期刊导航
期刊开放获取
vip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
顾及空间上下文关系的JointBoost点云分类及特征降维
被引量:
33
1
作者
郭波
黄先锋
+1 位作者
张帆
王晏民
《测绘学报》
EI
CSCD
北大核心
2013年第5期715-721,共7页
针对较复杂场景的点云自动分类方法中目标类别为地面、植被、建筑物、电力塔、电力线等的问题,在对数据进行粗差剔除的基础上,首先归纳、定义了点云分类所需的关键特征,并利用JointBoost实现地物分类;同时,考虑到点云数据量大,其分类速...
针对较复杂场景的点云自动分类方法中目标类别为地面、植被、建筑物、电力塔、电力线等的问题,在对数据进行粗差剔除的基础上,首先归纳、定义了点云分类所需的关键特征,并利用JointBoost实现地物分类;同时,考虑到点云数据量大,其分类速度较慢,通过结合地物空间上的相互关联关系,提出一种序列化的点云分类及特征降维方法。该方法在保证分类精度的前提下,使分类所需特征维数降低,缩短了分类所需时间。激光扫描点云数据分类试验证明了该分类方法的有效性。
展开更多
关键词
LIDAR
点云分类
Joi
ntboost
空间上下文
特征降维
在线阅读
下载PDF
职称材料
题名
顾及空间上下文关系的JointBoost点云分类及特征降维
被引量:
33
1
作者
郭波
黄先锋
张帆
王晏民
机构
武汉大学测绘遥感信息工程国家重点实验室
北京建筑大学现代城市测绘国家测绘地理信息局重点实验室
出处
《测绘学报》
EI
CSCD
北大核心
2013年第5期715-721,共7页
基金
国家973计划(2011CB707001)
国家自然科学基金(41001308
41071291)
文摘
针对较复杂场景的点云自动分类方法中目标类别为地面、植被、建筑物、电力塔、电力线等的问题,在对数据进行粗差剔除的基础上,首先归纳、定义了点云分类所需的关键特征,并利用JointBoost实现地物分类;同时,考虑到点云数据量大,其分类速度较慢,通过结合地物空间上的相互关联关系,提出一种序列化的点云分类及特征降维方法。该方法在保证分类精度的前提下,使分类所需特征维数降低,缩短了分类所需时间。激光扫描点云数据分类试验证明了该分类方法的有效性。
关键词
LIDAR
点云分类
Joi
ntboost
空间上下文
特征降维
Keywords
LiDAR
point cloud classification
Joi
ntboost
~ spatial context~ feature reduction
分类号
P237 [天文地球—摄影测量与遥感]
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
顾及空间上下文关系的JointBoost点云分类及特征降维
郭波
黄先锋
张帆
王晏民
《测绘学报》
EI
CSCD
北大核心
2013
33
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部