激光点云深度学习的树种识别研究北大核心CSCD |
| |
引用本文: | 陈健昌,陈一铭,刘正军.激光点云深度学习的树种识别研究北大核心CSCD[J].遥感信息,2022(2):105-111. |
| |
作者姓名: | 陈健昌 陈一铭 刘正军 |
| |
作者单位: | 1.兰州交通大学测绘与地理信息学院730070;2.中国测绘科学研究院100036;3.地理国情监测技术应用国家地方联合工程研究中心730070;4.甘肃省地理国情监测工程实验室730070; |
| |
基金项目: | 国家重点研发计划项目(2018YFB0504504);国家自然科学基金项目(41730107);中国测绘科学研究院基本科研业务费项目(AR2104);兰州交通大学优秀平台项目(201806)。 |
| |
摘 要: | 针对激光雷达林业树种分类难以直接使用点云数据的问题,使用基于点云深度学习方法进行树种识别并提出PointNet-GS模型,无需将点云转为三维体素或二维图像,避免数据类型转换造成的特征丢失。以河北省塞罕坝机械林场的落叶松和白桦两个树种为研究对象。首先,将获取的点云数据进行数据预处理、单木分割,提取分割效果较好的单木作为样本;其次,将单木提取的样本进行几何下采样处理,保留更多局部特征便于网络模型学习;最后,将下采样处理的样本输入深度学习模型的网络,自动提取其高维特征进行学习,实现树种分类。实验结果表明,PointNet-GS树种分类精度达89.3%,Kappa系数为0.785,效果优于原始PointNet模型。
|
关 键 词: | 深度学习 激光雷达 点云 林业 树种分类 |
本文献已被 维普 等数据库收录! |
|