基于多维度特征和MLP的岩体点云植被滤波方法

发布时间：2021-01-07 00:05

　　岩体点云滤波是岩体三维重建的关键环节。针对岩体点云环境,提出一种基于多维度特征和多层神经网络的植被滤波方法。该方法首先计算点云中每一点的多维度特征作为特征输入;然后利用多层神经网络构建分类器实现对岩体点云数据的植被滤波过程。分析多维度特征的可用性,并通过不同的实验过程筛选最优网络模型参数。与其他分类器相比,本算法精度较高,能够更好地应用于岩体点云植被滤波领域。 

【文章来源】：中国科学院大学学报. 2020,37(03)北大核心

【文章页数】：7 页

【部分图文】：

不同维度特征

不同的分类物体在不同尺度下的维度差异越明显，则说明可分性越强。如图2所示，自然界的岩体表面往往是由大尺度的平面构成，因此其在不同尺度下近似表现为二维平面特征[17]，而植被点云在小尺度下可能表现为一维特征(树干)或者二维特征(树叶)，在较大的尺度下，展现出三维特征。因此，在工程点云中，岩体点与植被点在多尺度的综合特征下具有显著的维度差异，该特征可被用于进行岩体点云上的植被点与岩石点的分类。2 算法流程以及模型构建

本实验所用的岩体点云数据来源于岩体通用的数据库Rockbench[4]，其利用激光扫描仪获取加拿大安大略的一处包含植被的岩体点云数据。如图3所示，该点云是从原始大场景的岩体点云中截取的部分具有代表性的点云数据并人工分类后的示意图，其中深色表示植被点，浅色部分表示岩体点，该实验的数据集包括高的树木以及低矮的植被信息。为了后续的训练过程，需要将初始的点云数据按照7∶3的比例划分为训练集与测试集，具体各个数据集的信息如表2所示。3.2 不同的尺度选择对结果的影响

【参考文献】：
期刊论文
[1]地面激光扫描强度数据的影响因素分析[J]. 苍桂华,岳建平,潘邦龙.  测绘科学技术学报. 2014(03)



本文编号：2961498