發(fā)布時間：2020-08-20 19:15

【摘要】：在現(xiàn)代科學技術的不斷發(fā)展和推動下,“智慧城市”,“數(shù)字地球”,“數(shù)字城市”等一系列新興理念不斷被提出,同時伴隨著三維激光掃描技術的日趨成熟,大規(guī)模城市數(shù)據(jù)的采集和獲取變得更為簡單和便捷,對這些數(shù)據(jù)的處理和分類是實現(xiàn)城市智能化分析的關鍵一步。尤其是機載激光掃描的大規(guī)模城市點云中包含大量對象類別和許多相鄰或重疊的部分,這就為多目標的分類帶來了極大的挑戰(zhàn)。針對這個問題,本文圍繞大規(guī)模城市場景的多目標自動化分類提取這一主旨,重點展開了以下幾個方面的工作:首先對大規(guī)模城市機載點云進行預處理,然后基于近鄰空間進行3D最近鄰鄰域的優(yōu)化求解,對于每個點云,求解最近鄰中的3D特征。類比3D特征的提取方法,將機載點云投影到二維xoy平面,基于2D最優(yōu)圓鄰域提取2D特征,利用基于濾波器的方法和信息增益策略度量進行特征篩選,然后將2D和3D特征進行橫向組合,利用構建的卷積神經(jīng)網(wǎng)絡測試文中提出方法的有效性。實驗結(jié)果表明:組合特征的整體分類效果和3D特征的整體分類結(jié)果分別為:94.12%和97.01%。由于AlexNet模型的稀疏特性使其能夠充分學習到與訓練數(shù)據(jù)相關的特征,為了進一步提高機載點云的分類效率,本文微調(diào)并使用AlexNet對組合特征矩陣進行分類識別,最終整體的精度能達到97.79%。
【學位授予單位】：東華理工大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TN249;TP18

【參考文獻】

相關期刊論文 前3條

1 董震;楊必勝;;車載激光掃描數(shù)據(jù)中多類目標的層次化提取方法[J];測繪學報;2015年09期

2 孫杰;賴祖龍;;利用隨機森林的城區(qū)機載LiDAR數(shù)據(jù)特征選擇與分類[J];武漢大學學報(信息科學版);2014年11期

3 楊必勝;魏征;李清泉;毛慶洲;;面向車載激光掃描點云快速分類的點云特征圖像生成方法[J];測繪學報;2010年05期

本文編號：2798341