前文回顾
【论文阅读笔记】Past, Present, and Future of Simultaneous Localization and Mapping
【论文阅读笔记】语义SLAM语义映射模型 Section VI. R EPRESENTATION II: SEMANTIC MAP MODELS
【论文阅读笔记】语义三维重建 CVPR2011:Semantic Structure from Motion
【论文阅读笔记】3D语义SLAM论文摘要整理
摘要内容
【使用数据集合】NYU Depth dataset,【三维点云重建】3D point cloud reconstructions,【CRF】【RGB-D sensors :Microsoft Kinect】
在本文中,我们提出了一个有效的室内场景三维点云的语义分割框架。我们使用随机森林分类器的结果来初始化一个紧密连接的条件随场的一元势,为此我们从训练数据中学习成对势的参数。这些势可以捕捉和模拟类标签之间的共同空间关系&