基于SVM的机载LiDAR数据电力线提取方法

• 作者: 梁安祺 蔡湛 马洪超
• 来源期刊: 激光杂志
• 学科: 地球科学
• 关键词: 机载激光雷达 电力线 支持向量机 点云密度 区域增长
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 光电测量与检测
• 页码范围: 29-34
• 页数: 6页
• 分类号: TN249|P237
• 字数: 5287字
• 语种: 中文
• DOI: 10.14016/j.cnki.jgzz.2019.02.029

摘要

针对数字电网巡线日益增长的需求,机载LiDAR为数字巡线提供了一种新的方式,电力线又是数字电网建设的关键.SVM算法是一种机器学习算法,基于SVM算法,提出一种机载LiDAR提取电力线的方法,并研究了点云密度和电力线提取精度之间的关系.首先提取9个特征构建特征空间,然后实验确定最优的分类参数和邻域半径训练分类器,利用分类器对电力线进行提取,最后采用区域增长的方法,对误分类的碎片进行剔除.通过不同的数据对提出的方法进行了检验,最终电力线的提取比率均达到99.8％以上,Kappa系数均达到0.99以上,实验结果证明该方法可以实现电力线快速、高精度地提取.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马洪超	武汉大学遥感信息工程学院	57	657	14.0	22.0
2	蔡湛	武汉大学遥感信息工程学院	3	10	2.0	3.0
3	梁安祺	武汉大学遥感信息工程学院	1	2	1.0	1.0