测绘学报
測繪學報
측회학보
ACTA GEODAETICA ET CARTOGRAPHICA SINICA
2013年
5期
715-721
,共7页
郭波%黄先锋%张帆%王晏民
郭波%黃先鋒%張帆%王晏民
곽파%황선봉%장범%왕안민
LiDAR%点云分类%JointBoost%空间上下文%特征降维
LiDAR%點雲分類%JointBoost%空間上下文%特徵降維
LiDAR%점운분류%JointBoost%공간상하문%특정강유
LiDAR%point cloud classification%JointBoost%spatial context%feature reduction
针对较复杂场景的点云自动分类方法中目标类别为地面、植被、建筑物、电力塔、电力线等的问题,在对数据进行粗差剔除的基础上,首先归纳、定义了点云分类所需的关键特征,并利用JointBoost实现地物分类;同时,考虑到点云数据量大,其分类速度较慢,通过结合地物空间上的相互关联关系,提出一种序列化的点云分类及特征降维方法.该方法在保证分类精度的前提下,使分类所需特征维数降低,缩短了分类所需时间.激光扫描点云数据分类试验证明了该分类方法的有效性.
針對較複雜場景的點雲自動分類方法中目標類彆為地麵、植被、建築物、電力塔、電力線等的問題,在對數據進行粗差剔除的基礎上,首先歸納、定義瞭點雲分類所需的關鍵特徵,併利用JointBoost實現地物分類;同時,攷慮到點雲數據量大,其分類速度較慢,通過結閤地物空間上的相互關聯關繫,提齣一種序列化的點雲分類及特徵降維方法.該方法在保證分類精度的前提下,使分類所需特徵維數降低,縮短瞭分類所需時間.激光掃描點雲數據分類試驗證明瞭該分類方法的有效性.
침대교복잡장경적점운자동분류방법중목표유별위지면、식피、건축물、전력탑、전력선등적문제,재대수거진행조차척제적기출상,수선귀납、정의료점운분류소수적관건특정,병이용JointBoost실현지물분류;동시,고필도점운수거량대,기분류속도교만,통과결합지물공간상적상호관련관계,제출일충서렬화적점운분류급특정강유방법.해방법재보증분류정도적전제하,사분류소수특정유수강저,축단료분류소수시간.격광소묘점운수거분류시험증명료해분류방법적유효성.
