| 基于机器学习的室内点云语义分割 ——以门为例 |
| |
| 引用本文： | 赵江洪,潘伟利,危双丰,张瑞菊.基于机器学习的室内点云语义分割 ——以门为例[J].北京测绘,2018,32(3):255-259. |
| |
| 作者姓名： | 赵江洪 潘伟利 危双丰 张瑞菊 |
| |
| 作者单位： | 北京建筑大学 测绘与城市空间信息学院 北京 102600;北京建筑大学 测绘与城市空间信息学院 北京 102600;北京建筑大学 测绘与城市空间信息学院 北京 102600;北京建筑大学 测绘与城市空间信息学院 北京 102600 |
| |
| 基金项目： | 国家自然基金(41601409)，国家自然科学基金(41301429)，北京市自然基金项目(8172016)，北京建筑大学科学研究基金(00331616056) |
| |
| 摘 要： | 精确的室内三维点云数据为室内建模等领域提供数据支持。因此,在获取室内点云后,需要对室内不同的物体的点云数据进行语义分割,以方便后续的建模等处理。本文利用特征工程的思想,在原始点云7维特征的基础上,人工构建点云12维特征空间。选取室内门的30000个点云数据作为训练数据,以整个房间中的2000000个点云数据作为测试数据,对所有点云数据构建12维特征空间,使用线性向量机模型进行预测,并且研究使用7个的特征和12个特征对分割精度的影响。实验结果表明:采用线性模型,在12维的特征空间上分割的精度较高。
|
| 关 键 词： | 特征工程 线性模型 语义分割 |
Semantic Segmentation of Indoor Point Cloud Based on Machine Learning —— Take the Door as an Example |
| |
| ZHAO Jianghong,PAN Weili,WEI Shuangfeng,ZHANG Ruiju.Semantic Segmentation of Indoor Point Cloud Based on Machine Learning —— Take the Door as an Example[J].Beijing Surveying and Mapping,2018,32(3):255-259. |
| |
| Authors: | ZHAO Jianghong PAN Weili WEI Shuangfeng ZHANG Ruiju |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
