隨著三維激光掃描傳感設備硬件的快速發(fā)展，可保留三維空間中原始語義信息（幾何信息、顏色、反射強度等）的點云已成為代表性的新型數(shù)據(jù)源之一。語義分割作為三維場景語義分析與解譯的重要前提，在無人駕駛、高精地圖、智慧城市等國家重大需求的推動下，已成為測繪遙感、計算機視覺等領域的重大研究課題。《點云數(shù)據(jù)語義分割的理論與方法》以語義分割的理論與方法為研究內容，以點云為研究對象，從點云類型、深度學習基礎知識、點云的組織與管理、融合點云與圖像的語義分割以及直接基于點云的語義分割等方面進行介紹，是一部多學科交叉、融合的點云語義分割著作。

更多科學出版社服務，請掃碼獲取。

目錄
《導航與時頻技術叢書》序
前言
第1章緒論1
參考文獻3
第2章點云類型及語義分割方法概述4
2.1引言4
2.2點云類型4
2.2.1激光點云4
2.2.2影像點云13
2.2.3RGB-D點云13
2.2.4結構光點云15
2.2.5其他類型點云15
2.3點云語義分割方法概述18
2.3.1統(tǒng)計分析法18
2.3.2投影圖像法21
2.3.3其他傳統(tǒng)語義分割方法22
2.3.4二維圖像深度學習語義分割方法23
2.3.5三維點云深度學習語義分割方法28
參考文獻33
第3章深度學習40
3.1引言40
3.2深度學習技術概述40
3.2.1人工智能、機器學習與深度學習41
3.2.2卷積運算42
3.2.3卷積神經(jīng)網(wǎng)絡工作原理43
3.2.4深度學習框架52
3.3深度學習在計算機視覺中的應用53
3.3.1圖像分類53
3.3.2目標檢測54
3.3.3語義分割54
3.3.4實例分割55
3.3.5其他應用55
3.4深度學習與三維激光點云的結合56
3.4.1三維激光點云數(shù)據(jù)的表示形式57
3.4.2三維激光點云數(shù)據(jù)集的語義標注方法57
3.4.3三維激光點云語義分割存在的挑戰(zhàn)58
參考文獻58
第4章LiDAR點云的組織與管理61
4.1引言61
4.2兩級混合索引結構的確定62
4.2.1全局KD樹索引62
4.2.2局部八叉樹索引64
4.3Kd-OcTree混合索引的構建65
4.3.1Kd-OcTree混合索引的邏輯結構66
4.3.2Kd-OcTree混合索引的數(shù)據(jù)結構66
4.3.3Kd-OcTree混合索引的構造算法70
4.4實驗結果與分析72
4.4.1測試數(shù)據(jù)72
4.4.2構造索引速度測試73
4.4.3鄰域搜索速度測試74
4.4.4索引結構對地面點感知效果的影響75
4.4.5閾值敏感度測試77
4.4.6不同索引結構CPU、內存消耗對比分析79
參考文獻80
第5章基于深度學習和二維圖像的多目標語義分割82
5.1引言82
5.2基于二維圖像的語義分割83
5.2.1點云描述子83
5.2.2深度卷積神經(jīng)網(wǎng)絡85
5.2.3二維圖像與三維點云之間的映射關系85
5.2.4精細特征提取方法86
5.3研究方法87
5.3.1DVLSHR模型構建87
5.3.2二維圖像到三維點云的映射90
5.3.3三維建筑點云的精細分割91
5.4實驗結果與分析103
5.4.1數(shù)據(jù)集103
5.4.2評價標準104
5.4.3DVLSHR模型訓練105
5.4.4初步分割結果112
5.4.5映射結果可視化112
5.4.6基于三維點云的建筑物精細特征分割114
5.4.7結果分析115
參考文獻116
第6章三維點云語義分割120
6.1引言120
6.2研究現(xiàn)狀121
6.2.1三維數(shù)據(jù)集121
6.2.2基于點云的三維卷積神經(jīng)網(wǎng)絡122
6.3研究方法123
6.3.1點云表示形式123
6.3.2三維深度網(wǎng)絡結構124
6.3.3輸入點集的順序對網(wǎng)絡性能的影響129
6.4實驗結果與分析130
6.4.1實驗平臺131
6.4.2評價指標131
6.4.3網(wǎng)絡體系結構驗證132
6.4.4分割效果136
6.4.5結果分析137
參考文獻138
第7章總結與展望140