检索结果-维普期刊中文期刊服务平台

一种基于高度差异的点云数据分类方法被引量：11: 1; 作者马东岭王晓坤李广云《测绘通报》 CSCD 北大核心 2018年第6期46-49,共4页; LiDAR点云数据存在数据量大、不易识别、不易处理的问题,为了解决上述问题,需要对点云数据进行分类处理。针对点云分类方法存在精度不高、处理过程复杂等难题,本文提出了一种基于高度差值的二次导数的建筑物、植被的点云分类方法,能够... 展开更多; 关键词 LiDAR点云数据点云数据分类高度差异建筑物植被; 在线阅读下载PDF 职称材料

机器学习算法的船舶激光雷达点云数据分类被引量：5: 2; 作者施亮邢俊鑫蔡艳婧《舰船科学技术》北大核心 2022年第17期140-143,共4页; 为提高对本船所处海域环境的感知能力,研究机器学习算法的船舶激光雷达点云数据分类方法。利用多旋翼无人机搭载激光雷达系统,获取船舶所处海域环境的点云数据,将其运用形态学滤波算法进行滤波处理,区分出点云数据中的非海洋点,使用灰... 展开更多; 关键词机器学习船舶激光雷达点云数据分类形态学滤波随机森林; 在线阅读下载PDF 职称材料

基于大数据技术的机载激光雷达点云分类与建模研究被引量：5: 3; 作者姚娟周远舟《激光杂志》北大核心 2019年第12期155-158,共4页; 针对传统机载激光雷达点云数据分类建模方法存在的占用内存较大、运行时间较长等问题,提出一种大数据技术的机载激光雷达点云分类与建模方法。首先对当前机载激光雷达点云分类与建模方研究现状进行分析,指出各种机载激光雷达点云分类与... 展开更多; 关键词机载激光雷达点机载激光雷达点云数据分类建模技术贝叶斯估计包围盒法集; 在线阅读下载PDF 职称材料

基于CNN-LSTM的激光回波水深测量算法研究: 4; 作者盛立李沛泽 +2 位作者徐杨睿边君楠梁琨《航天返回与遥感》北大核心 2025年第2期146-156,共11页; 水深测量对于海洋环境变化性质的研究至关重要。传统的激光测深算法可以快速处理回波信号,从而实现水深的反演。然而,受水体浑浊度以及水体深度的影响,部分区域内得到的激光回波信号会出现水底回波信号偏弱或水面、水底回波信号重叠的现... 展开更多; 关键词激光回波水深测量深度学习 CNN-LSTM 数据点分类; 在线阅读下载PDF 职称材料

机载LiDAR点云获取与高精度DEM建设关键技术探讨被引量：19: 5; 作者杨辉山雷丽珍《测绘通报》 CSCD 北大核心 2019年第3期124-127,共4页; 结合广东省机载LiDAR点云获取与高精度DEM建设项目,介绍了项目总体技术路线,针对项目难点,从设备选择、点云密度设计、植被覆盖密集山区数据获取方法、点云数据分类组合算法、空白区处理等5个方面的关键技术进行了探讨,并提出解决方案,... 展开更多; 关键词机载LIDAR DEM 点云密度数据获取点云数据分类; 在线阅读下载PDF 职称材料

基于机载LIDAR技术快速建立三维城市模型研究被引量：2: 6; 作者冯琰郭容寰程远达《上海城市规划》 2007年第5期54-57,共4页; 机载LIDAR技术作为一种方便、快捷、高效的三维数据获取方法,正在逐步得到广泛的认同。目前,机载LIDAR硬件和系统集成发展已比较完善,研究的重点主要集中在数据后处理及应用等方面。结合国际上最新研究进展,系统地介绍了机载LIDAR数据... 展开更多; 关键词机载LIDAR 三维城市模型三维数据获取数字表面模型点云数据分类和提取; 在线阅读下载PDF 职称材料

