基于LightGBM的车载激光雷达点云分类

车载激光扫描系统获取的海量三维点云自动分类对目标识别和重建有着重要意义，传统点云分类需要人工干预，而现有的自动分类算法大多存在分类准确率低和运算成本高等问题。对此，提出了一种基于LightGBM模型的车载点云自动分类方法，该方法首先计算点云的表面变化三维特征、密度特征、高程特征以及快速点特征直方图，并计算点云法向量与其邻域点的法向量夹角及与水平面的夹角作为约束特征，将所有结果合并得到48维特征向量，然后构建LightGBM模型对点云特征向量训练完成分类预测。试验表明该算法能够准确高效地完成车载雷达点云的自动分类，比对照组算法总精度平均提高8.1%,Kappa系数平均提高18.9%,计算时间平均减少73.7%。