《表3 Semantic 3D数据集的分类精度以及运行时间》

  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

《基于多尺度特征和PointNet的LiDAR点云地物分类方法》

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

表1展示了不同放大因子s下多尺度以及单一尺度的分类结果，实验在Semantic 3D数据集上进行。对于点云数据，多尺度空间相较于单尺度空间具有明显的优势，选取的尺度过大时，会增加运算复杂度、降低分类精度。表2展示了所提算法和文献[22]算法、文献[23]算法、文献[24]算法在Semantic 3D数据集上8个类别（路面、草地、树木、灌木、建筑物、人造物、扫描伪影、车辆）的IoU和平均IoU值，所提算法在IoU平均值和大部分类别的IoU上优于其他神经网络。表3对所提算法和其他算法在Semantic 3D数据集上的平均IoU值和整体分类精度上进行了比较，并列出了各算法的时间消耗，所提算法的分类精度均高于其他算法。