針對(duì)車載激光掃描數(shù)據(jù)中桿狀地物分類精度不高、自動(dòng)化程度低的問題,本文提出一種基于BP神經(jīng)網(wǎng)絡(luò)的分類方法。首先根據(jù)桿狀地物點(diǎn)云特征選取10個(gè)特征值,獲取桿狀地物聚類單元的特征向量,構(gòu)建特征矩陣;然后使用樣本集訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)模型并保存該分類模型;最后使用BP神經(jīng)網(wǎng)絡(luò)分類模型對(duì)試驗(yàn)區(qū)內(nèi)的桿狀地物進(jìn)行分類。試驗(yàn)結(jié)果表明,該方法對(duì)桿狀地物的分類精度可達(dá)95.34%,驗(yàn)證了文中所述方法對(duì)桿狀地物分類的有效性。 

【文章來源】：測(cè)繪通報(bào). 2020,(04)北大核心CSCD

【文章頁數(shù)】：6 頁

【文章目錄】：
1 桿狀地物特征向量
2 BP神經(jīng)網(wǎng)絡(luò)分類
    2.1 BP神經(jīng)網(wǎng)絡(luò)
    2.2 BP神經(jīng)網(wǎng)絡(luò)模型及優(yōu)化
    2.3 桿狀地物分類
3 試驗(yàn)分析
    3.1 試驗(yàn)數(shù)據(jù)及預(yù)處理
    3.2 精度分析
4 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]基于多尺度特征和PointNet的LiDAR點(diǎn)云地物分類方法[J]. 趙中陽,程英蕾,釋小松,秦先祥,李鑫.  激光與光電子學(xué)進(jìn)展. 2019(05)
[2]一種基于高度差異的點(diǎn)云數(shù)據(jù)分類方法[J]. 馬東嶺,王曉坤,李廣云.  測(cè)繪通報(bào). 2018(06)
[3]車載LiDAR點(diǎn)云路燈提取方法[J]. 李永強(qiáng),董亞涵,張西童,李鵬鵬.  測(cè)繪學(xué)報(bào). 2018(02)
[4]車載LiDAR場(chǎng)景中路燈的提取與識(shí)別[J]. 張西童,劉會(huì)云,李永強(qiáng),黃騰達(dá),李有鵬.  測(cè)繪工程. 2016(09)
[5]支持向量機(jī)的車載雷達(dá)點(diǎn)云目標(biāo)識(shí)別[J]. 李海亭,王厚之,李艷紅,汪匯兵.  測(cè)繪科學(xué). 2016(05)
[6]基于知識(shí)的車載LiDAR地物自動(dòng)分類[J]. 馮義從,岑敏儀,張同剛.  計(jì)算機(jī)工程與應(yīng)用. 2016(05)
[7]SVM用于LiDAR數(shù)據(jù)的地物分類[J]. 喬紀(jì)綱,陳明輝,艾彬,張亦漢.  測(cè)繪通報(bào). 2013(07)
[8]車載激光掃描數(shù)據(jù)的地物分類方法[J]. 譚賁,鐘若飛,李芹.  遙感學(xué)報(bào). 2012(01)

博士論文
[1]車載移動(dòng)測(cè)量系統(tǒng)數(shù)據(jù)配準(zhǔn)與分類識(shí)別關(guān)鍵技術(shù)研究[D]. 李艷紅.武漢大學(xué) 2014



本文編號(hào)：3577738