车载激光点云中行道树及属性信息提取

论文摘要

由于地物遮挡、数据残缺、噪声等因素的影响,从车载激光扫描数据中提取行道树及其属性信息具有一定难度。针对此问题,提出了一种基于随机森林和车载激光点云数据的行道树及属性信息提取方法。首先,从多角度构建点云特征向量,利用随机森林对特征重要性进行度量和排序,选择对分类起积极作用的特征子集作为训练样本;其次,利用随机森林构建预测模型并对点云进行分类,提取行道树点云;最后,通过基于密度的聚类算法获取单株行道树,并以单株行道树为数据处理单元获取其树高、胸径、冠幅等属性信息。实验结果表明,使用该方法提取的行道树及其属性信息均呈现出较高精度,验证了本文方法的有效性。

论文目录

文章来源

类型: 期刊论文

作者: 王冬,张焱,姜俊奎

关键词: 车载激光点云,行道树提取,特征选择,随机森林,密度聚类算法

来源: 中国科技论文 2019年05期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 公路与水路运输,计算机软件及计算机应用,自动化技术

单位: 山东科技大学测绘科学与工程学院

基金: 山东省优秀中青年科学家科研奖励基金资助项目(BS2012DX033)

分类号: TP181;TP311.13;U418.9

页码: 510-517

总页数: 8

文件大小: 643K

下载量: 169

相关论文文献

标签：车载激光点云论文;  行道树提取论文;  特征选择论文;  随机森林论文;  密度聚类算法论文;