【目的】在地面激光雷達點云分類任務中多存在特征維度較高的問題,然而當點云數(shù)量較多,分類任務中構造較高維度的特征往往需要較多的計算成本和運行內(nèi)存。為了解決這一問題,本研究提出用近鄰點構造5個幾何特征訓練成熟分類器,以期在將林分點云分為地面、樹干與枝葉3個類別的同時達到降低特征維度的目的�！痉椒ā吭跇嬙焯卣鞯倪^程中采用近鄰值為140的快速KDtree搜索近鄰點,獲得近鄰點后利用其計算協(xié)方差矩陣特征值、法向量、曲率、方差和最大高程差構造5個幾何特征訓練分類器。為了檢驗本研究構造的特征在林分點云分類中的穩(wěn)定性,分類器分別采用隨機森林和xgboost做比較研究。本研究的實驗數(shù)據(jù)均來自地面激光雷達掃描獲得的單站蒙古櫟人工林點云數(shù)據(jù)�！窘Y果】使用隨機森林和xgboost分類器訓練的模型在測試集中正確估計樣本數(shù)量和樣本總量的比值分別為0.932 1和0.936 3。這兩個分類器在地面、樹干和枝葉這3個類別中的查準率達到0.97、0.93、和0.91以上,且在這3個類別中的分類結果中xgboost較隨機森林均有千分級的優(yōu)勢�！窘Y論】結果表明本研究構造的特征能夠完成林分點云分類任務,在保證點云分類準確率的... 

【文章來源】：北京林業(yè)大學學報. 2019,41(06)北大核心CSCD

【文章頁數(shù)】：9 頁


本文編號：3408882