【翻译论文】A Multiscale and Hierarchical Feature Extraction Method for Terrestrial Laser Scanning Point Cloud Classification(2014)
地面激光扫描点云分类的多尺度分层特征提取方法
Zhen Wang, Liqiang Zhang
DOI: 10.1109/TGRS.2014.2359951
文章目录
摘要:
形状特征的有效提取是对地面激光扫描(TLS)点云进行准确高效分类的重要要求。然而,如何从嘈杂和不同密度的 TLS 点云中获得鲁棒和有区别的特征的挑战仍然存在。本文介绍了一种新颖的多尺度和分层框架,该框架描述了混乱城市场景的 TLS 点云的分类。在这个框架中,我们提出了多尺度和分层点簇(MHPC)。在 MHPC 中,点云首先被重新采样为不同的尺度。然后,将每个尺度的重采样数据集聚合成几个层次化的点簇,其中每个层次的所有尺度的点云称为点簇集。这种表示不仅解释了点云的多尺度属性,而且很好地捕捉了它们的层次结构。在 MHPC 的基础上,利用潜在狄利克雷分配 (LDA) 构造点簇的新特征。根据训练集训练 LDA 模型。 LDA 模型然后为点簇提取一组潜在主题,即主题的特征。最后,为了将引入的特征应用于点簇分类,我们在每个点簇集中训练一个 AdaBoost 分类器,并获得相应的分类器,将具有不同点密度和数据缺失的 TLS 点云分离到语义区域中。与其他方法相比,我们的特征在 TLS 点云中对建筑物、树木、人和汽车的分类效果最好,特别是对于小型和移动的物体,例如人和汽车。