基于改进LBET和神经网络的机载LiDAR点云分类研究

论文摘要

本文针对多特征融合的机载LiDAR点云分类中,样本数据多和样本选取时存在误差,导致分类速度慢和分类结果精度较低的问题,提出了基于改进LBET(Learning Based on Eigenvalue Transition,LBET)和神经网络的机载LiDAR点云分类方法。该方法选取地面高度、修复后的反射强度、影像分类结果、回波信息、高程纹理共五种分类特征信息经过改进LBET模型分析生成二进制信号,获取地物标准二进制信号和模糊信号,然后使用BP(Back Propagation,BP)神经网络训练标准地物二进制信号和识别模糊信号实现点云分类。与多特征融合分类比较该方法的处理时间较快并且精度明显提高。本文的主要贡献有以下几点:(1)对点云分类特征分析和处理,反射强度受仪器和外界的影响产生错误的值,反射强度应用到点云分类中效果较差,本文根据高程和反射强度使用相似性聚类算法对点云反射强度修复,对点云的高程纹理分析上,本文使用新的方法还衡量高程纹理,对地面高度的获取上,使用点到DTM(Digital Terrain Model,DTM)的距离作为地面高度。(2)提出了改进LBET和BP神经网络融合的机载LiDAR点云分类方法。实验验证了单一神经网络和决策树模型分类的优点和缺陷。本文对两种模型的进行优化组合,根据点云分类特征信息置信区间为依据,对分类特征信息进行分割和重组,在此基础上利用BP神经网络最终完成点云分类。(3)利用Kappa系数对分类结果进行评定。通过对比多特征融合分类结果、TerraSolid分类结果及本文实验结果,验证本文分类方法的可靠性和有效性。(4)在开源点云数据处理软件CloudCompare的基础上,本文对提出的算法进行编程实现。程序的主要功能有:点云的导入与显示、反射强度的修复、点云与影像的配准融合、BP神经网络分类器等。实验结果表明,本文提出的算法能够将点云分类为高大的树、建筑物、低矮植物、裸露的地表和道路,且Kappa系数平均精度为87.3%。与多特征融合的神经网络分类方法比较,改进LBET和BP神经网络融合算法点云分类精度较高并且该方法的分类速度较快。

论文目录

• 摘要
• abstract
• 第一章 绪论
•   1.1 研究背景与意义
•   1.2 研究现状
•   1.3 研究内容及结构
•     1.3.1 研究内容
•     1.3.2 技术路线
•   1.4 论文组织结构
• 第二章 机载LiDAR系统原理及发展
•   2.1 机载LiDAR系统原理
•     2.1.1 激光扫描测距
•     2.1.2 GPS定位动态定位
•     2.1.3 INS姿态测量系统
•     2.1.4 成像设备
•     2.1.5 机载LiDAR系统对地定位原理
•   2.2 机载LiDAR系统测量数据组成及特点
•     2.2.1 机载LiDAR数据的组成
•     2.2.2 机载LiDAR技术的特点
•   2.3 机载LiDAR系统发展
•   2.4 本章小结
• 第三章 机载LiDAR点云分类特征信息
•   3.1 点云高程纹理特征
•   3.2 点云回波信息特征
•   3.3 点云反射强度特征
•   3.4 影像RGB特征
•   3.5 点云地面高度特征
•   3.6 本章小结
• 第四章 基于多特征融合的点云分类方法
•   4.1 基于决策树的分类
•     4.1.1 决策树分类原理
•     4.1.2 决策树分类
•     4.1.3 实验与分析
•   4.2 基于神经网络的分类
•     4.2.1 BP神经网络原理
•     4.2.2 BP神经网络分类
•     4.2.3 实验与分析
•   4.3 本章小结
• 第五章 改进LBET和神经网络的点云分类
•   5.1 LBET模型
•   5.2 改进LBET模型
•   5.3 改进LBET和BP神经网络融合
•   5.4 实验软件介绍
•     5.4.1 点云的索引方式
•     5.4.2 点云格式转换
•     5.4.3 点云转为栅格数据
•   5.5 实验与分析
•     5.5.1 实验步骤
•     5.5.2 实验成果分析
•   5.6 精度评定
•     5.6.1 混淆矩阵与Kappa系数评定
•     5.6.2 BP神经网络识别能力评定
•   5.7 本章小结
• 结论与展望
• 参考文献
• 致谢

文章来源

类型: 硕士论文

作者: 李晓天

导师: 姜刚

关键词: 机载,特征提取,数据融合,神经网络,分类

来源: 长安大学

年度: 2019

分类: 基础科学

专业: 自然地理学和测绘学

单位: 长安大学

分类号: P237

总页数: 67

文件大小: 4193K

下载量: 111