典型文献
HHO-LSSVM算法在匹配地面点云孔洞修补中的应用研究
文献摘要：
针对无人机匹配点云经地面点滤波后会存在较多孔洞的问题,提出利用哈里斯鹰算法(harris hawks optimization,HHO)优化最小二乘支持向量机(least squares support vector machine,LSSVM)来进行地面点云孔洞修补.首先利用八叉树结构法对滤波后点云数据进行地面特征点提取,其次采用哈里斯鹰算法对最小二乘支持向量机中的核参数和正则化参数进行优化,并利用组合算法构建匹配地面点云孔洞修补模型.实验结果表明,与单一最小二乘支持向量机相比,组合模型的孔洞修补精度提高了 22.3％,其稳定性也得到增强,具备一定的时效性及现实性.
文献关键词：
摄影测量;点云孔洞修补;八叉树结构;最小二乘支持向量机;参数优化;哈里斯鹰算法
中图分类号：
作者姓名：
张炎;刘立龙;何广焕;梁月吉;于松超
作者机构：
桂林理工大学测绘地理信息学院,广西桂林 541006;广西空间信息与测绘重点实验室,广西桂林 541006;广西建设职业技术学院市政与交通学院,广西南宁 530007
文献出处：
引用格式：
[1]张炎;刘立龙;何广焕;梁月吉;于松超-.HHO-LSSVM算法在匹配地面点云孔洞修补中的应用研究)[J].海洋测绘,2022(06):65-69
A类：
点云孔洞修补
B类：
HHO,LSSVM,地面点云,后会,多孔洞,哈里斯鹰算法,harris,hawks,optimization,最小二乘支持向量机,least,squares,support,vector,machine,八叉树结构,构法,后点,点云数据,特征点提取,核参数,正则化参数,组合算法,组合模型,现实性,摄影测量
AB值：
0.256425
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。
