点云场景语义标注的排序批处理模式主动学习法

作     者：邹禄杰 花向红 赵不钒 陶武勇 李琪琪 ZOU Lujie;HUA Xianghong;ZHAO Bufan;TAO Wuyong;LI Qiqi

作者机构：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 广州市城市规划勘测设计研究院广东广州510060 南昌大学信息工程学院江西南昌330031 

出 版 物：《测绘学报》 (Acta Geodaetica et Cartographica Sinica)

年 卷 期：2023年第52卷第2期

页      面：260-271页

核心收录：

学科分类：083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 081802[工学-地球探测与信息技术] 08[工学] 0818[工学-地质资源与地质工程] 081602[工学-摄影测量与遥感] 0816[工学-测绘科学与技术] 

基　　金：国家自然科学基金(41674005 41871373) 

主　　题：点云场景 排序批处理模式 特征选择 主动学习 语义标注 

摘      要：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。