测绘科学

2021, v.46;No.277(07) 44-50+83

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

多光谱激光点云卷积神经网络的地物分类研究
Study on object classification for multispectral LiDAR point clouds based on convolutional neural network

邹晓亮;

摘要(Abstract):

针对商用激光传感器Optech LiDAR Titan系统获取的多光谱激光点云数据进行地物分类试验的探索,该文提出一种基于卷积神经网络(CNN)模型的多光谱激光LiDAR点云数据地物分类方法。新数据源多光谱激光点云具有多通道和多次散射回波的典型特性,生成感兴趣的热力图,根据热力图特征值和nDSM辅助数据进行感兴趣地物分类。采用CNN模型学习结果与面向对象影像分析OBIA分类方法相结合对分类结果进行精化,并用随机采样参考点对地物分类结果进行精度评估,解决CNN模型分类的正确性和可靠性问题。实验表明,地物分类整体精度OA达到89.8%,Kappa值0.858,该方法在多光谱激光点云地物分类方面具有稳健性、有效性和通用性。

关键词(KeyWords): 多光谱激光点云;卷积神经网络;热力图;样本标注;地物分类;精度评估

Abstract:

Keywords:

基金项目(Foundation): 地理信息工程国家重点实验室项目(SKLGIE2016-M-3-3)

作者(Author): 邹晓亮;

Email:

DOI: 10.16251/j.cnki.1009-2307.2021.07.007

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享