典型文献
基于多层K-means在森林点云中的单木识别算法
文献摘要：
针对目前激光雷达(Light Detection And Ranging,LIDAR)采集的森林点云数据使用K-means算法进行单木识别时,算法的收敛时间长,以及对于株树密度大的森林场景容易产生过聚类的问题,提出了一种改进的多层K-means单木识别算法.以黑龙江省佳木斯市孟家岗林场落叶松人工林的点云数据为实验对象,通过RANSAC算法和半径离群值算法去除数据中的地面点与非树干且非地面点,最后通过多层K-means算法进行单木的识别.结果表明,改进后的多层K-means算法单木识别的识别率达到了91.01％,误判树木的数量为0,算法收敛时间相较于传统K-means算法缩短了48.13％.可以得出结论,多层K-means算法效率更高,对复杂密集的林分样地进行单木识别有更好的效果,降低了勘测森林结构的成本,这对于森林结构参数的测算、森林资源的保护与总体规划工作有重要意义.
文献关键词：
森林结构;点云数据;K-means算法;单木识别;激光雷达
中图分类号：
作者姓名：
谷志新;裴方睿
作者机构：
东北林业大学 信息与计算机工程学院,哈尔滨150040
文献出处：
引用格式：
[1]谷志新;裴方睿-.基于多层K-means在森林点云中的单木识别算法)[J].林业资源管理,2022(01):124-131
A类：
B类：
means,云中,单木识别,识别算法,激光雷达,Light,Detection,And,Ranging,LIDAR,点云数据,数据使用,收敛时间,林场,黑龙江省,佳木斯市,孟家,落叶松人工林,实验对象,RANSAC,离群值,除数,面点,树干,识别率,误判,树木,算法效率,林分,分样,样地,勘测,森林结构,森林资源,总体规划,规划工作
AB值：
0.38466
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。
