【读论文】机载LiDAR点云数据降维与分类的随机森林方法(2018)

机载LiDAR点云数据降维与分类的随机森林方法(2018)

熊 艳 高仁强

摘要：
探索自动化的激光点云分类方法对于三维建模、城市土地分类、DEM制图等应用具有重要作用。考虑到现有的点云分类算法****在提取依赖邻域结构的特征参数时面临邻域尺度的选择难、数据维度高、计算复杂，并且缺乏对分类特征参数的重要性评估和选择等问题，本文提出了基于随机森林的机载LiDAR点云数据降维与分类方法。在分析点云数据的高程、回波、强度等属性特征的基础上，提取归一化高度、高度统计量、表面特征、空间分布特征、回波特征及强度特征６大类特征参数，并构建多尺度特征参数，运用随机森林的特征选择算法对分类特征集进行优化，然后进行点云分类。试验结果表明，基于随机森林的特征选择方法可以有效地降低特征维度，并且使得总体分类精度达到94.3％（Kappa系数为0.922），相比于使用全部特征分类和SVM分类方法而言，该方法的总体分类精度均有一定程度的提高；特征的重要性度量结果表明，归一化高度特征在点云分类中所起的作用最大。

关键词：
机载激