基于高程感知多尺度图卷积网络的地物分类

WEN Pei,CHENG Yinglei, WANG Peng,ZHAO Mingjun, ZHANG Bixiu

Journal of Beijing University of Aeronautics and Astronautics（2023）

引用 0|浏览2

暂无评分

摘要

机载激光雷达获取的点云具有类别分布不均匀、样本高程差异大的复杂特点,现有方法难以充分识别其细粒度的局部结构.针对该问题,堆叠使用多层边缘卷积算子同时提取局部信息和全局信息,并引入高程注意力权重作为特征提取的补充,设计了一种用于机载激光雷达点云地物分类的端到端网络,提出基于高程感知多尺度图卷积网络的地物分类方法.对原始点云划分子块并采样到固定点数;采用多尺度边缘卷积算子提取多尺度局部-全局特征并进行融合,同时采用高程感知模块生成注意力权重并应用于特征提取网络;利用改进的焦点损失函数进一步解决类别分布不均问题,完成分类.采用国际摄影测量与遥感学会(ISPRS)提供的标准测试数据集对所提方法进行验证,所提方法的总体分类精度达到 0.859,单类别分类精度特别是对建筑物的提取精度较ISPRS竞赛中公开的最好结果提高了4.6％.研究结果对实际应用和网络设计优化具有借鉴意义.

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要