共查询到10条相似文献,搜索用时 15 毫秒
1.
点云具有数据量大、无拓扑结构等特点,现有的深度学习语义分割模型难以充分挖掘大范围邻域内点云中所隐藏的几何特征。由此提出了一种基于空洞邻域并结合角度等几何特征作为模型输入的点云语义分割模型。首先,在局部邻域构建过程中,将图像处理的空洞卷积操作扩展至点云,建立空洞邻域结构,以扩大感受野;然后,在特征提取过程中,将中心点与邻域点之间相对坐标、距离、角度等基本几何特征作为模型输入,最大程度挖掘邻域内的几何特征;最后,基于所提邻域结构与特征提取算法构建了点云语义分割模型。采用Semantic3D数据集进行实验验证,结果表明,所提模型分割效果优于对比的点云语义分割算法,空洞邻域与局部几何输入特征能够有效改善点云语义模型的性能。 相似文献
2.
针对当前点云语义分割研究对地面站激光点云特征利用不足、正确率较低的问题,该文提出了一种基于多尺度球形邻域特征的深度神经网络算法。该算法基于多尺度球形邻域计算的地面激光点云的粗糙度、高斯曲率,以及全方差、线性度等基于协方差的多种特征,结合XYZ坐标、RGB颜色、激光反射强度组成47维特征向量作为神经网络的输入,经过多组参数组合实验优化神经网络结构,最后通过softmax分类器输出每个点的类别。利用Semantic-3D测试集验证所提的深度神经网络模型,取得了较好的分类精度,总体正确率和平均交并比分别达到了86.6%和55.0%。实验结果表明,所提算法充分利用了地面站激光点云的特征,可有效提升语义分割的正确率。 相似文献
3.
通过对机载激光点云基于冠层高度模型、基于点云以及基于层堆叠种子点分割方法,对针叶林、阔叶林、针阔混交林3种不同类型林分进行单木分割,并通过计算单木分割的检测率、正确率、F-score等精度指标,探究不同分割方法在不同类型林分的适用性。实验结果表明,对于针叶林,基于点云分割方法的分割精度最高,基于层堆叠种子点分割方法对树木分割的正确率最高;对于阔叶林和针阔混交林,基于层堆叠种子点分割方法的分割精度和检测率较高,优于其他两种分割方法。 相似文献
4.
5.
提出了一种从车载激光扫描数据中层次化提取多类型目标的有效方法。该方法首先利用颜色、激光反射强度、空间距离等特征,生成多尺度超级体素;然后综合超级体素的颜色、激光反射强度、法向量、主方向等特征利用图分割方法对体素进行分割;同时计算分割区域的显著性,以当前显著性最大的区域为种子区域进行邻域聚类得到目标;最后结合聚类区域的几何特性判断目标可能所属的类别,并按照目标类别采用不同的聚类准则重新聚类得到最终目标。试验结果表明,该方法成功地提取出建筑物、地面、路灯、树木、电线杆、交通标志牌、汽车、围墙等多类目标,目标提取的总体精度为92.3%。 相似文献
6.
7.
8.
针对原理相似,但空间邻域类型、相似性准则不同导致的基于区域生长的点云分割方法对同一数据具有不同分割效果的问题,该文介绍了现有的5种基于区域生长的点云分割方法的基本原理.5种方法可以归纳为两种分割过程,即逐点生长和表面生长.所采用的分割准则包括法线向量夹角、点到拟合平面距离和曲率等.另外,不同的分割方法采用不同的分割策略,即使在使用相同的生长准则情况下,仍然会得到有显著差别的分割结果.实验结果表明,区域生长过程中采用RANSAC优化的邻域与法线向量的方法可以有效解决平面相交区域次优分割、过分割问题,而且该方法仅使用法线向量夹角生长准则即可得到较好的分割效果. 相似文献
9.
针对古建筑BIM各种信息模型中几何模型构建的问题,提出应用三维激光点云数据和CloudWorx软件进行建模的方法。应用Cyclone软件对点云数据进行去噪、配准,按构件进行分割;应用CloudWorx软件进行模型的构建。研究古建筑的瓦片、柱体、梁、墙体、围栏等构件的建模方法,通过模型合并生成古建筑的整体几何模型。 相似文献
10.
本文基于高速公路高精度点云数据,首先通过点云数据的分类处理实现对树木点云数据的提取,将树木点云投影到水平面,采用DBSCAN密度聚类算法实现单根树木的提取;然后在数据密集区域存在树木树冠点云重叠的区域,本文结合树干几何特征提取树干的位置信息,计算所有点云到树干中心的欧氏距离,将所有点云归类到最近的树干进行粗分割;最后根据粗分割的树木轮廓特征确定树冠模型与树冠中心,提出了采用基于密度特征的格网竞争算法对重叠的区域进行精细分割。试验表明,本文采用的树木分割方法能够实现单棵树木精确提取。 相似文献