典型文献
整合图卷积与PointNet的机载激光雷达点云分类
文献摘要：
针对三维深度学习网络PointNet中缺少点局部特征描述而导致的分类精度较低的问题,提出了一种整合图卷积模型与PointNet的机载激光雷达点云分类方法.该方法首先通过最小香农熵准则确定点的最优邻域,计算出点云的浅层特征;然后将点云的浅层特征输入深度学习网络中,通过图卷积提取点云局部特征,并将该特征与PointNet提取的点特征、全局特征组合得到特征向量;最后,将上述特征向量输入设计的多层感知机实现点云的准确分类.利用国际摄影测量与遥感协会提供的Vaihingen点云数据集进行了验证,实验结果表明,所提方法相较于PointNet点云分类方法精度提高了 9.58个百分点.
文献关键词：
遥感;机载激光雷达;点云分类;图卷积;最优k邻域;PointNet
中图分类号：
作者姓名：
缪建起;王宏涛;田普光
作者机构：
河南理工大学测绘与国土信息工程学院,河南焦作454000
文献出处：
引用格式：
[1]缪建起;王宏涛;田普光-.整合图卷积与PointNet的机载激光雷达点云分类)[J].激光与光电子学进展,2022(22):320-326
A类：
B类：
PointNet,机载激光雷达,激光雷达点云,点云分类,三维深度学习,深度学习网络,少点,局部特征,特征描述,分类精度,图卷积模型,分类方法,香农熵,最优邻域,出点,取点,点特征,全局特征,特征组合,特征向量,多层感知机,摄影测量与遥感,Vaihingen,点云数据,百分点
AB值：
0.28593
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。
