典型文献
激光点云深度学习的树种识别研究
文献摘要：
针对激光雷达林业树种分类难以直接使用点云数据的问题,使用基于点云深度学习方法进行树种识别并提出PointNet-GS模型,无需将点云转为三维体素或二维图像,避免数据类型转换造成的特征丢失.以河北省塞罕坝机械林场的落叶松和白桦两个树种为研究对象.首先,将获取的点云数据进行数据预处理、单木分割,提取分割效果较好的单木作为样本;其次,将单木提取的样本进行几何下采样处理,保留更多局部特征便于网络模型学习;最后,将下采样处理的样本输入深度学习模型的网络,自动提取其高维特征进行学习,实现树种分类.实验结果表明,PointNet-GS树种分类精度达89.3％,Kappa系数为0.785,效果优于原始PointNet模型.
文献关键词：
深度学习;激光雷达;点云;林业;树种分类
中图分类号：
作者姓名：
陈健昌;陈一铭;刘正军
作者机构：
兰州交通大学测绘与地理信息学院,兰州 730070;中国测绘科学研究院,北京100036;地理国情监测技术应用国家地方联合工程研究中心,兰州730070;甘肃省地理国情监测工程实验室,兰州730070
文献出处：
引用格式：
[1]陈健昌;陈一铭;刘正军-.激光点云深度学习的树种识别研究)[J].遥感信息,2022(02):105-111
A类：
单木提取
B类：
激光点云,点云深度学习,树种识别,激光雷达,达林,林业,树种分类,点云数据,深度学习方法,行树,PointNet,GS,需将,二维图像,数据类型,类型转换,河北省塞罕坝机械林场,落叶松,白桦,数据预处理,单木分割,取分,分割效果,木作,下采样,局部特征,模型学习,深度学习模型,自动提取,高维特征,分类精度,Kappa
AB值：
0.3893
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。
