基于LightGBM的车载激光点云电力线快速提取方法

• 作者: 方莉娜 沈贵熙 蒋鑫吴 赵志远
• 来源期刊: 测绘科学技术学报
• 学科: 地球科学
• 关键词: LightGBM模型 集成学习 电力线 车载激光点云 梯度提升决策树
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 摄影测量与遥感
• 页码范围: 494-499
• 页数: 6页
• 分类号: P237
• 字数: 3213字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-6338.2019.05.010

摘要

以车载激光点云数据为对象,提出一种基于轻型梯度增强学习器LightGBM(Light Gradient Boosting Machine)的电力线快速提取方法.该方法首先分析车载激光点云邻域范围内电力线和其他地物类型的基本特征,构建描述电力线点云的特征向量;其次训练基于LightGBM模型的电力线点云分类器,用于提取车载激光点云中的电力线;最后选择3个车载激光点云数据集对该方法的有效性进行了测试.实验结果表明:所提方法的分类效果与最优的梯度提升决策树GBDT(Gradient Boosting Decision Tree)算法持平,但时间效率上有显著提升,仅为GBDT方法的27.29％.同时,所提出的算法能够从海量的车载激光点云中快速提取电力线,可以用于支撑城市中电力线巡查与改造应用需求,具有重要的实践意义.