《表5 Vaihingen城市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4展示了所提算法和PointNet在Vaihingen城市数据集上9个类别（电力线、车辆、低矮植物、不透水表面、护栏、屋顶、墙面、灌木、树）的IoU和平均IoU值，所提算法在机载LiDAR扫描获得的大规模场景点云数据中也能获得优于PointNet的分类精度。表5对所提算法和PointNet在Vaihingen城市数据集上的平均IoU值、平均分类精度、整体分类精度和运行时间进行了比较，从分类结果可以看出，由于机载LiDAR点云数据相比其他LiDAR点云数据更加稀疏和分布不均匀，机载LiDAR点云数据的分类精度低于Semantic 3D数据集。由于实验所用的点云数据并不包含颜色等光谱信息，因此算法的分类精度不高，实现LiDAR点云与航空影像的融合[25]，能够有效提高点云的分类精度。