基于多尺度球形邻域的 3D 点云语义分类
计算机视觉与模式识别
2018-08-03 v1
摘要
本文提出了 3D 点云中多尺度邻域的一种新定义。该定义基于球形邻域和比例子采样，能够计算具有一致几何含义的特征，而使用 k 近邻时则不具备这一性质。通过适当的学习策略，所提出的特征可用于随机森林中对 3D 点进行分类。在这一语义分类任务中，我们表明在相同的实验条件下，我们的多尺度特征优于当前最优特征。此外，它们的分类能力可与包括深度学习方法在内的更为复杂的分类方法相媲美。
引用
@article{arxiv.1808.00495,
title = {Semantic Classification of 3D Point Clouds with Multiscale Spherical Neighborhoods},
author = {Hugues Thomas and Jean-Emmanuel Deschaud and Beatriz Marcotegui and François Goulette and Yann Le Gall},
journal= {arXiv preprint arXiv:1808.00495},
year = {2018}
}
备注
3DV2018