点云场景语义标注的排序批处理模式主动学习法

• Published in: Ce hui xue bao Vol. 52; no. 2; pp. 260 - 271
• Main Authors: 邹禄杰, 花向红, 赵不钒, 陶武勇, 李琪琪
• Format: Journal Article
• Language: Chinese; English
• Published: Beijing Surveying and Mapping Press 20.02.2023; 武汉大学测绘学院,湖北 武汉430079; 武汉大学灾害监测与防治研究中心,湖北 武汉430079%武汉大学测绘学院,湖北 武汉430079; 南昌大学信息工程学院,江西南昌330031; 武汉大学灾害监测与防治研究中心,湖北 武汉430079; 广州市城市规划勘测设计研究院,广东广州510060%武汉大学测绘学院,湖北 武汉430079
• Subjects: Active learning; Algorithms; Annotations; Labeling; Labor; Labor costs; Learning; Semantics; 特征选择; 点云场景; 语义标注; 排序批处理模式; 主动学习
• ISSN: 1001-1595; 1001-1595
• DOI: 10.11947/j.AGCS.2023.20210332

针对点云场景语义标注存在着手工标注费时费力、算法耗时严重、标注精度不高和不适用于大规模场景点云处理等问题，本文提出了一种结合排序批处理模式的主动学习点云场景语义标注方法。该方法首先对原始点云进行下采样处理，然后利用改进的递归特征增加法从庞大的特征集中筛选出最优特征子集，采用排序批处理模式采样算法迭代选取并人工标注少数未标注点，通过创建最小人工标注训练集来完成下采样点云的语义标注工作，最后利用邻域等权标签传播算法完成原始点云数据的标注。对3个室外大场景点云分别进行的试验表明：本文方法只需人工标注7.50%、7.35%、5.83%的点云即可完成下采样点云的标注工作。此外，对比试验表明，本文方法在标注精度和减少人工成本方面优于其他方法，能为点云语义标注工作节省大量人工成本。