-
公开(公告)号:CN116597199B
公开(公告)日:2024-11-22
申请号:CN202310398248.7
申请日:2023-04-14
Applicant: 山东科技大学
IPC: G06V10/764 , G06V20/10 , G06V20/17 , G06V10/774 , G06V10/82 , G06N3/0499 , G06N3/047 , G06N3/048 , G06N3/08 , G01S7/48
Abstract: 本发明公开了基于机载LiDAR的点云树种分类方法及系统,方法包括:对待处理的原始点云进行地面滤波,得到目标区域的地面点;剔除地面点,得到非地面点云,对非地面点云进行高程归一化处理,得到林木点云;对林木点云进行分割,得到单木点云数据;基于单木点云数据,构建训练数据集和测试数据集;对单木点云数据进行切片,基于切片后的单木点云数据得到特征向量;构建分类神经网络,并采用训练数据集对分类神经网络进行训练,并基于训练好的分类神经网络对测试数据集进行树种分类,得到分类结果。可以从少量样本中挖掘深度特征差异,在抵抗种内样本特征噪声、增大种间样本特征方差等方面具有较高的优越性。
-
公开(公告)号:CN116597199A
公开(公告)日:2023-08-15
申请号:CN202310398248.7
申请日:2023-04-14
Applicant: 山东科技大学
IPC: G06V10/764 , G06V20/10 , G06V20/17 , G06V10/774 , G06V10/82 , G06N3/0499 , G06N3/047 , G06N3/048 , G06N3/08 , G01S7/48
Abstract: 本发明公开了基于机载LiDAR的点云树种分类方法及系统,方法包括:对待处理的原始点云进行地面滤波,得到目标区域的地面点;剔除地面点,得到非地面点云,对非地面点云进行高程归一化处理,得到林木点云;对林木点云进行分割,得到单木点云数据;基于单木点云数据,构建训练数据集和测试数据集;对单木点云数据进行切片,基于切片后的单木点云数据得到特征向量;构建分类神经网络,并采用训练数据集对分类神经网络进行训练,并基于训练好的分类神经网络对测试数据集进行树种分类,得到分类结果。可以从少量样本中挖掘深度特征差异,在抵抗种内样本特征噪声、增大种间样本特征方差等方面具有较高的优越性。
-