随着三维激光扫描传感设备硬件的快速发展，可保留三维空间中原始语义信息（几何信息、颜色、反射强度等）的点云已成为代表性的新型数据源之一。语义分割作为三维场景语义分析与解译的重要前提，在无人驾驶、高精地图、智慧城市等国家重大需求的推动下，已成为测绘遥感、计算机视觉等领域的重大研究课题。本书以语义分割的理论与方法为研究内容，以点云为研究对象，从点云类型、深度学习基础知识、点云的组织与管理、融合点云与图像的语义分割以及直接基于点云的语义分割等方面进行介绍，是一部多学科交叉、融合的点云语义分割著作。
本书可作为高等院校测绘遥感、卫星导航、计算机视觉、地理信息等学科的教学参考书，也可供科研院所、企业相关专业从业人员参考。

《导航与时频技术丛书》序
前言
第1章 绪论
参考文献
第2章 点云类型及语义分割方法概述
2.1 引言
2.2 点云类型
2.2.1 激光点云
2.2.2 影像点云
2.2.3 RGB-D点云
2.2.4 结构光点云
2.2.5 其他类型点云
2.3 点云语义分割方法概述
2.3.1 统计分析法
2.3.2 投影图像法
2.3.3 其他传统语义分割方法
2.3.4 二维图像深度学习语义分割方法
2.3.5 三维点云深度学习语义分割方法
参考文献
第3章 深度学习
3.1 引言
3.2 深度学习技术概述
3.2.1 人工智能、机器学习与深度学习
3.2.2 卷积运算
3.2.3 卷积神经网络工作原理
3.2.4 深度学习框架
3.3 深度学习在计算机视觉中的应用
3.3.1 图像分类
3.3.2 目标检测
3.3.3 语义分割
3.3.4 实例分割
3.3.5 其他应用
3.4 深度学习与三维激光点云的结合
3.4.1 三维激光点云数据的表示形式
3.4.2 三维激光点云数据集的语义标注方法
3.4.3 三维激光点云语义分割存在的挑战
参考文献
第4章 LiDAR点云的组织与管理
4.1 引言
4.2 两级混合索引结构的确定
4.2.1 全局KD树索引
4.2.2 局部八叉树索引
4.3 Kd-OcTree混合索引的构建
4.3.1 Kd-OcTree混合索引的逻辑结构
4.3.2 Kd-OcTree混合索引的数据结构
4.3.3 Kd-OcTree混合索引的构造算法
4.4 实验结果与分析
4.4.1 测试数据
4.4.2 构造索引速度测试
4.4.3 邻域搜索速度测试
4.4.4 索引结构对地面点感知效果的影响
4.4.5 阈值敏感度测试
4.4.6 不同索引结构CPU、内存消耗对比分析
参考文献
第5章 基于深度学习和二维图像的多目标语义分割
5.1 引言
5.2 基于二维图像的语义分割
5.2.1 点云描述子
5.2.2 深度卷积神经网络
5.2.3 二维图像与三维点云之间的映射关系
5.2.4 精细特征提取方法
5.3 研究方法
5.3.1 DVLSHR模型构建
5.3.2 二维图像到三维点云的映射
5.3.3 三维建筑点云的精细分割
5.4 实验结果与分析
5.4.1 数据集
5.4.2 评价标准
5.4.3 DVLSHR模型训练
5.4.4 初步分割结果
5.4.5 映射结果可视化
5.4.6 基于三维点云的建筑物精细特征分割
5.4.7 结果分析
参考文献
第6章 三维点云语义分割
6.1 引言
6.2 研究现状
6.2.1 三维数据集
6.2.2 基于点云的三维卷积神经网络
6.3 研究方法
6.3.1 点云表示形式
6.3.2 三维深度网络结构
6.3.3 输入点集的顺序对网络性能的影响
6.4 实验结果与分析
6.4.1 实验平台
6.4.2 评价指标
6.4.3 网络体系结构验证
6.4.4 分割效果
6.4.5 结果分析
参考文献
第7章 总结与展望