基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在应用LiDAR点云数据生产DEM过程中,由于滤波算法的局限性和人工编辑误操作,点云分类过程中会产生影响DEM精度的异常地面点.针对该问题,本文提出了一种基于Python语言的点云分类异常地面点自动探测的方法,通过实践验证了该方法的可行性和有效性,在大规模DEM生产中具有实际应用价值.
推荐文章
树干与地面点云分类K-means方法的改进
三维激光扫描
树木点云
K-means聚类方法
针对LIDAR点云中的地面点与非地面点的分离
点云数据
伪扫描线
移动窗口
滤波
基于点云数据的树冠体积自动求算方法
树冠体积
点云数据
三维激光扫描
自动化
基于监督学习的机载LiDAR点云滤波方法
激光雷达
滤波
SVM
二分类
特征向量
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于Python的点云分类异常地面点自动探测方法
来源期刊 测绘与空间地理信息 学科
关键词 LiDAR 点云分类 异常地面点 自动探测
年,卷(期) 2021,(3) 所属期刊栏目 3S技术与应用|3S Technology and Its Application
研究方向 页码范围 86-87,92
页数 3页 分类号 P228.4
字数 语种 中文
DOI 10.3969/j.issn.1672-5867.2021.03.023
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (19)
共引文献  (3)
参考文献  (4)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(2)
  • 参考文献(1)
  • 二级参考文献(1)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(4)
  • 参考文献(0)
  • 二级参考文献(4)
2016(2)
  • 参考文献(0)
  • 二级参考文献(2)
2017(2)
  • 参考文献(2)
  • 二级参考文献(0)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
LiDAR
点云分类
异常地面点
自动探测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
测绘与空间地理信息
月刊
1672-5867
23-1520/P
大16开
哈尔滨市南岗区测绘路32号
14-5
1978
chi
出版文献量(篇)
11361
总下载数(次)
46
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导