本文内容来源于《测绘通报》2024年第9期，审图号：GS京（2024）1659号
卫梦莎1, 龚云1, 张小宇2, 刘腾飞3
关键词：点云分类, 机器学习, GS-SVM, SMRF滤波算法, 激光雷达扫描
摘要 ：针对激光点云在弱光和低特征点环境的点云分割中过拟合问题,本文提出了一种基于网格搜索的多项式核最小二乘支持向量机(GS-SVM)点云分割算法,提取点云的多维特征,并分别对车辆、车道线和车库障碍物柱子等多维特征进行分类;采用多尺度精度评估指标验证特征选取的有效性并评估分割算法。结果表明,与文献中传统分类算法的柱子识别率80%和车辆识别率65%相比,基于多项式核函数的分类算法对柱子和车辆的识别率分别在75%和73%以上,提高了5%和8%;在使用其他两个核函数时,GS-SVM同样保持了优势。本文算法相对于常规算法有较强的稳健性,为其在弱光和地理特征点环境的点云分割问题提供了解决方案,丰富了激光雷达三维扫描的使用场景。
往期推荐
资讯
○ 南方测绘推荐 | 贵州大学罗俊：顾及邻域局部特征的车载点云城市道路提取
○ 南方测绘推荐 | 自然资源部第一地理信息制图院赵选博士：秦岭(陕西段)植被碳汇时空变化与气候关联性研究
○《测绘学报(英文版)》(JGGS) 成功入选“中国科技核心期刊”！
