發(fā)布時間：2021-01-07 00:05

　　巖體點云濾波是巖體三維重建的關鍵環(huán)節(jié)。針對巖體點云環(huán)境,提出一種基于多維度特征和多層神經(jīng)網(wǎng)絡的植被濾波方法。該方法首先計算點云中每一點的多維度特征作為特征輸入;然后利用多層神經(jīng)網(wǎng)絡構建分類器實現(xiàn)對巖體點云數(shù)據(jù)的植被濾波過程。分析多維度特征的可用性,并通過不同的實驗過程篩選最優(yōu)網(wǎng)絡模型參數(shù)。與其他分類器相比,本算法精度較高,能夠更好地應用于巖體點云植被濾波領域。 

【文章來源】：中國科學院大學學報. 2020,37(03)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

不同維度特征

不同的分類物體在不同尺度下的維度差異越明顯，則說明可分性越強。如圖2所示，自然界的巖體表面往往是由大尺度的平面構成，因此其在不同尺度下近似表現(xiàn)為二維平面特征[17]，而植被點云在小尺度下可能表現(xiàn)為一維特征(樹干)或者二維特征(樹葉)，在較大的尺度下，展現(xiàn)出三維特征。因此，在工程點云中，巖體點與植被點在多尺度的綜合特征下具有顯著的維度差異，該特征可被用于進行巖體點云上的植被點與巖石點的分類。2 算法流程以及模型構建

本實驗所用的巖體點云數(shù)據(jù)來源于巖體通用的數(shù)據(jù)庫Rockbench[4]，其利用激光掃描儀獲取加拿大安大略的一處包含植被的巖體點云數(shù)據(jù)。如圖3所示，該點云是從原始大場景的巖體點云中截取的部分具有代表性的點云數(shù)據(jù)并人工分類后的示意圖，其中深色表示植被點，淺色部分表示巖體點，該實驗的數(shù)據(jù)集包括高的樹木以及低矮的植被信息。為了后續(xù)的訓練過程，需要將初始的點云數(shù)據(jù)按照7∶3的比例劃分為訓練集與測試集，具體各個數(shù)據(jù)集的信息如表2所示。3.2 不同的尺度選擇對結(jié)果的影響

【參考文獻】：
期刊論文
[1]地面激光掃描強度數(shù)據(jù)的影響因素分析[J]. 蒼桂華,岳建平,潘邦龍.  測繪科學技術學報. 2014(03)



本文編號：2961498