用于比较的机载LiDAR点云增强语义签名

LiDAR点云提供了丰富的几何信息，这对于分析城市区域的复杂场景尤为有用。寻找两个不同三维点云（例如，同一区域但在不同时间点采集的点云）之间的结构和语义差异是一个重要问题。点云的比较涉及计算成本高昂的配准和分割。我们关注的是在不进行配准过程的情况下，捕捉点云在几何不确定性和语义内容方面的相对差异。因此，我们提出了一种方向不变的几何签名，该签名集成了点云的概率几何分类和语义分类。我们研究了该几何签名的不同属性，这是一种基于图像的几何不确定性和语义内容编码。我们探索了不同的度量标准来确定这些签名之间的差异，从而在不执行点对点配准的情况下比较点云。我们的结果表明，签名中的差异与点云的几何和语义差异相印证。