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

作者：岳冲; 刘昌军; 王晓芳

来源：武汉大学学报(信息科学版), 2016, 41(07): 882-888.

DOI：10.13203/j.whugis20140335

• SVM
• 多尺度
• 维度特征
• 激光点云
• 分类

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。

• 单位
  地测学院; 中国水利水电科学研究院; 中国地震台网中心; 陕西职业技术学院; 中国矿业大学（北京）