研究目的
开发一种针对城市场景中移动激光扫描(MLS)数据集的实例分割方法,用于从复杂的3D点云中识别和分离单棵树木。
研究成果
所提出的方法在树木语义标注中实现了高精度(约0.9),并能有效分割结构简单、分布稀疏的树木。然而,该方法在处理复杂、密集的树木时表现欠佳,这表明未来需要改进,例如通过引入树木位置的先验知识来提升分割质量。
研究不足
该方法在处理结构复杂且枝条重叠的密集树木时会出现过分割和欠分割现象。由于分割数量事先未知,基于聚类的分割可能导致潜在误差。在高度复杂的场景中(如建筑内部结构被错误识别),误分类错误仍然存在。
1:实验设计与方法选择:
该方法利用超体素结构组织点云数据,从局部上下文中提取去趋势几何特征,采用随机森林分类器进行初始语义标注,通过基于全局图模型的局部上下文正则化实现空间平滑处理,并运用基于图的分割技术分离单棵树木。
2:样本选择与数据来源:
使用两个测试数据集——慕尼黑工业大学(TUM)城市校区Arcisstrasse区域约29000平方米的数据,以及慕尼黑Kronen公园数据。TUM数据集包含车载两台Velodyne HDL-64E传感器获取的点云,划分为八个语义类别。
3:实验设备与材料清单:
用于数据采集的Velodyne HDL-64E传感器,以及点云处理分析软件(如超体素生成、特征提取、分类和分割等功能的软件工具)。
4:实验流程与操作步骤:
通过VCCS算法对点云进行超体素划分,提取去趋势几何特征,应用随机森林分类进行初始标注,执行正则化平滑处理,最后采用基于图的分割技术划分树木区域。
5:数据分析方法:
评估语义标注准确率(达到约0.9),并分析复杂区域中分割结果的过分割与欠分割情况。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容