融合自适应最优邻域和卷积神经网络的三维点云分类 |
| |
引用本文: | 张清波,严加栋.融合自适应最优邻域和卷积神经网络的三维点云分类[J].测绘通报,2023(7):177-182. |
| |
作者姓名: | 张清波 严加栋 |
| |
作者单位: | 1. 江苏城乡建设职业学院 |
| |
基金项目: | 江苏省高等教育教改研究立项课题(2021JSJG451); |
| |
摘 要: | 针对点云分类中提取单个点自身特征所需的邻域尺寸选择,以及低层次特征设计烦琐且表达地物属性能力较弱等问题,本文提出了一种自适应选择单点最优邻域尺寸及学习泛化能力更强的深层次特征的三维点云分类方法。首先基于自适应最优邻域尺寸选择获得每个点的最优局部邻域信息,继而基于局部邻域信息提取点云低层次特征;然后设计一种以待分类点低层次特征为输入的卷积神经网络模型,学习能反映目标地物内在属性的深层次特征并实现分类;最后采用拓普康公司三维点云数据集进行试验,该数据集通过一个配备TOPCON GLS-2200三维激光扫描仪的移动平台获得。试验结果表明,本文方法分类的总体精度达90.48%,优于文中其他点云分类方法。
|
关 键 词: | 点云分类 自适应最优邻域尺寸选择 深层次特征 神经网络 |
|
|