超级会员免费看
本文探讨了基于图像的点云处理方法及其局限，点云分类的三种基元方法，重点介绍了多实体点云分类策略，包括规则面片、粗糙面片和单个点的处理。特征选择涉及回拨信号、描述子和几何特征，描述子的建立过程通过高斯核卷积和随机化算法实现。最后，提到了随机森林作为集成学习的分类算法在点云处理中的应用。
基于图像的点云处理方法：将点云的三维坐标转化为二位图像像素，根据图像与点云的对应关系，寻求从二维图像中解决三维点云面临的问题。
基于图像的点云处理方法存在的问题：在进行三维边缘检测时，是在一个方向上的投影，把三维点云降成二维图像，降维过程中损失的信息需要在多个方向上的投影来弥补，投影难度与三维信息的复杂度成正比。
点云分类处理方法：①以单个点为基元；②以分割面片为基元；③以多种实体为基元
以单个点为基元：在低层次、基础特征时效果好，在复杂运算、维度高的分类特征提取效果不好。
以分割面片为基元：在低层次上没有优势，在复杂运算、维度高的分类特征提取时计算量小。
单一种类的分割面片不能很好的表达复杂二维场景问题，如平面面片，只能较好表达建筑物，却不能表达植物等不规则几何结构的物体。
以多种实体结构为基元：组合分割面片形成实体，区域特征类型不同，分割方法不同，单一类型的分割面片不能有效表达复杂点云场景，需要逐层分类，在不同区域提取不同类型的分割面片，增加了分类不确定性。
用步进式点云分割方法提取三种实体结构：
①规则面片：规则集合结构上的点
②粗糙面片：不规则形态地物上的点
③单个点：属性不能有效被领域表达的点
分类
订阅专栏 解锁全文
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
