文献类型：期刊文章

作　　者：赵中阳[1] 程英蕾[1] 释小松[1] 秦先祥[1] 李鑫[2]

Zhao Zhongyang;Cheng Yinglei;Shi Xiaosong;Qin Xianxiang;Li Xin(Information and Navigation Colleget Air Force Engineering University, XVan, Shaanxi 710077,China;School of Science, Northeast Electric Power University, Jilin, Jilin 132000, China)

机构地区：[1]空军工程大学信息与导航学院,陕西西安710077 [2]东北电力大学理学院,吉林吉林132000

出　　处：《激光与光电子学进展》

基　　金：国家自然科学基金(41601436);陕西省自然科学基金(2018JM4029)

年　　份：2019

卷　　号：56

期　　号：5

起止页码：243-250

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：针对复杂场景下激光雷达测量(LiDAR)点云数据的地物分类问题,提出了一种基于多尺度特征和PointNet的深度神经网络模型,该方法改进了PointNet提取局部特征的能力,实现了复杂场景下LiDAR点云的自动分类。在PointNet网络基础上添加多尺度网络提取点的局部特征,将不同尺度点的局部特征通过全连接层组成一个多维特征,并与PointNet提取的全局特征相结合,返回每个点类的分数以完成点云分类标签。利用Semantic三维数据集和ISPRS提供的Vaihingen数据集,验证了所提深度神经网络模型。研究结果表明,与其他用于点云分类的神经网络相比,所提算法达到了更高的分类精度。

关 键 词：遥感 激光雷达测量 点云分类  多尺度特征 PointNet  

分 类 号：P237]