典型文献
基于改进ConvPoint模型的复杂山区LiDAR点云分类研究
文献摘要：
针对地形变化大,植被覆盖度高的复杂山区点云数据量大、冗余信息多、信息丢失和采样比之间难以平衡等问题,基于深度学习方法和改进的ConvPoint模型实现了山区点云的智能分类.复杂山区点云数据的预处理,将数据划分为体素基于索引进行降采样,利用球树算法加速神经网络运行速度,使用数据增强的方式来增强模型的鲁棒性,采用了划分区域和加权随机下采样的方法来缩短模型的运行时间.最终点云分类的全局准确率达94.7％,平均准确率达60.4％,交并比达55.8％,体现了较好的分类效果.
文献关键词：
点云分类;降采样;鲁棒性;数据增强
中图分类号：
作者姓名：
陈小雁;柴路嘉;高红旗
作者机构：
浙江华东测绘与工程安全技术有限公司,浙江杭州 310014;中国电建集团华东勘测设计研究院有限公司,浙江杭州 310014
文献出处：
引用格式：
[1]陈小雁;柴路嘉;高红旗-.基于改进ConvPoint模型的复杂山区LiDAR点云分类研究)[J].测绘,2022(03):117-121
A类：
ConvPoint
B类：
复杂山区,LiDAR,点云分类,分类研究,地形变化,植被覆盖度,点云数据,数据量,冗余信息,信息丢失,深度学习方法,模型实现,智能分类,数据划分,索引,降采样,运行速度,使用数据,数据增强,增强模型,下采样,运行时间,平均准确率,交并比,比达,分类效果
AB值：
0.357067
相似文献
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。
