顾及空间上下文关系的JointBoost点云分类及特征降维

被引：32

作者：

郭波 ^{[1
]}

黄先锋 ^{[1
]}

张帆 ^{[1
]}

王晏民 ^{[2
]}

机构：

[1] 不详

[2] 武汉大学测绘遥感信息工程国家重点实验室

[3] 不详

[4] 北京建筑大学现代城市测绘国家测绘地理信息局重点实验室

[5] 不详

来源：

测绘学报 | 2013年 / 05期

关键词：

LiDAR; 点云分类; JointBoost; 空间上下文; 特征降维;

D O I：

暂无

中图分类号：

P237 [测绘遥感技术];

学科分类号：

1404 ;

摘要：

针对较复杂场景的点云自动分类方法中目标类别为地面、植被、建筑物、电力塔、电力线等的问题,在对数据进行粗差剔除的基础上,首先归纳、定义了点云分类所需的关键特征,并利用JointBoost实现地物分类;同时,考虑到点云数据量大,其分类速度较慢,通过结合地物空间上的相互关联关系,提出一种序列化的点云分类及特征降维方法。该方法在保证分类精度的前提下,使分类所需特征维数降低,缩短了分类所需时间。激光扫描点云数据分类试验证明了该分类方法的有效性。

引用

页码：715 / 721

页数：7

共 9 条

[1] 面向车载激光扫描点云快速分类的点云特征图像生成方法 [J].

杨必胜 ;

魏征 ;

李清泉 ;

毛庆洲 .

测绘学报, 2010, (05) :540-545

[2] 基于带权点法向量的LiDAR数据屋顶检测方法 [J].

黄先锋 ;

Gunho Sohn ;

王潇 ;

张帆 .

武汉大学学报(信息科学版) , 2009, (01) :24-27

[3]

OBJECT-BASED CLASSIFICATION OF URBAN AIRBORNE LIDAR POINT CLOUDS WITH MULTIPLE ECHOES USING SVM[J] . J. X. Zhang,X. G. Lin.ISPRS Annals of Photogrammetry, Remote Sensing an . 2012 (1)

[4]

Parameter-free ground filtering of LiDAR data for automatic DTM generation[J] . ISPRS Journal of Photogrammetry and Remote Sensing . 2011

[5] Relevance assessment of full-waveform lidar data for urban area classification [J].