《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》
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。
图表编号 | XD0034840400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.03.10 |
作者 | 赵中阳、程英蕾、释小松、秦先祥、李鑫 |
绘制单位 | 空军工程大学信息与导航学院、空军工程大学信息与导航学院、空军工程大学信息与导航学院、空军工程大学信息与导航学院、东北电力大学理学院 |
更多格式 | 高清、无水印(增值服务) |