题名一种基于高度差异的点云数据分类方法被引量：11: 1; 作者马东岭王晓坤李广云; 机构信息工程大学导航与空天目标工程学院山东建筑大学测绘地理信息学院; 出处《测绘通报》 CSCD 北大核心 2018年第6期46-49,共4页; 基金山东省住房和城乡建设厅科技计划(2014KY004) 山东省艺术科学重点课题(2014082) 教育部人文社会科学研究规划基金(1ZYJAZH013); 文摘 LiDAR点云数据存在数据量大、不易识别、不易处理的问题,为了解决上述问题,需要对点云数据进行分类处理。针对点云分类方法存在精度不高、处理过程复杂等难题,本文提出了一种基于高度差值的二次导数的建筑物、植被的点云分类方法,能够高效、准确地将各类点云分离。利用该方法分离点云数据,首先通过Terra Solid软件对原始LiDAR点云数据进行初步处理,去除噪点并提取出地表点云,然后利用规则建筑和不规则植被高度差异上的二次导数不同,提取出可能是建筑物或植被的点,并利用高斯偏差估计模型为建筑物、植被点的分类提供阈值,最后利用断点统计模型将建筑物、植被点云补充完整。为证明这种方法的可行性和有效性,使用Autzen_Stadium地区的LiDAR点云数据进行点云分类试验,结果表明,该方法具有可行性好、分类效果好、处理自动化等优势。; 关键词 LiDAR点云数据点云数据分类高度差异建筑物植被; Keywords LiDAR point cloud data point cloud data classification elevation difference building vegetation; 分类号 P234.4 [天文地球—摄影测量与遥感]; 在线阅读下载PDF 职称材料

题名机器学习算法的船舶激光雷达点云数据分类被引量：5: 2; 作者施亮邢俊鑫蔡艳婧; 机构香港理工大学工程学院江苏省物联网与视觉智能处理工程技术研发中心; 出处《舰船科学技术》北大核心 2022年第17期140-143,共4页; 基金江苏省高校优秀中青年骨干教师境外研修计划项目(2018) 江苏商贸职业学院校级课题(SY20181211-19) 江苏商贸职业学院横向课题(HX2018013)。; 文摘为提高对本船所处海域环境的感知能力,研究机器学习算法的船舶激光雷达点云数据分类方法。利用多旋翼无人机搭载激光雷达系统,获取船舶所处海域环境的点云数据,将其运用形态学滤波算法进行滤波处理,区分出点云数据中的非海洋点,使用灰度共生矩阵提取非海洋点部分的纹理特征,据其采用机器学习算法中的随机森林算法,实现船舶激光雷达点云数据分类。实验结果表明:为获得较理想的船舶激光雷达点云数据滤波性能,需将该方法的结构元窗口设置为20 m;该方法所提取非海洋点部分的纹理特征具有较好的可分性,并且对非海洋点部分的分类全面性和准确性较高。; 关键词机器学习船舶激光雷达点云数据分类形态学滤波随机森林; Keywords machine learning warship lidar classification of point cloud data morphological filtering random forest; 分类号 TP75 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名基于大数据技术的机载激光雷达点云分类与建模研究被引量：5: 3; 作者姚娟周远舟; 机构铜仁学院大数据学院; 出处《激光杂志》北大核心 2019年第12期155-158,共4页; 基金黔教和KY[2017]318 黔科合基础[2018]1162; 文摘针对传统机载激光雷达点云数据分类建模方法存在的占用内存较大、运行时间较长等问题,提出一种大数据技术的机载激光雷达点云分类与建模方法。首先对当前机载激光雷达点云分类与建模方研究现状进行分析,指出各种机载激光雷达点云分类与建模方法的不足,然后引入大数据技术中的贝叶斯估计算法和包围盒法对机载激光雷达点云进行分类与建模,最后进行了机载激光雷达点云分类与建模的仿真测试,结果表明,方法提高了机载激光雷达点云分类精度,减少了机载激光雷达点云分类时间。; 关键词机载激光雷达点机载激光雷达点云数据分类建模技术贝叶斯估计包围盒法集; Keywords airborne lidar point cloud data classification modeling technology bayesian estimation bounding box method set; 分类号 TN297 [电子电信—物理电子学]; 在线阅读下载PDF 职称材料

