Skip to Main content Skip to Navigation
Conference papers

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

Stéphane Guinard 1 Loic Landrieu 1
1 MATIS - Méthodes d'Analyses pour le Traitement d'Images et la Stéréorestitution
LaSTIG - Laboratoire des Sciences et Technologies de l'Information Géographique
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.
Complete list of metadatas

Cited literature [19 references]  Display  Hide  Download

https://hal.archives-ouvertes.fr/hal-01497548
Contributor : Loic Landrieu <>
Submitted on : Tuesday, May 9, 2017 - 10:19:20 AM
Last modification on : Tuesday, May 12, 2020 - 8:28:22 AM
Document(s) archivé(s) le : Thursday, August 10, 2017 - 12:31:55 PM

File

ISPRS2017_2.pdf
Files produced by the author(s)

Identifiers

  • 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. ⟨hal-01497548v3⟩

Share

Metrics

Record views

664

Files downloads

1083