《表3 方法对比：基于三维激光点云的复杂道路场景杆状交通设施语义分类》

  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

《基于三维激光点云的复杂道路场景杆状交通设施语义分类》

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

由表2可知，在数据集Ⅰ中一共检测到94个杆状道路对象，其中被正确标注90个。数据集Ⅱ和数据集Ⅲ分别检测到197、168个以及正确分类186、165个。图9显示了数据集中分类结果的部分例子，对交通标志（悬臂式、柱式）和杆（路灯、电线杆、红绿灯）进行了正确分类。为检验本文方法对多类型杆状道路目标语义分类的精度，对各个目标的准确率、召回率进行计算（见表2）。从表2可以看出3个数据中路灯目标提取的准确率和召回率最稳定且较高，均超过了97%；3个数据集的精度分别是95.7%、94.4%和98.2%，平均精度达到了96.1%。同时对本文方法与现有方法（Yang et al.，2015）的整体精度方面进行了对比，比较结果如表3。结果表明本文方法较现有方法，整体精度提高约4%。