声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1864/TB
国际刊号：1000-1158
发布日期:
作者：徐鹏,徐方勇,陈辉
单位：上海电力大学 自动化工程学院,上海 200090
关键词：计量学;激光点云;场景分割;融合;配准;非均匀采样;深度学习;PointNet++
基金：国家自然科学基金(51705304);上海市自然科学基金 (20ZR1421300)
针对室外场景范围广、分割难度大、识别效果不显著等问题,提出了一种融合多站点云配准的室外大场景分割方法。首先,根据室外场景视野大、点云数据量庞大特点,选取多个视角下重叠区域较多的建筑场景点集,结合SAC-IA和ICP方法进行点云自动配准,从而构建出点云密度相对均匀的室外大场景完整结构;然后,选用公共数据集Semantic3D训练基于PointNet++的室外点云分割模型,并在测试集上验证其算法效果;最终,调用该模型分割已构建的室外点云大场景。实验效果证明：多视角配准的点云场景能够解决点云场景的非均匀采样问题,从而使得基于深度学习的语义分割模型对其有更好的识别效果。
来源：2022年第3期
《计量学报》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。