BP神经网络的道路场景杆状地物自动分类
针对车载激光扫描数据中杆状地物分类精度不高、自动化程度低的问题,本文提出一种基于BP神经网络的分类方法.首先根据杆状地物点云特征选取10个特征值,获取杆状地物聚类单元的特征向量,构建特征矩阵;然后使用样本集训练BP神经网络模型并保存该分类模型;最后使用BP神经网络分类模型对试验区内的杆状地物进行分类.试验结果表明,该方法对杆状地物的分类精度可达95.34%,验证了文中所述方法对杆状地物分类的有效性.
杆状地物、神经网络、自动分类、特征值、分类模型
P23(摄影测量学与测绘遥感)
国家自然科学基金41771491
2020-05-14(万方平台首次上网日期,不代表论文的发表时间)
共6页
101-105,120