|
|
|
| 机器学习在车载激光点云分类中的应用研究 |
| 李海亭1,2， 肖建华1,2， 李艳红3， 庞小平3 |
| 1.武汉市测绘研究院， 武汉； 2.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；3.武汉大学 资源与环境科学学院， 武汉 |
|
| 李海亭1,2， 肖建华1,2， 李艳红3， 庞小平3 |
| 1.武汉市测绘研究院， 武汉； 2.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；3.武汉大学 资源与环境科学学院， 武汉 |
|
|
|
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.
|
|
|
收稿日期: 2015-03-25
|
| [1] |
张 桓 毓. 高考数学实战教学[J]. , 2016, 55(5): 0-0. |
| [2] |
王 志 斌. 抛物线焦点弦的性质[J]. , 2016, 55(5): 0-0. |
| [3] |
成 卫 东. 论高中数学直觉思维能力[J]. , 2016, 55(5): 0-0. |
| [4] |
李 春 平. 高中数学概念课教学[J]. , 2016, 55(5): 0-0. |
| [5] |
刘 勇. 如何提高高中数学学习效率[J]. , 2016, 55(5): 0-0. |
| [6] |
王 二 虎. 高中生数学思维障碍的成因及突破[J]. , 2016, 55(5): 0-0. |
| [7] |
王 俊 辉. 高中数学教学反思[J]. , 2016, 55(5): 0-0. |
| [8] |
廖 润 生. 中学数学教学思考[J]. , 2016, 55(5): 0-0. |
| [9] |
任 启 胜. 解析一次函数[J]. , 2016, 55(5): 0-0. |
| [10] |
廖 润 生. 常见数学题型教学策略[J]. , 2016, 55(5): 0-0. |
| [11] |
黄 梅 容. 如何培养小学生学习科学的兴趣[J]. , 2016, 55(5): 0-0. |
| [12] |
陈 永. 论小学生数学思维能力[J]. , 2016, 55(5): 0-0. |
| [13] |
黄 文 锋. 小学数学语言训练方法[J]. , 2016, 55(5): 0-0. |
| [14] |
李 芳. 如何培养小学低年级学生的数学语言表达能力[J]. , 2016, 55(5): 0-0. |
| [15] |
谭 玲 玲. 如何培养小学低段学生的数学学习习惯[J]. , 2016, 55(5): 0-0. |
|
|
|
|
