XGeo
智绘科服
可快速我们
Title l 题目
A Simple Deep Learning Network for Classification of 3D Mobile LiDAR Point Clouds
Citation l 引文格式
Yanjun WANG,Shaochun LI,Mengjie WANG,Yunhao LIN. A Simple Deep Learning Network for Classification of 3D Mobile LiDAR Point Clouds[J]. Journal of Geodesy and Geoinformation Science, 2021, 4(3): 49-59.DOI: 10.11947/ j.JGGS.2021.0305.
Abstract l 摘要
Automatic and accurate classification is a fundamental problem to the analysis and modeling of LiDAR (Light Detection and Ranging) data. Recently, convolutional neural network (ConvNet or CNN) has achieved remarkable performance in image recognition and computer vision. While significant efforts have also been made to develop various deep networks for satellite image scene classification, it still needs to further investigate suitable deep learning network frameworks for 3D dense mobile laser scanning (MLS) data. In this paper, we present a simple deep CNN for multiple object classification based on multi-scale context representation. For the pointwise classification, we first extracted the neighboring points within spatial context and transformed them into a three-channel image for each point. Then, the classification task can be treated as the image recognition using CNN. The proposed CNN architecture adopted common convolution, maximum pooling and rectified linear unit (ReLU) layers, which combined multiple deeper network layers. After being trained and tested on approximately seven million labeled MLS points, the deep CNN model can classify accurately into nine classes. Comparing with the widely used ResNet algorithm, this model performs better precision and recall rates, and less processing time, which indicated the significant potential of deep-learning-based methods in MLS data classification.
Key Words l 关键词
deep learning; convolutional neural network (CNN); mobile laser scanning (MLS); LiDAR data classification; point-to-image transformation
Authors l
Yanjun WANG,Shaochun LI,Mengjie WANG,Yunhao LIN.
Yanjun WANG
王艳军，男，1984.10生，毕业于武汉大学，博士。现为湖南科技大学副教授、硕导，主要研究方向为激光雷达遥感数据处理与环境建模应用、时空地理信息分析。
Full Paper | 全文如下
感谢选自JGGS 2021, Volume 4, Issue 3, P49-59。本期审图号（Map Approval Number）：GS（2021）5520。阅读原文即可下载。
请登录《测绘学报（英文版）》（JGGS）自己jggs.sinomaps 查看更多精选论文
初审：段鹏丽
复审：宋启凡
终审：金 君
往期推荐
资讯
○ “南方数码”杯《测绘通报》2021年度优秀论文评选揭晓！
○ 2021年两院院士增选结果公布!中科院增选65人,工程院增选84人!
○ 祝贺！266人和17个团队纳入自然资源部高层次科技创新人才工程
○ 学位：2020年审核增列得博士、硕士学位授权点名单正式公布！
○ 华夏科协正式发布蕞新期刊T级分区目录汇总
○ 重磅！《测绘学报》多位编委获得2020年China科技奖！
○ 重磅！军测团队制作得《卫星定位理论与方法》慕课课程在华夏大学MOOC上线了！
○ 华夏地调局5大单位发布2022年招聘通知
会议
○ 第壹届华夏生态系统遥感学术研讨会（三号通知）
○ 《测绘学报》2021年编委会会议在青岛
○ 会议通知 | 2021华夏地理信息科学理论与方法学术年会通知（第二号）
○ 关于第八届“测绘科学前沿技术论坛”再次延期得通知
《测绘学报》
○《测绘学报》2021年第10期目录
○ 测绘学报 | 宗敬文：测高重力异常区奇异积分数值求积公式
○ 测绘学报 | 黄良珂：顾及时变递减因子得华夏大陆地区大气可降水量垂直改正模型
○ 测绘学报 | 周苗：卫星重力与光学遥感组合得念青唐古拉山脉冰川变化分析
《测绘通报》
○ 室内高精度三维测图新技术
○ 面向上海城市数字化转型得新型测绘
○ 图像全站仪及图像测量发展与展望
○《测绘通报》2021年第9期目录
《北京测绘》
○《北京测绘》2021年第8期摘要推荐（下）
○《北京测绘》2021年第8期摘要推荐（上）
○《北京测绘》2021年第7期摘要推荐（下）
○《北京测绘》2021年第7期摘要推荐（上）
《测绘科学技术学报》
○ 《测绘科学技术学报》2021年第1期重点论文推荐
○ 摘要 |《测绘科学技术学报》2021年第3期摘要推荐
○ 摘要 |《测绘科学技术学报》2021年第2期摘要推荐
○ 摘要 |《测绘科学技术学报》2021年第4期摘要推荐
○ 摘要 |《测绘科学技术学报》2021年第5期摘要推荐
《地球信息科学学报》
○ 《地球信息科学学报》2021年第10期佳文推介
○ 《地球信息科学学报》2021年第9期佳文推介
○ 《地球信息科学学报》2021年第8期佳文推介
○ 专刊征稿：社会感知与地理大数据挖掘（征稿中）
《测绘工程》
○ 摘要 |《测绘工程》2021年第5期摘要推荐
○ 摘要 |《测绘工程》2021年第4期摘要推荐
○ 摘要 |《测绘工程》2021年第3期摘要推荐
○ 测绘教学 | 后疫情时代“线上+线下”混合教学模式创新——以测绘类课程视角
《华夏空间科学技术》
○ 摘要 |《华夏空间科学技术》2021年第4期摘要推荐
○ 摘要 |《华夏空间科学技术》2021年第3期摘要推荐
○ 摘要 |《华夏空间科学技术》2021年第2期摘要推荐
○ 火卫二地形地貌探测综述
《卫星应用》
○ 摘要 |《卫星应用》2021年第7期摘要推荐○ 摘要 |《卫星应用》2021年第6期摘要推荐
○ 摘要 |《卫星应用》2021年第5期摘要推荐
○ 综述 | 北斗系统应用趋势分析
《Journal of Geodesy and Geoinformation Science》
○ 专刊征稿 | Call for Papers：空间人文与社会地理计算 (SHGSS)
○ Special Issue on New LiDAR Technologies and Techniques
○ 《测绘学报（英文版）》（JGGS）LiDAR专刊发布
○ Special Issue on New LiDAR Technologies and Techniques
○ 论文推荐（四）| Speical Issue on New LiDAR Technologies and Techniques
《Satellite Navigation》
○ [综述]| 高扬教授：GNSS智能手机定位：进展、挑战、机遇和未来展望| SANA佳文速递
○ 熊超教授：地磁暴期间夜间低纬电离层和赤道等离子体不规则体| SANA佳文速递
○ 徐元博士：面向有色测量噪声下UWB/INS组合行人导航得分布式卡尔曼滤波| SANA佳文速递
○ 杨飞博士：GNSS天顶对流层精化模型得构建与分析| SANA佳文速递
