典型文献
基于监督学习的机载LiDAR点云滤波方法
文献摘要：
点云滤波是机载LiDAR点云后处理应用必不可少的环节.虽然国内外学者提出了许多滤波方法,但依然存在以下问题:一是需要复杂的参数设定;二是滤波方法鲁棒性较差,难以适应复杂的地形环境.为了实现高精度自动点云滤波,本文提出一种基于支持向量机(SVM)的滤波方法.该方法将点云滤波转换为二分类问题,通过计算点云数据的5维特征向量,使用计算出的模型将点云数据分为地面点和地物点两大类.本文采用国际摄影测量与遥感学会(ISPRS)网站发布的三组点云数据进行实验,实验结果表明该方法对具有不同地形特征的点云数据均能获得良好的滤波结果.在与其他三种代表性的滤波方法对比中,本文方法能够取得最小的滤波Ⅰ类误差(3.07％)和总误差(3.68％).
文献关键词：
激光雷达;滤波;SVM;二分类;特征向量
中图分类号：
作者姓名：
刘海鹏;黄中德;李笑笑
作者机构：
安徽省地质矿产勘查局325地质队,安徽淮北 235000
文献出处：
引用格式：
[1]刘海鹏;黄中德;李笑笑-.基于监督学习的机载LiDAR点云滤波方法)[J].安徽地质,2022(01):84-88
A类：
B类：
监督学习,机载,LiDAR,点云滤波,滤波方法,处理应用,下问,参数设定,地形环境,动点,二分类问题,点云数据,维特,特征向量,面点,地物,两大类,摄影测量与遥感,ISPRS,不同地形,地形特征,方法对比,激光雷达
AB值：
0.306286
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
