基于LS-SVM的无人机匹配点云数据修补

发布时间：2021-03-05 01:01

　　针对高山区过滤后点云数据缺失问题,提出一种基于LS-SVM的点云漏洞修补方法。以典型高山区地形为试验案例,采用4种常规插值方法与LS-SVM预测方法对数据进行处理分析,将处理数据与CORS动态测量获取的实测数据进行比较研究。研究表明,与4种常规方法相比,采用LS-SVM算法预测出的点云所构建的DEM模型精度有较大提高,模型MAE=-0.148 m、RMSE=0.250 m、R²=0.999 5,能够实现1∶500 A级高山区的高精度DEM生产,同时也增强了DEM在水利、建筑等行业设计初期的应用价值。 

【文章来源】：水力发电. 2020,46(11)北大核心

【文章页数】：6 页

【部分图文】：

TIN降噪匹配点云数据

去植被匹配点云数据

式中，λj为j点权重;dj为j点和待预测点间的距离;u为权指数。权重是以距离为自变量的衰减函数，采样点与待预测点之间距离越大，权重越小，当预测点距离采样点一定距离以外，可忽略不计权重。各个采样点权重的和便是每1个预测点的数值，公式为式中，zj为j点的高程值;zp为预测点的高程值;d-u为距离衰减函数。

【参考文献】：
期刊论文
[1]果蝇优化最小二乘支持向量机混合预测模型——以我国物流需求量预测为例[J]. 李泓泽,郭森,李春杰.  经济数学. 2012(03)



本文编号：3064275