摘要
针对车载激光点云数据中杆状地物分类效果不理想以及单一分类算法具有局限性的问题,该文提出一种基于多重投票方式的改进引导聚集(Bagging)集成学习方法。根据地物点云特征值组成特征向量,利用样本集数据分别对多种机器学习算法进行训练并构建分类模型,获取每个分类器识别能力的先验知识;利用改进的Bagging集成分类算法对识别能力较强且可能存在互补信息的算法进行集成;采用多重投票方法实现杆状地物的自动分类。实验结果表明,该文算法对道路场景中杆状地物的分类精度可达98.58%,高于其他单分类器,对点云自动化分类具有一定的参考。
- 单位