激光技术

北大核心,CA,INSPEC,JST,Pж(AJ)

国内刊号:51-1125/TN

国际刊号:1001-3806

激光技术杂志2024年第2期:机器学习参与山区村落影像点云分类的研究

发布日期:

作者:李霞, 杨正维, 黄俊伟, 杨亚复, 高莎

关键词:激光技术, 图像处理, 机器学习, 随机森林分类法, 高原山区乡村

为了利用点云技术更好地获取地表信息, 用无人机AA1300的内置光学镜头采集影像数据, 构建2-D的数字正射影像地图(DOM), 悬挂GS-1350N镜头采集3-D的激光雷达点云; 通过k最近邻法(KNN)、支持向量机法(SVM)和随机森林法(RF)来实现DOM分类, 用定量分析中精度高的方法分类3-D点云, 并进行了2-D和3-D的分类映射对比分析。结果表明, 2-D的DOM分类中, 相对于KNN和SVM, RF的kappa系数分别高3.74%和2.16%, 全局精度分别高4.04% 和2.88%;2-D的分类结果通过直接线性变换到3-D点云中, 可实现2-D和3-D的点云分类, 映射精度达94.15%;而在相同条件下, 相对于2-D/3-D点云映射, 直接3-D点云分类能更完整地呈现地物信息。3-D点云的精准分类对获取地表信息是有帮助的。

来源:2024年第2期

《激光技术》期刊编辑部

查看激光技术杂志2024年第2期

声明

严正声明:本站非期刊官网,非中介代理。

本站仅提供学术规范服务:快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。

联系我们

  • 地址:成都市武侯区人民南路四段7号
  • 电话:028-68011091
  • E-mail:jgjs@vip.163.com

咨询工作人员