Weakly supervised segmentation-aided classification of urban scenes from 3D LiDAR point clouds

Résumé : Nous traitons le problème de la classification sémantique de nuages de points 3D LIDAR pour les scènes urbaines à partir d'un jeu d'apprentissage limité. Nous introduisons un modèle de segmentation non paramétrique pour les scènes urbaines formées par des objets anthropiques de formes simples. Notre modèle segmente la scènes en région géométriquement homogènes dont la taille est automatiquement déterminée par la complexité de la géométrie locale. Cette segmentation peut ensuite être intégrée dans un CRF (Conditional Random Field) afin de modéliser la structure globale de la scène. Cela nous permet d'aggréger, pour chaque groupe de points, les prédictions bruitées d'une classification faiblement supervisée. Nous démontrons l'efficacité de notre méthode sur deux jeux de données en accès libre.
Type de document :
Communication dans un congrès
ISPRS Workshop 2017, Jun 2017, Hannover, Germany. ISPRS Archive, 2017
Liste complète des métadonnées

Littérature citée [19 références]  Voir  Masquer  Télécharger

https://hal.archives-ouvertes.fr/hal-01497548
Contributeur : Loic Landrieu <>
Soumis le : mardi 9 mai 2017 - 10:19:20
Dernière modification le : vendredi 12 mai 2017 - 10:17:22
Document(s) archivé(s) le : jeudi 10 août 2017 - 12:31:55

Fichier

ISPRS2017_2.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01497548, version 3

Citation

Stéphane Guinard, Loic Landrieu. Weakly supervised segmentation-aided classification of urban scenes from 3D LiDAR point clouds. ISPRS Workshop 2017, Jun 2017, Hannover, Germany. ISPRS Archive, 2017. 〈hal-01497548v3〉

Partager

Métriques

Consultations de la notice

213

Téléchargements de fichiers

253