华中师范大学学报（自然科学版）
華中師範大學學報（自然科學版）
화중사범대학학보（자연과학판）
JOURNAL OF CENTRAL CHINA NORMAL UNIVERSITY(NATURAL SCIENCES)
2015年
3期
460-464
,共5页
李海亭%肖建华%李艳红%庞小平
李海亭%肖建華%李豔紅%龐小平
리해정%초건화%리염홍%방소평
车载激光点云%机器学习%支持向量机%人工神经网络%点云分类
車載激光點雲%機器學習%支持嚮量機%人工神經網絡%點雲分類
차재격광점운%궤기학습%지지향량궤%인공신경망락%점운분류
vehicle-borne laser point cloud%machine learning%support vector machine%artificial neural network%point cloud classification
点云信息分类提取与利用是车载移动测量系统的关键技术,提高车载激光点云分类的智能化已成为当代信息科学技术发展所面临的重要问题.从分析点云的特征入手,采用机器学习方法对车载激光点云的行道树提取进行了大量实验研究.首先,在点云原始特征的基础上,根据其局部几何特征及空间分布,构造了由三维空间位置、回波强度、颜色值、法向量、单位投影密度、残差及回波强度维度内的残差等1 7个特征值组成的点云高维特征向量,然后采用支持向量机和人工神经网络两种机器学习方法分别对行道树点云进行提取实验.实验中采用了粒子群优化算法对支持向量机进行参数寻优,采用所构造的由17个特征值构成的特征向量对点云进行机器学习,两种学习方法的行道树点云分类精度分别可以达到99.75％和99.25％.实验结果表明,采用机器学习的方法对于提高车载激光点云分类自动化程度和智能化水平具有重要意义和作用.
點雲信息分類提取與利用是車載移動測量繫統的關鍵技術,提高車載激光點雲分類的智能化已成為噹代信息科學技術髮展所麵臨的重要問題.從分析點雲的特徵入手,採用機器學習方法對車載激光點雲的行道樹提取進行瞭大量實驗研究.首先,在點雲原始特徵的基礎上,根據其跼部幾何特徵及空間分佈,構造瞭由三維空間位置、迴波彊度、顏色值、法嚮量、單位投影密度、殘差及迴波彊度維度內的殘差等1 7箇特徵值組成的點雲高維特徵嚮量,然後採用支持嚮量機和人工神經網絡兩種機器學習方法分彆對行道樹點雲進行提取實驗.實驗中採用瞭粒子群優化算法對支持嚮量機進行參數尋優,採用所構造的由17箇特徵值構成的特徵嚮量對點雲進行機器學習,兩種學習方法的行道樹點雲分類精度分彆可以達到99.75％和99.25％.實驗結果錶明,採用機器學習的方法對于提高車載激光點雲分類自動化程度和智能化水平具有重要意義和作用.
점운신식분류제취여이용시차재이동측량계통적관건기술,제고차재격광점운분류적지능화이성위당대신식과학기술발전소면림적중요문제.종분석점운적특정입수,채용궤기학습방법대차재격광점운적행도수제취진행료대량실험연구.수선,재점운원시특정적기출상,근거기국부궤하특정급공간분포,구조료유삼유공간위치、회파강도、안색치、법향량、단위투영밀도、잔차급회파강도유도내적잔차등1 7개특정치조성적점운고유특정향량,연후채용지지향량궤화인공신경망락량충궤기학습방법분별대행도수점운진행제취실험.실험중채용료입자군우화산법대지지향량궤진행삼수심우,채용소구조적유17개특정치구성적특정향량대점운진행궤기학습,량충학습방법적행도수점운분류정도분별가이체도99.75％화99.25％.실험결과표명,채용궤기학습적방법대우제고차재격광점운분류자동화정도화지능화수평구유중요의의화작용.
