整合图卷积与PointNet的机载激光雷达点云分类

针对三维深度学习网络PointNet中缺少点局部特征描述而导致的分类精度较低的问题，提出了一种整合图卷积模型与PointNet的机载激光雷达点云分类方法。该方法首先通过最小香农熵准则确定点的最优邻域，计算出点云的浅层特征；然后将点云的浅层特征输入深度学习网络中，通过图卷积提取点云局部特征，并将该特征与PointNet提取的点特征、全局特征组合得到特征向量；最后，将上述特征向量输入设计的多层感知机实现点云的准确分类。利用国际摄影测量与遥感协会提供的Vaihingen点云数据集进行了验证，实验结果表明，所提方法相较于PointNet点云分类方法精度提高了9.58个百分点。