基于极限学习机的单木枝叶点云分类

论文摘要

[目的]在林业测量中,利用树木的三维激光点云数据提取其结构信息以及模型拟合三维重建较为普遍,而林木枝叶三维点云分割则是林木参数提取以及三维重建的前提。[方法]利用扫描的单木三维点云数据,提取了单木点云的空间特征、反射强度、RGB色彩特征等多维特征,为提高分类的效率,通过随机森林算法按照其特征重要程度排序,除去冗杂的特征,保留RGB色彩、反射强度、法向分布特征作为分割依据。采用极限学习机(Extreme Learning Machine,ELM)对训练样本进行学习,并对原始数据进行枝叶点云的分类识别试验,分类正确率达到98.99%。[结果]在同等试验条件下,分别采用BP(Back Propatation)神经网络、LVQ(Learning Vector Quantization)神经网络、决策树(Decision Tree)、朴素贝叶斯(Naïve Bayes Classifier,NBC)、支持向量机(Support Vector Machine,SVM)进行分类,分类,其正确率分别为94.30%、91.26%、96.95%、85.67%、98.16%。[结论]试验结果表明极限学习机的分类效果较好。

论文目录

文章来源

类型: 期刊论文

作者: 章又文,邢艳秋

关键词: 激光点云,枝叶点云分类,空间特征,色彩特征,随机森林,极限学习机

来源: 安徽农业科学 2019年05期

年度: 2019

分类: 农业科技,基础科学,信息科技

专业: 物理学,无线电电子学,自动化技术

单位: 东北林业大学森林作业与环境研究中心

分类号: TN249;TP181

页码: 237-240+246

总页数: 5

文件大小: 2264K

下载量: 129

相关论文文献

标签：激光点云论文;  枝叶点云分类论文;  空间特征论文;  色彩特征论文;  随机森林论文;  极限学习机论文;