融合光谱信息的机载LiDAR点云三维深度学习分类方法
针对传统二维深度学习方法无法实现三维点云分类问题,提出一种融合光谱信息的机载LiDAR点云三维深度学习分类方法.该方法首先融合机载LiDAR点云和多光谱航空影像进行点云光谱信息扩充,进而在点云格网化和数据增强处理的基础上,采用多层感知机提取出不同尺度下的点特征和全局特征,最后基于三维深度学习算法实现机载LiDAR点云的准确分类.利用国际摄影测量与遥感协会提供的数据集进行所提方法验证,结果表明,融合光谱信息后,机载LiDAR点云分类精度提高了13.39个百分点;与已有方法的对比结果也进一步表明,所提方法可以在减少特征向量提取的情况下,取得较好的分类结果.
遥感、机载LiDAR、多光谱影像、数据融合、PointNet、点云分类
57
P237(摄影测量学与测绘遥感)
河南省自然科学基金面上项目;河南省科技攻关项目;河南理工大学博士基金;河南理工大学基本科研业务费专项;河南理工大学青年骨干教师资助计划
2020-07-24(万方平台首次上网日期,不代表论文的发表时间)
共8页
340-347