机器学习参与山区村落影像点云分类的研究

来源：激光技术杂志2024年第2期北京时间：

作者：李霞, 杨正维, 黄俊伟, 杨亚复, 高莎

摘要：为了利用点云技术更好地获取地表信息, 用无人机AA1300的内置光学镜头采集影像数据, 构建2-D的数字正射影像地图(DOM), 悬挂GS-1350N镜头采集3-D的激光雷达点云; 通过k最近邻法(KNN)、支持向量机法(SVM)和随机森林法(RF)来实现DOM分类, 用定量分析中精度高的方法分类3-D点云, 并进行了2-D和3-D的分类映射对比分析。结果表明, 2-D的DOM分类中, 相对于KNN和SVM, RF的kappa系数分别高3.74%和2.16%, 全局精度分别高4.04% 和2.88%;2-D的分类结果通过直接线性变换到3-D点云中, 可实现2-D和3-D的点云分类, 映射精度达94.15%;而在相同条件下, 相对于2-D/3-D点云映射, 直接3-D点云分类能更完整地呈现地物信息。3-D点云的精准分类对获取地表信息是有帮助的。

关键词：激光技术, 图像处理, 机器学习, 随机森林分类法, 高原山区乡村