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

【文章來源】：測繪通報. 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)絡分類
    2.1 BP神經(jīng)網(wǎng)絡
    2.2 BP神經(jīng)網(wǎng)絡模型及優(yōu)化
    2.3 桿狀地物分類
3 試驗分析
    3.1 試驗數(shù)據(jù)及預處理
    3.2 精度分析
4 結(jié)論


【參考文獻】：
期刊論文
[1]基于多尺度特征和PointNet的LiDAR點云地物分類方法[J]. 趙中陽,程英蕾,釋小松,秦先祥,李鑫.  激光與光電子學進展. 2019(05)
[2]一種基于高度差異的點云數(shù)據(jù)分類方法[J]. 馬東嶺,王曉坤,李廣云.  測繪通報. 2018(06)
[3]車載LiDAR點云路燈提取方法[J]. 李永強,董亞涵,張西童,李鵬鵬.  測繪學報. 2018(02)
[4]車載LiDAR場景中路燈的提取與識別[J]. 張西童,劉會云,李永強,黃騰達,李有鵬.  測繪工程. 2016(09)
[5]支持向量機的車載雷達點云目標識別[J]. 李海亭,王厚之,李艷紅,汪匯兵.  測繪科學. 2016(05)
[6]基于知識的車載LiDAR地物自動分類[J]. 馮義從,岑敏儀,張同剛.  計算機工程與應用. 2016(05)
[7]SVM用于LiDAR數(shù)據(jù)的地物分類[J]. 喬紀綱,陳明輝,艾彬,張亦漢.  測繪通報. 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.  遙感學報. 2012(01)

博士論文
[1]車載移動測量系統(tǒng)數(shù)據(jù)配準與分類識別關鍵技術研究[D]. 李艷紅.武漢大學 2014



本文編號：3577738