|
|||||
|
|
| 机器学习在车载激光点云分类中的应用研究 | |
| 引用本文： | 李海亭,肖建华,李艳红,庞小平. 机器学习在车载激光点云分类中的应用研究[J]. 华中师范大学学报(自然科学版), 2015, 49(3): 460-464 |
| 作者姓名： | 李海亭 肖建华 李艳红 庞小平 |
| 作者单位： | 1. 武汉市测绘研究院,武汉430022;精密工程与工业测量国家测绘地理信息局重点实验室,武汉430022 2. 武汉大学资源与环境科学学院,武汉,430079 |
| 基金项目： | 国家自然科学基金青年基金项目，精密工程与工业测量国家测绘地理信息局重点实验室开放研究基金项目 |
| 摘 要： | 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17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. |
| 关 键 词： | 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 |
Application of machine learning in the vehicle-borne laser point cloud extraction |
|
| LI Haiting , XIAO Jianhua , LI Yanhong , PANG Xiaoping. Application of machine learning in the vehicle-borne laser point cloud extraction[J]. Journal of Central China Normal University(Natural Sciences), 2015, 49(3): 460-464 | |
| Authors: | LI Haiting XIAO Jianhua LI Yanhong PANG Xiaoping |
| Affiliation: | LI Haiting;XIAO Jianhua;LI Yanhong;PANG Xiaoping;Wuhan Geometric Institute;Key Laboratory of Precise Engineering &Industry Surveying,State Bereau of Surveying and Mapping;School of Resource and Environmental Science,Wuhan University; |
| Abstract: | |
| Keywords: | vehicle-borne laser point cloud machine learning support vector machine artificial neural network point cloud classification |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |
| 点击此处可从《华中师范大学学报(自然科学版)》浏览原始摘要信息 | |
| 点击此处可从《华中师范大学学报(自然科学版)》下载全文 | |