利用点密度与卷积神经网络在 LiDAR 数据中进行树木标注
计算机视觉与模式识别
2020-06-11 v1
摘要
LiDAR 提供高精度的三维点云。然而，为提供后续有用信息，数据需经人工标注。此类数据的人工标注耗时、繁琐且易出错，因此本文提出三种在 LiDAR 数据中自动标注树木的方法。第一种方法需要高密度点云，并利用特定 LiDAR 数据属性进行树木识别，准确率近 90%。第二种方法在低密度 LiDAR 数据集上使用基于体素的 3D 卷积神经网络，能准确识别多数大树，但因体素化过程而对较小树木识别不佳。第三种方法为 PointNet++ 方法的缩放版本，直接作用于室外点云，在 ISPRS 基准数据集上取得 82.1% 的 F_score，与当前最优方法相当且效率更高。
引用
@article{arxiv.2006.05560,
title = {Tree Annotations in LiDAR Data Using Point Densities and Convolutional Neural Networks},
author = {Ananya Gupta and Jonathan Byrne and David Moloney and Simon Watson and Hujun Yin},
journal= {arXiv preprint arXiv:2006.05560},
year = {2020}
}