-
题名基于极限学习机的单木枝叶点云分类
- 1
-
-
作者
章又文
邢艳秋
-
机构
东北林业大学森林作业与环境研究中心
-
出处
《安徽农业科学》
CAS
2019年第5期237-240,246,共5页
-
文摘
[目的]在林业测量中,利用树木的三维激光点云数据提取其结构信息以及模型拟合三维重建较为普遍,而林木枝叶三维点云分割则是林木参数提取以及三维重建的前提。[方法]利用扫描的单木三维点云数据,提取了单木点云的空间特征、反射强度、RGB色彩特征等多维特征,为提高分类的效率,通过随机森林算法按照其特征重要程度排序,除去冗杂的特征,保留RGB色彩、反射强度、法向分布特征作为分割依据。采用极限学习机(Extreme Learning Machine,ELM)对训练样本进行学习,并对原始数据进行枝叶点云的分类识别试验,分类正确率达到98.99%。[结果]在同等试验条件下,分别采用BP(Back Propatation)神经网络、LVQ(Learning Vector Quantization)神经网络、决策树(Decision Tree)、朴素贝叶斯(Naïve Bayes Classifier,NBC)、支持向量机(Support Vector Machine,SVM)进行分类,分类,其正确率分别为94.30%、91.26%、96.95%、85.67%、98.16%。[结论]试验结果表明极限学习机的分类效果较好。
-
关键词
激光点云
枝叶点云分类
空间特征
色彩特征
随机森林
极限学习机
-
Keywords
Laser point clouds
Branch and leaf cloud classification
Space feature
Color feature
Random forest
Extreme learning machine
-
分类号
S126
[农业科学—农业基础科学]
-
