现有室内三维场景表达聚焦于对象化的描述方法, 其要素表达还停留在对象级语义理解层面,
欠缺对室内场景复杂关系信息的显示表达. 面向室内空间智能任务需求, 亟需一个能够完整 …

在大规模道路环境中, 基于点的语义分割方法需要动态计算, 而基于体素的方法权衡分辨率和
性能导致损失大量信息. 为了克服上述两类方法的缺陷, 提出了一种通用的结合双层卷积和动态 …

室内场景的语义分割一直是深度学习语义分割领域的一个重要方向. 室内语义分割主要存在的
问题有语义类别多, 很多物体类会有相互遮挡, 某些类之间相似性较高等. 针对这些问题 …

针对目前从三维激光扫描点云中进行古建筑木构件分割较难的现状, 提出一种对古建筑点云数据
进行精确, 快速语义分割的新算法. 该算法首先对点云进行去噪处理; 然后利用古建筑结构特性 …

Objectives: Existing deep learning-based 3D point cloud semantic segmentation methods
often overlook global contextual information and do not fully leverage the synergy between …

Power line point cloud segmentation is one of the important tasks of airborne lidar (LiDAR)
power patrol. In this paper, it is difficult to segment power line point clouds in the absence of …

现有基于深度学习的三维点云语义分割方法在很大程度上忽略了全局上下文信息,
未能充分利用点云的局部几何结构, 颜色信息和高层语义特征之间的互补性. 针对该问题 …

针对现有三维点云数据分割分类方法存在分类目标内部不一致的问题, 提出一种超体素随机森林
与长短期记忆神经网络(long short-term memory, LSTM) 联合优化的室内点云高精度分类方法 …

如何提升网络模型对时域信息的理解能力, 是基于3D 卷积神经网络视频行人动作分类方法需要
解决的问题之一. 提出一种主导层优化模块, 在网络训练过程中, 利用当前时域动态信息学习能力 …

Existing methods for indoor 3D scene representation focus on object-oriented descriptions,
with element representations limited to object-level semantic understanding. These methods …