Pré-segmentation pour la classification faiblement supervisée de scènes urbaines à partir de nuages de points 3D LIDAR

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 introdui-sons un modèle de segmentation non paramétrique pour les scènes urbaines formées par des objets anthropiques de formes simples. Notre modèle segmente la scène en ré-gions géométriquement homogènes dont la taille est auto-matiquement déterminée par la complexité de la géomé-trie locale. Cette segmentation peut ensuite être intégrée dans un CRF (Conditional Random Field) afin de modé-liser 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 :
Pré-publication, Document de travail
Accepted to ISPRS'2017 archives. 2017
Liste complète des métadonnées

Littérature citée [19 références]  Voir  Masquer  Télécharger

https://hal.archives-ouvertes.fr/hal-01499571
Contributeur : Loic Landrieu <>
Soumis le : jeudi 13 avril 2017 - 10:43:46
Dernière modification le : vendredi 14 avril 2017 - 09:39:55

Fichier

ORASIS_3.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01499571, version 2

Citation

Stéphane Guinard, Loic Landrieu, Bruno Vallet. Pré-segmentation pour la classification faiblement supervisée de scènes urbaines à partir de nuages de points 3D LIDAR. Accepted to ISPRS'2017 archives. 2017. 〈hal-01499571v2〉

Partager

Métriques

Consultations de
la notice

44

Téléchargements du document

76