基于多尺度球形邻域的3D点云语义分类

本文介绍了一种新的三维点云多尺度邻域定义。该定义基于球形邻域和比例子采样，使得计算出的特征具有一致的几何意义，而这一点在使用k近邻时无法实现。通过适当的训练策略，所提出的特征可以在随机森林中用于分类三维点。在这一语义分类任务中，我们展示了在相同实验条件下，我们的多尺度特征优于现有的最先进特征。此外，它们的分类能力可以与包括深度学习方法在内的更复杂的分类方法相媲美。