基于 Feature-RNet 的三维大场景点云分类框架

来源：计算机技术与发展杂志2022年第06期北京时间：

作者：雷根华;王蕾;张志勇

单位：1. 东华理工大学 信息工程学院,江西 南昌 330013;2. 江西省核地学数据科学与系统工程技术研究中心,江西 南昌 330013

摘要：随着大场景三维点云应用在越来越多的领域中,近些年对激光点云大场景下的分类研究不断深入,各种分类模型层出不穷,在大场景点云分类任务中表现优异,但是依然存在训练时间长、计算复杂以及分类精度低等问题。 针对分类精度低这一问题,提出一种基于 Feature-RNet 的三维大场景点云分类框架模型来实现点云分类工作。 该框架模型不直接以三维点云数据作为输入,而是以通过 KNN 方法提取三维点云的二维特征和三维特征构建的特征图像作为输入,避免了网络框架对三维点云数据直接处理的不适应性;该模型设计的 RNet 框架结构利用了残差模块,并对其进行变型以达到提高分类精度的效果。 采用公开的 Oakland 三维数据集对 Feature-RNet 框架模型进行训练,与现有的其他深度学习分类框架相比,提出的 Feature-RNet 框架模型在分类精度上有较大的提升,总体分类准确率能达到 97. 7% 。

关键词：点云特征图像;RNet 网络框架;大场景点云分类;Oakland 数据集;深度学习