基于多尺度维度特征和SVM的高陡边坡点云数据分类算法研究
为解决复杂场景下高陡边坡点云数据的植被过滤问题,首先研究了高陡边坡上植被和岩石激光点云的多尺度维度特征;然后利用支持向量机(support vector machine,SVM)构建分类器,针对高陡边坡点云数据提出滤波算法,并编制了三维激光点云滤波软件LIDARVIEW.实验数据表明,复杂场景内不同尺度的植被均得到很好识别,滤波算法分类精度较高;算法不受激光点云的密度、遮挡和复杂地形的影响,且适用于机载雷达点云数据的滤波;植被覆盖率高的岩石分类精度高于93％,植被覆盖率低的岩石分类精度高于97％.算法对山丘区有复杂地貌的高陡边坡地形测量具有重大研究意义.
SVM、多尺度、维度特征、激光点云、分类
41
TP751;P225.2(遥感技术)
The Unmanned Aerial Vehicle Remote Sensing Pilot Project of National Flash Flood Disaster Analysis and Evaluation 1261430112001;the Infiltration Mechanism and Rainfall-Runoff Analysis and Application of Special Land Use of Coal Goaf Areas in Shangxi ProvinceJZ0203A422015;the Key Technologies and Applications of Real-time Flash Flood Early-warning System in Henan ProvinceJZ0203492015;the Ungauged Areas Storm Flood Calculation Methoods in Small Sub-basins of BeijingY20150606000.全国山洪灾害调查评价无人机遥感技术应用示范项目1261430112001;山西省煤矿采空区特殊下垫面的下渗机制研究及采空区产汇流成果应用项目JZ0203A422015;河南省山洪动态预警关键技术研究与应用项目JZ0203492015;北京市无实测流量记录地区小流域暴雨洪水计算方法研究项目Y20150606000.
2016-08-25（万方平台首次上网日期，不代表论文的发表时间）
882-888
