可以达到84.48%.实验结果表明:和现有方法相比,IRS-PointNet++网络表现出更高的精度和更强的鲁棒性.
文献关键词:
点云分类;深度学习;鲁棒性;PointNet++
作者姓名:
赵江洪;窦新铜;曹月娥;王殷瑞;黄先峰
作者机构:
地理信息工程国家重点实验室,西安 710054;北京建筑大学测绘与城市空间信息学院,北京 102616;自然资源部城市空间信息重点实验室,北京 102616;建筑遗产精细重构与健康监测北京市重点实验室,北京 102616;武汉大学测绘遥感信息工程国家重点实验室,武汉 430072;上海师范大学环境与地理科学学院,上海 200234
文献出处:
引用格式:
[1]赵江洪;窦新铜;曹月娥;王殷瑞;黄先峰-.一种基于分割结果实现三维点云分类的方法)[J].测绘科学,2022(03):85-95
A类:
B类:
结果实,三维点云分类,有点,分类方法,分类精度,别存,自动分类,深度神经网络,筛选机制,IRS,PointNet++,ModelNet40,行点,分类对比,采样点数,迭代次数,整体分类,稀少
AB值:
0.258752
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。