尽管深度神经网络在各个领域中受到欢迎,但从机载激光扫描(ALS)点云中提取数字地形模型(DTM)仍然具有挑战性。这可能是由于缺乏专用的大规模注释数据集以及点云和DTMS之间的数据结构差异。为了促进数据驱动的DTM提取,本文从开源的ALS点云和相应的DTM中收集了带有各种城市,森林和山区场景的相应DTM。提出了一种基线方法,作为第一次尝试通过栅格化技术(即涂层的深层)从ALS点云中直接从ALS点云中提取数字地形模型的尝试。进行了良好的方法进行广泛的研究,以基准数据集对数据集进行基准测试,并分析学习从点云中提取DTM的挑战。实验结果显示了不可知论数据驱动的方法的兴趣,与为DTM提取设计的方法相比,次级误差级别。数据和源代码可在https://lhoangan.github.io/deepterra/上提供可重复性和进一步的类似研究。
translated by 谷歌翻译