多光谱激光点云卷积神经网络的地物分类研究

作者：邹晓亮

来源：测绘科学, 2021, 46(07): 44-83.

DOI：10.16251/j.cnki.1009-2307.2021.07.007

• 多光谱激光点云
• 卷积神经网络
• 热力图
• 样本标注
• 地物分类
• 精度评估

针对商用激光传感器Optech LiDAR Titan系统获取的多光谱激光点云数据进行地物分类试验的探索,该文提出一种基于卷积神经网络(CNN)模型的多光谱激光LiDAR点云数据地物分类方法。新数据源多光谱激光点云具有多通道和多次散射回波的典型特性,生成感兴趣的热力图,根据热力图特征值和nDSM辅助数据进行感兴趣地物分类。采用CNN模型学习结果与面向对象影像分析OBIA分类方法相结合对分类结果进行精化,并用随机采样参考点对地物分类结果进行精度评估,解决CNN模型分类的正确性和可靠性问题。实验表明,地物分类整体精度OA达到89.8%,Kappa值0.858,该方法在多光谱激光点云地物分类方面具有稳健性、有效性和通用性。