摘要
在本工作中，我们提出了一种新颖、通用且高效的非结构化点云标注方法。由于如何高效地在三维数据上应用深度卷积神经网络（CNN）仍是当前尚未解决的关键问题，我们设计了一个框架，通过将CNN应用于点云的多个二维图像视图（或快照）来实现标注。该方法包含三个核心思想：（i）选取多个适合的点云快照，生成两类图像：一种为包含颜色信息的RGB视图，另一种为包含几何特征的深度复合视图；（ii）利用全卷积网络对每一对二维快照进行像素级标注，并测试多种网络架构，以实现对异构输入数据的有效融合；（iii）最后，通过高效的缓冲机制，快速将标签预测结果反投影至三维空间，从而为每个三维点分配标签。实验结果表明，该方法适用于多种类型的点云数据，包括激光雷达（LiDAR）数据和摄影测量数据。