多尺度特征和马尔可夫随机场模型的电力线场景点云分类法
  • 【DOI】

    10.11947/j.AGCS.2018.20170556

  • 【摘要】

    及时、准确地监测电力线安全可以预防危险情况的发生.本文以机载点云为研究对象,提出了一种基于随机森林后验概率的马尔可夫随机场模型,用于电力线场景的点云分类.首先结合空间金字塔理论构建多尺度视觉分类特征以此描述空间点及其邻域的几何形状信息;接着利用随机森林分类器描述观测数据的概率分布,基于马尔可夫随机场模型建立顾及上下文信息的先验概率,从而构建一个多标记能量函数;最后利用多标记图割技术最小化能量函数完... 展开>>及时、准确地监测电力线安全可以预防危险情况的发生.本文以机载点云为研究对象,提出了一种基于随机森林后验概率的马尔可夫随机场模型,用于电力线场景的点云分类.首先结合空间金字塔理论构建多尺度视觉分类特征以此描述空间点及其邻域的几何形状信息;接着利用随机森林分类器描述观测数据的概率分布,基于马尔可夫随机场模型建立顾及上下文信息的先验概率,从而构建一个多标记能量函数;最后利用多标记图割技术最小化能量函数完成分类标签优化.利用直升机巡线系统和小型无人机巡线系统获取的LiDAR点云数据来验证本文提出的模型.试验结果表明,该模型能够有效地分类场景中的电塔、电力线和植被且总分类正确率得到98%以上.与其他分类方法相比,本文提出的模型总体精度更高,尤其是电塔的分类优势明显. 收起<<

  • 【作者】

    杨俊涛  康志忠 

  • 【作者单位】

    中国地质大学(北京)土地科学技术学院

  • 【刊期】

    测绘学报 ISTIC EI PKU 2018年2期

  • 【关键词】

    随机森林  点云分类  多尺度特征  马尔可夫随机场  先验信息  random forest  point cloud classification  multi-scale features  Markov random field  prior knowledge 

  • 【基金项目】

    国家自然科学基金(41471360)The National Natural Science Foundation of China