| 利用迁移学习的机载激光雷达点云分类 |
| |
| 引用本文： | 赵传,张保明,余东行,郭海涛,卢俊.利用迁移学习的机载激光雷达点云分类[J].光学精密工程,2019,27(7):1601-1612. |
| |
| 作者姓名： | 赵传 张保明 余东行 郭海涛 卢俊 |
| |
| 作者单位： | 战略支援部队信息工程大学 地理空间信息学院,河南 郑州,450001;战略支援部队信息工程大学 地理空间信息学院,河南 郑州,450001;战略支援部队信息工程大学 地理空间信息学院,河南 郑州,450001;战略支援部队信息工程大学 地理空间信息学院,河南 郑州,450001;战略支援部队信息工程大学 地理空间信息学院,河南 郑州,450001 |
| |
| 基金项目： | 国家自然科学基金资助项目;地理信息工程国家重点实验室开放基金资助项目 |
| |
| 摘 要： | 为解决现有机载激光雷达点云分类方法存在难以在获得较高精度的点云分类结果的同时降低分类过程所需时间等问题,提出了一种利用迁移学习的机载激光雷达点云分类方法。首先,计算点云的归一化高程、强度和法向量三个特征,通过设置不同邻域大小,利用所提出的点云特征图生成策略生成多尺度点云特征图;然后,利用预训练的深度残差网络从每个点的多尺度点云特征图提取其多尺度深度特征;最后,为了实现快速地训练,构建仅包含两层全连接神经网络模型,再利用训练好的模型对点云进行分类。两组ISPRS提供的标准点云数据集的试验结果表明:提出的方法所需训练时间少,分类结果的整体精度为89.6%,较ISPRS官网上所报道的最佳点云方法分类精度高4.4%。分类结果可为机载激光雷达点云的后续处理与应用提供可靠的信息。
|
| 关 键 词： | 迁移学习 特征图 分类 机载激光雷达点云 |
Airborne LiDAR point cloud classification using transfer learning |
| |
| ZHAO Chuan,ZHANG Bao-ming,YU Dong-hang,GUO Hai-tao,LU Jun.Airborne LiDAR point cloud classification using transfer learning[J].Optics and Precision Engineering,2019,27(7):1601-1612. |
| |
| Authors: | ZHAO Chuan ZHANG Bao-ming YU Dong-hang GUO Hai-tao LU Jun |
| |
| Affiliation: | (Institute of Surveying and Mapping, Strategic Support Force Information Engineering University, Zhengzhou 450001, China) |
| |
| Abstract: | ZHAO Chuan;ZHANG Bao-ming;YU Dong-hang;GUO Hai-tao;LU Jun(Institute of Surveying and Mapping, Strategic Support Force Information Engineering University, Zhengzhou 450001, China) |
| |
| Keywords: | transfer learning feature image classification airborne LiDAR point cloud |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
