Fusion d'informations pour la segmentation sémantique de nuages de points d'intérieurs de bâtiments - Archive ouverte HAL
Conference Papers Year : 2023

Fusion d'informations pour la segmentation sémantique de nuages de points d'intérieurs de bâtiments

Abstract

Point clouds contain not only the geometric description of a scene but also physical information, such as color or LiDAR intensity. The latter is typical of some materials and yet is rarely used in state-of-the-art datasets. Our goal is to assess the contribution of this information for the segmentation of indoor point clouds with deep networks. In particular we will evaluate the combination of intensity with geometric features on a new dataset.
Les nuages de points contiennent non seulement la description géométrique d’une scène mais aussi des informations physique, comme la couleur ou l’intensité LiDAR. Cette dernière est caractéristique de certains matériaux et n’est pourtant que peu exploité dans les jeux de données de l’état de l’art. Notre objectif est d’évaluer l’apport de cette infor mation dans la segmentation de nuages de points en intérieur par réseaux profonds. En particulier nous évaluerons la combinaison de l’intensité avec des descripteurs géométriques sur un nouveau jeu de données.
Fichier principal
Vignette du fichier
ORASIS_latex.pdf (89.4 Ko) Télécharger le fichier
Origin Files produced by the author(s)

Dates and versions

hal-04219456 , version 1 (27-09-2023)

Identifiers

  • HAL Id : hal-04219456 , version 1

Cite

Maxime Mérizette, Nicolas Audebert, Jérôme Verdun, Pierre Kervella. Fusion d'informations pour la segmentation sémantique de nuages de points d'intérieurs de bâtiments. ORASIS 2023, Laboratoire LIS, UMR 7020, May 2023, Carqueiranne, France. ⟨hal-04219456⟩
95 View
79 Download

Share

More