近日，我院胡翔云教授团队以“Large-Scale ALS Point Cloud Segmentation via Projection-Based Context Embedding”（基于投影上下文嵌入的机载激光点云语义分割）为题，在期刊《IEEE Transactions on Geoscience and Remote Sensing》发表了研究论文。
图1. 论文方法框架
机载激光扫描（ALS）点云中地物尺度差异极大，如何兼顾不同尺度地物的识别是ALS点云语义分割中的重要问题。在处理大场景、高密度的ALS点云时，三维深度学习方法计算成本高昂，难以获取充足的上下文信息。针对该问题，本研究提出一种基于投影上下文嵌入（Projection-Based Context Embedding, PCE）的多模态分割框架。PCE将大范围的点云块映射为图像，利用图像模态计算成本相对更低的优势获取充足的上下文语义信息，同时利用稀疏点体素卷积对精细三维结构的表征能力对局部点云块进行处理。PCE在多个ALS点云公开数据集上取得了较好的分割结果，对于大尺度地物的识别具有显著优势。
图2. DFC2019数据集结果; (a) Ground Truth; (b)3D-Model Only; (c) PCE
本研究得到湖北珞珈实验室专项基金（220100028）、中央高校基本科研基金（2042022dx0001）的资助。
引用信息：H. Dai, X. Hu, J. Zhang, Z. Shu, J. Xu, and J. Du, “Large-Scale ALS Point Cloud Segmentation via Projection-Based Context Embedding” IEEE Trans. Geosci. Remote Sens., vol. 62, 2024, Art. no. 5704216.
DOI：10.1109/TGRS.2024.3392267
论文链接：https://ieeexplore.ieee.org/document/10506699
