融合无人机LiDAR和高分辨率光学影像的点云分类方法

• 作者: 孙敏 张显峰 赵庆展 高仁强
• 来源期刊: 南京信息工程大学学报
• 学科: 地球科学
• 关键词: 高分辨率影像 LiDAR 配准融合 特征选择 点云分类
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 研究性论文
• 页码范围: 102-112
• 页数: 11页
• 分类号: P237
• 字数: 8658字
• 语种: 中文
• DOI: 10.13878/j.cnki.jnuist.2018.01.010

摘要

点云分类是激光点云数据处理的重要环节,探索自动、高效、高精度的点云分类方法具有重要意义.通过分析同机获取的LiDAR点云与高分辨率光学影像的特点,提出了融合无人机LiDAR与高分辨率光学影像的点云分类方法.首先将LiDAR点云投影到二维平面并构建不规则三角网模型,然后寻找同名点对完成与光学影像的配准与融合,进而将光学影像的光谱信息赋予无人机LiDAR点云,接着从光学影像上提取光谱特征、从LiDAR点云上提取多尺度几何特征构建分类特征集,进一步通过CFS特征选择算法实现特征集的降维,最后运用随机森林分类算法实现点云分类.实验结果表明,本文分类方法的总体精度可达89.5%, Kappa系数为0.844,与未经特征选择的分类结果相比精度提高了1.1个百分点,与单纯依靠LiDAR或者光学影像的分类相比,精度分别提高了5.4和14.9个百分点.本文方法不仅有效避免了基于点云属性内插构建新的图像融合方式带来的计算误差,同时解决了单尺度下构建几何特征时难以确定最优空间分析尺度的问题,并且对特征集进行优化选择从而有效提高了数据处理的效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高仁强	北京大学遥感与地理信息系统研究所	3	14	2.0	3.0