| 基于LightGBM的车载激光点云电力线快速提取方法 |
| |
| 作者姓名： | 蒋鑫吴 赵志远 方莉娜 沈贵熙 |
| |
| 作者单位： | 福州大学数字中国研究院(福建),福建福州350002;福州大学地理空间信息技术国家地方联合工程研究中心,福建福州350002;空间数据挖掘与信息共享教育部重点实验室,福建福州350002;福州大学数字中国研究院(福建),福建福州350002;福州大学地理空间信息技术国家地方联合工程研究中心,福建福州350002;空间数据挖掘与信息共享教育部重点实验室,福建福州350002;福州大学数字中国研究院(福建),福建福州350002;福州大学地理空间信息技术国家地方联合工程研究中心,福建福州350002;空间数据挖掘与信息共享教育部重点实验室,福建福州350002;福州大学数字中国研究院(福建),福建福州350002;福州大学地理空间信息技术国家地方联合工程研究中心,福建福州350002;空间数据挖掘与信息共享教育部重点实验室,福建福州350002 |
| |
| 摘 要： | 以车载激光点云数据为对象,提出一种基于轻型梯度增强学习器LightGBM(Light Gradient Boosting Machine)的电力线快速提取方法。该方法首先分析车载激光点云邻域范围内电力线和其他地物类型的基本特征,构建描述电力线点云的特征向量;其次训练基于LightGBM模型的电力线点云分类器,用于提取车载激光点云中的电力线;最后选择3个车载激光点云数据集对该方法的有效性进行了测试。实验结果表明:所提方法的分类效果与最优的梯度提升决策树GBDT(Gradient Boosting Decision Tree)算法持平,但时间效率上有显著提升,仅为GBDT方法的27.29%。同时,所提出的算法能够从海量的车载激光点云中快速提取电力线,可以用于支撑城市中电力线巡查与改造应用需求,具有重要的实践意义。
|
| 关 键 词： | LightGBM模型 集成学习 电力线 车载激光点云 梯度提升决策树 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
