| 基于DBN的车载激光点云路侧多目标提取 |
| |
| 引用本文： | 罗海峰,方莉娜,陈崇成,黄志文. 基于DBN的车载激光点云路侧多目标提取[J]. 测绘学报, 2018, 47(2): 234-246. DOI: 10.11947/j.AGCS.2018.20170524 |
| |
| 作者姓名： | 罗海峰 方莉娜 陈崇成 黄志文 |
| |
| 作者单位： | 1. 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;2. 福州大学空间数据挖掘与信息共享教育部重点实验室, 福建 福州 350002;3. 福州大学福建省空间信息工程研究中心, 福建 福州 350002 |
| |
| 基金项目： | 国家自然科学基金(41501493)，福建省科技计划重点项目(2015H0015)，中国博士后科学基金(2017M610391)The National Natural Science Foundation of China(41501493)，The Science and Technology Key Program of Fujian Province(2015H0015)，The China Postdoctoral Science Foundation(2017M610391) |
| |
| 摘 要： | ![]()
提出一种基于深度信念网络（DBN）的车载激光点云路侧多目标提取方法。首先通过预处理对原始数据进行分段，并将地面和建筑物点云与路侧目标进行分离；然后利用连通分支聚类分析算法进行路侧点云聚类，并采用基于体素的归一化分割方法分割重叠点云，从而生成独立目标点云；在此基础上，生成基于多方向目标对象的二值图像并展开成二值向量作为独立目标点云的描述特征；最后构建并训练DBN，利用训练好的DBN提取行道树、车辆及杆状目标等3类路侧目标。试验采用两份不同城市道路场景的点云数据，行道树、车辆及杆状目标提取结果的准确率分别达97.31%、97.79%、92.78%，召回率分别达98.30%、98.75%和96.77%，精度分别达95.70%、93.81%和90.00%，F1值分别达97.80%、96.81%和94.73%。试验结果验证了本文的有效性。
|
| 关 键 词： | 车载激光点云 深度信念网络 深度学习 点云分割 路侧目标提取 |
| 收稿时间： | 2017-09-15 |
| 修稿时间： | 2017-11-27 |
Roadside Multiple Objects Extraction from Mobile Laser Scanning Point Cloud Based on DBN |
| |
| LUO Haifeng,FANG Lina,CHEN Chongcheng,Huang Zhiwen. Roadside Multiple Objects Extraction from Mobile Laser Scanning Point Cloud Based on DBN[J]. Acta Geodaetica et Cartographica Sinica, 2018, 47(2): 234-246. DOI: 10.11947/j.AGCS.2018.20170524 |
| |
| Authors: | LUO Haifeng FANG Lina CHEN Chongcheng Huang Zhiwen |
| |
| Affiliation: | 1. National Engineering Research Centre of Geospatial Information Technology, Fuzhou University, Fuzhou 350002, China;2. Key Laboratory of Spatial Data Mining and Information Sharing of Ministry of Education, Fuzhou University, Fuzhou 350002, China;3. Spatial Information Research Center of Fujian Province, Fuzhou University, Fuzhou 350002, China |
| |
| Abstract: | ![]()
|
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《测绘学报》浏览原始摘要信息 |
|
点击此处可从《测绘学报》下载全文 |
