《表1 本文所提出的方法在Oakland的表2本文所提出的方法在电力走廊场景中的》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种集成的3D点云场景语义分类方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

从表1及表2数据看出，本文所提出的3D点云分类方法的总体精度为97.96%，在Oakland公开数据集实验中，所提出的方法的总体精度为97.54%。所提出的方法的一个巨大优点增加一路通道用于专门检测电力线类别，它弥补了现有语义分割方法中对电力线类别分类，在点云语义分类中很难找到一个通用的特征向量，能够对所有类别分类得到较好的分类结果。基于Mean-shift提取特征的语义分类方法能够解决这一问题，因为电力线相对其他类别点的个数较少，对其提取特征不易，而Meanshift对其聚类再提取特征是一个有效方法，而且不像kmean聚类那样要预设聚类个数，电力线类别在精度上和召回率有显著提高。