【目的】在地面激光雷達(dá)點(diǎn)云分類任務(wù)中多存在特征維度較高的問題,然而當(dāng)點(diǎn)云數(shù)量較多,分類任務(wù)中構(gòu)造較高維度的特征往往需要較多的計(jì)算成本和運(yùn)行內(nèi)存。為了解決這一問題,本研究提出用近鄰點(diǎn)構(gòu)造5個(gè)幾何特征訓(xùn)練成熟分類器,以期在將林分點(diǎn)云分為地面、樹干與枝葉3個(gè)類別的同時(shí)達(dá)到降低特征維度的目的�！痉椒ā吭跇�(gòu)造特征的過程中采用近鄰值為140的快速KDtree搜索近鄰點(diǎn),獲得近鄰點(diǎn)后利用其計(jì)算協(xié)方差矩陣特征值、法向量、曲率、方差和最大高程差構(gòu)造5個(gè)幾何特征訓(xùn)練分類器。為了檢驗(yàn)本研究構(gòu)造的特征在林分點(diǎn)云分類中的穩(wěn)定性,分類器分別采用隨機(jī)森林和xgboost做比較研究。本研究的實(shí)驗(yàn)數(shù)據(jù)均來自地面激光雷達(dá)掃描獲得的單站蒙古櫟人工林點(diǎn)云數(shù)據(jù)�！窘Y(jié)果】使用隨機(jī)森林和xgboost分類器訓(xùn)練的模型在測(cè)試集中正確估計(jì)樣本數(shù)量和樣本總量的比值分別為0.932 1和0.936 3。這兩個(gè)分類器在地面、樹干和枝葉這3個(gè)類別中的查準(zhǔn)率達(dá)到0.97、0.93、和0.91以上,且在這3個(gè)類別中的分類結(jié)果中xgboost較隨機(jī)森林均有千分級(jí)的優(yōu)勢(shì)�！窘Y(jié)論】結(jié)果表明本研究構(gòu)造的特征能夠完成林分點(diǎn)云分類任務(wù),在保證點(diǎn)云分類準(zhǔn)確率的... 

【文章來源】：北京林業(yè)大學(xué)學(xué)報(bào). 2019,41(06)北大核心CSCD

【文章頁數(shù)】：9 頁


本文編號(hào)：3408882