|
|||||
|
|
| 融合个体识别的3D点云语义分割方法研究 | |
| 作者单位： | ;1.安徽工程大学检测技术与节能装置安徽省重点实验室 |
| 摘 要： | 3D点云能清晰、直观、准确地反映真实场景,其中卷积神经网络、随机森林分类器等都是用于3D点云语义分割的主要研究方法,均取得了良好的实验结果。但是到目前为止,在复杂丰富的3D实景中如何实现分割的多通道化还有很大的研究空间。基于此首先介绍了一种精巧、简单的3D点云语义分割框架,然后提出了一种通过学习语义感知的点级个体嵌入方法,将属于同一个体的语义特征融合在一起,使得每个3D点的语义预测更精确,同时实验结果也说明了这种融合个体识别的语义分割方法是可行的有效的,在精度上较PointNet++结构提高了3. 9个百分点,在速度上处理同样4096个点云数据的速度比先进的SGPN结构快约4倍。 |
| 关 键 词： | 3D点云 语义分割 个体识别 语义感知 |
Semantic Segmentation Method of 3D Point Cloud Based on Individual Recognition |
|
| Abstract: | |
| Keywords: | |