基于LiDAR波形分解的点云SVM分类方法研究

测绘通报 ›› 2014, Vol. 0 ›› Issue (1): 28-32.

基于LiDAR波形分解的点云SVM分类方法研究

李含伦¹，张爱武¹，刘诏¹，胡少兴²，孙卫东³

1. 首都师范大学三维信息获取与应用教育部重点实验室；2. 北京航空航天大学机械工程与自动化学院；3. 清华大学电子工程系

收稿日期:2012-09-28 修回日期:2012-10-28 出版日期:2014-01-25 发布日期:2014-05-07
基金资助:
国家科技支撑计划（2012BAH31B021）；教育部新世纪优秀人才资助项目（NCET-08-0630）

A LiDAR Point Classification Method Based on SVM and Waveform Decomposition

Received:2012-09-28 Revised:2012-10-28 Online:2014-01-25 Published:2014-05-07

摘要/Abstract

摘要：

LiDAR全波形数据可以记录发射激光脉冲与地物作用形成的后向散射信号的全回波信息，是发射激光脉冲沿途遇到的所有目标回波信号的总和，揭示了地物的几何和物理属性，是地物分类的重要依据。然而目前基于全波形分解的地物分类研究较少。本文将LIDAR全波形数据分解成波宽、振幅、回波次数三个独立的属性，并分别将这三个属性与高程进行格网化，生成一幅含有四个图层的图像。然后使用SVM分类器对这幅图像进行分类，成功分出了房屋、地面、高大植被，分类精度96.2482%，kappa 0.9281。

关键词: SVM, LiDAR, 波形分解, 波宽, 振幅, 回波次数, 分类, 格网化

李含伦张爱武刘诏胡少兴孙卫东. 基于LiDAR波形分解的点云SVM分类方法研究[J]. 测绘通报, 2014, 0(1): 28-32.

[1]	王艳军, 林云浩, 王书涵, 李少春, 王孟杰. OSM辅助车载LiDAR点云三维道路边界精细提取[J]. 测绘通报, 2022, 0(7): 18-25.
[2]	温雨笑, 吕杰, 马庆勋, 张鹏, 徐汝岭. 高光谱和LiDAR联合反演森林生物量研究[J]. 测绘通报, 2022, 0(7): 38-42.
[3]	杨俊, 刘灵辉. 加权全极化SAR图像分类下的功能区土地时空变化特征提取[J]. 测绘通报, 2022, 0(7): 138-142,153.
[4]	李慧敏, 罗大伟, 窦世卿. 利用腾讯位置大数据进行多尺度人口空间化估算[J]. 测绘通报, 2022, 0(6): 93-97.
[5]	谭玉慧, 刘欣怡, 张永军. 超体素约束下的主动再学习LiDAR点云分类框架[J]. 测绘通报, 2022, 0(5): 79-83,100.
[6]	徐福斌, 曲相屹, 王健, 刘秀涵. 基于LiDAR点云的复杂钢结构模型重建[J]. 测绘通报, 2022, 0(5): 170-173.
[7]	窦世卿, 陈治宇, 徐勇, 郑贺刚, 苗林林, 宋莹莹. 基于多特征融合与典型降维方法的高光谱影像分类[J]. 测绘通报, 2022, 0(4): 32-36,50.
[8]	普东东, 丁海勇. 融合超体素与成对链接聚类的LiDAR点云分割算法[J]. 测绘通报, 2022, 0(3): 65-69.
[9]	贾煜, 汪泓, 蔡宏, 张磊. 结合地形因子与分层策略的喀斯特地区无人机影像分类[J]. 测绘通报, 2022, 0(2): 121-127.
[10]	张自强, 刘涛, 杜萍, 锁旭宏, 杨国林. 图残差神经网络支持下的建筑物群组模式分类[J]. 测绘通报, 2022, 0(1): 1-7.
[11]	高莎, 袁希平, 甘淑, 杨明龙, 袁新悦, 罗为东. 融合无人机影像与LiDAR点云的山区地表覆被景观特征探测[J]. 测绘通报, 2022, 0(1): 110-115.
[12]	高雨, 胡召玲, 樊茹. 高分辨率影像融合算法对滨海湿地土地利用分类精度的影响[J]. 测绘通报, 2022, 0(1): 116-120.
[13]	黄景金, 杨郑贝, 唐长增, 任建福, 李新东, 李成, 黄灵海, 潘正强, 周国清. 自然资源统一分类标准研究——以广西阳朔县为例[J]. 测绘通报, 2021, 0(9): 136-139,156.
[14]	杨娜娜, 张新长, 朱紫阳, 淳锦, 金诗程. 广东省自然资源调查监测分类标准体系研究[J]. 测绘通报, 2021, 0(9): 145-150.
[15]	高智梅, 王竞雪, 沈昭宇. 机载LiDAR建筑物点云渐进提取算法[J]. 测绘通报, 2021, 0(8): 7-13,36.

基于LiDAR波形分解的点云SVM分类方法研究

A LiDAR Point Classification Method Based on SVM and Waveform Decomposition

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价