基于加权随机森林的机载LiDAR点云建筑物提取

DOI: https://doi.org/10.32629/gmsm.v3i3.761

洪绍轩, 袁枫, 齐吉婧

摘要

针对传统建筑物点云提取算法中先滤波后提取依赖滤波精度,离散点云组织方式与参数设置困难,泛化能力弱等问题,利用改进的加权随机森林模型对LiDAR点云建筑物进行提取。首先针对传统随机森林算法等权投票方式导致分类器整体性能下降的问题,对随机森林分类的投票预测模型进行改进,并实现基于改进的加权随机森林模型对LiDAR点云建筑物的粗提取,然后运用改进的迭代三角网方法对初始建筑物点云进行精确提取,最后利用栅格化连通性原则实现建筑物点云的单体分割。实验选取国际摄影测量与遥感协会提供的典型区域的LiDAR点云数据进行建筑物提取,并与传统随机森林算法进行建筑物提取进行比较,结果表明本文算法可以实现建筑物的高精度提取,验证了算法的可靠性与适用性。

关键词

机载LiDAR;建筑物提取;加权随机森林;单体化分割

参考

  1. 李德仁.展望大数据时代的地球空间信息学[J].测绘学报,2016,45(4):379-384.
  2. 赵宗泽.基于数学形态学的机载LiDAR点云建筑物区域提取[D].武汉:武汉大学,2016.
  3. Mohammad Awrangjeb, Mehdi Ravanbakhsh, Clive S, et al. Automatic detection of residential buildings using LIDAR data and multispectral imagery[J]. ISPRS Journal of Photogrammetry and Remote Sensing. 2010,(5).
  4. 汪禹芹.机载LiDAR点云数据的建筑物提取和模型规范化研究[D].南京:南京大学,2013.
  5. Gorte B. Segmentation of TIN-Structured Surface Models[J].
  6. 乔纪纲,陈明辉,艾彬,等.SVM用于LiDAR数据的地物分类[J].测绘通报,2013,(7):35-38.
  7. 孙杰,赖祖龙.利用随机森林的城区机载LiDAR数据特征选择与分类[J].武汉大学学报(信息科学版),2014,39(11):1310-1313.
  8. 熊艳,高仁强,徐战亚.机载LiDAR点云数据降维与分类的随机森林方法[J].测绘学报,2018,47(04):508-518.
  9. Guan H, Yu J, Li J, et al. Random Forests-based feature selection for land-use classification using LIDAR data and orthoimagery[J]. ISPRS - International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2012, XXXIX-B7: 203-208.
  10. Croux C, Joossens K, Lemmens A. Trimmed bagging[J]. Computational Statistics & Data Analysis, 2007, 52(1):362-368.
  11. 杨飚,尚秀伟.加权随机森林算法研究[J].微型机与应用,2016,35(03):28-30.
  12. 张良.基于多时相机载LiDAR数据的三维变化检测关键技术研究[D].武汉大学,2014.
  13. 王竞雪,洪绍轩.结合区域生长及主成分分析的机载LiDAR建筑物点云提取[J].信号处理,2018,34(09):1094-1104.
  14. 洪绍轩,王竞雪.结合OTSU与迭代三角网的机载LiDAR建筑物点云提取[J].遥感信息,2018,33(06):79-85.
  15. 李云帆,谭德宝,高广,等.双阈值Alpha-Shape算法提取点云建筑物轮廓研究[J].长江科学院院报,2016,33(11):1-4.
版权所有 © 2020 洪绍轩, 袁枫, 齐吉婧

Creative Commons License
此作品已接受知识共享署名-非商业性使用-禁止演绎 4.0国际许可协议的许可。

Refbacks

  • 当前没有refback。