; 机载LiDAR点云数据降维与分类的随机森林方法(2018)
熊 艳 高仁强
摘要：
探索 自动化的激光点云分类方法对于三维建模、城市土地分类、DEM制图等应用具有重要作用。考虑到现有的点云 分类算法在提取依赖邻域结构的特征参数时面临 邻域尺度的选择难、 数据维度高、 计算复杂，并且 缺乏对分类特征参数的重要性评估和选择等问题， 本文提出了基于随机森林的机载LiDAR点云数据降维与分类方法。在分析点云数据的高程、回波、强度等属性特征的基础上，提取归一化高度、高度统计量、表面特征、空间分布特征、回波特征及强度特征６大类特征参数，并构建多尺度特征参数，运用随机森林的特征选择算法对分类特征集进行优化，然后进行点云分类。试验结果表明，基于随机森林的特征选择方法可以有效地降低特征维度，并且使得总体分类精度达到94.3％（Kappa系数为0.922），相比于使用全部特征分类和SVM分类方法而言，该方法的总体分类精度均有一定程度的提高；特征的重要性度量结果表明，归一化高度特征在点云分类中所起的作用最大。
关键词：
机载激光雷达；特征选择；点云分类；随机森林
讨论与结论:
本文以机载LiDAR数据为研究对象，通过分析点云数据的特点 提取了高度统计量、归一化高度、表面相关特征、空间分布特征、回波特征和激光强度特征６大类特征参数，并
Original: https://blog.csdn.net/Yang_Wanli/article/details/121478636
Author: 氧艺
Title: 【读论文】机载LiDAR点云数据降维与分类的随机森林方法(2018)
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/667205/
转载文章受原作者版权保护。转载请注明原作者出处！