题名基于CNN-LSTM的激光回波水深测量算法研究: 4; 作者盛立李沛泽徐杨睿边君楠梁琨; 机构中国人民解放军海军研究院华中科技大学电子信息与通信学院中国人民解放军多谱信息智能处理技术全国重点实验室; 出处《航天返回与遥感》北大核心 2025年第2期146-156,共11页; 基金国家自然科学基金(62175072) 多谱信息智能处理技术全国重点实验室开放基金(61421132306)。; 文摘水深测量对于海洋环境变化性质的研究至关重要。传统的激光测深算法可以快速处理回波信号,从而实现水深的反演。然而,受水体浑浊度以及水体深度的影响,部分区域内得到的激光回波信号会出现水底回波信号偏弱或水面、水底回波信号重叠的现象,给水深信息的提取带来了挑战。为了解决这些问题,文章提出一种CNN-LSTM深度学习模型:首先将组成激光回波的若干个bin值作为数据点,然后通过深度学习方法将这些数据点分类为水面点、水底点和噪声点,再根据水面点与水底点的坐标位置计算激光回波信号的水深信息。用中国南海的激光回波数据进行数据点分类与测深试验,试验结显示:该模型的分类精度达到97.62%,同时,计算激光回波信号的水深信息与真实数据相比,均方根误差(RMSE)仅为0.46 m,精度高于单独的CNN、LSTM以及1D FCN等模型。文章的研究为激光回波测深技术领域提供了一套良好的思路及方案。; 关键词激光回波水深测量深度学习 CNN-LSTM 数据点分类; Keywords laser echo bathymetry Deep Learning CNN-LSTM classification of data points; 分类号 TN958.98 [电子电信—信号与信息处理]; 在线阅读下载PDF 职称材料

题名机载LiDAR点云获取与高精度DEM建设关键技术探讨被引量：19: 5; 作者杨辉山雷丽珍; 机构广东省国土资源技术中心; 出处《测绘通报》 CSCD 北大核心 2019年第3期124-127,共4页; 文摘结合广东省机载LiDAR点云获取与高精度DEM建设项目,介绍了项目总体技术路线,针对项目难点,从设备选择、点云密度设计、植被覆盖密集山区数据获取方法、点云数据分类组合算法、空白区处理等5个方面的关键技术进行了探讨,并提出解决方案,为同类项目的设计与实施提供参考。; 关键词机载LIDAR DEM 点云密度数据获取点云数据分类; Keywords airborne LiDAR DEM point cloud density data acquisition point cloud data classification; 分类号 P23 [天文地球—摄影测量与遥感]; 在线阅读下载PDF 职称材料

题名基于机载LIDAR技术快速建立三维城市模型研究被引量：2: 6; 作者冯琰郭容寰程远达; 机构上海市测绘院上海市测绘院第二分院; 出处《上海城市规划》 2007年第5期54-57,共4页; 文摘机载LIDAR技术作为一种方便、快捷、高效的三维数据获取方法,正在逐步得到广泛的认同。目前,机载LIDAR硬件和系统集成发展已比较完善,研究的重点主要集中在数据后处理及应用等方面。结合国际上最新研究进展,系统地介绍了机载LIDAR数据的后处理过程,提出了一种实用的三维城市模型,实现了基于LIDAR数据三维城市模型的快速重建,使该技术能更好地服务于城市信息化建设。; 关键词机载LIDAR 三维城市模型三维数据获取数字表面模型点云数据分类和提取; Keywords Airborne LIDAR, 3DCM, 3D data acquisition, DSM, Point cloud, Data classification and extraction; 分类号 TU984 [建筑科学—城市规划与设计] P208 [天文地球—地图制图学与地理信息工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	一种基于高度差异的点云数据分类方法	马东岭王晓坤李广云	《测绘通报》 CSCD 北大核心	2018	11	在线阅读下载PDF 职称材料
2	机器学习算法的船舶激光雷达点云数据分类	施亮邢俊鑫蔡艳婧	《舰船科学技术》北大核心	2022	5	在线阅读下载PDF 职称材料
3	基于大数据技术的机载激光雷达点云分类与建模研究	姚娟周远舟	《激光杂志》北大核心	2019	5	在线阅读下载PDF 职称材料
4	基于CNN-LSTM的激光回波水深测量算法研究	盛立李沛泽徐杨睿边君楠梁琨	《航天返回与遥感》北大核心	2025	0	在线阅读下载PDF 职称材料
5	机载LiDAR点云获取与高精度DEM建设关键技术探讨	杨辉山雷丽珍	《测绘通报》 CSCD 北大核心	2019	19	在线阅读下载PDF 职称材料
6	基于机载LIDAR技术快速建立三维城市模型研究	冯琰郭容寰程远达	《上海城市规划》	2007	2	在线阅读下载PDF 职称材料