基于信息向量机的机载激光雷达点云数据分类

摘要：

针对支持向量机应用于机载激光雷达(LiDAR)点云数据分类时存在的模型稀疏性弱、预测结果缺乏概率意义、训练时间长等缺点,提出一种基于信息向量机的LiDAR点云数据分类算法.该算法采取假定密度滤波算法进行近似逼近,将分类问题转化为回归问题;以最大后验微分熵为依据,选择LiDAR点云数据活动子集信息向量实现模型稀疏化;最后,通过边缘似然最大化进行核函数自适应获取,选择一对余分类方法实现了点云数据多类分类.利用Niagara地区和非洲某地区点云数据进行了对比实验.结果表明:与支持向量机方法相比,基于信息向量机分类方法的分类精度分别提高到94.20％和90.78％,基向量数量分别减少到50个和90个,训练时间分别降低到5.86 s和8.03 s.实验结果验证了基于信息向量机的点云数据分类算法具有训练速度快、模型稀疏性强、分类精度高等优点.

关键词：激光雷达测距(LiDAR)、点云、数据分类、高斯过程、信息向量机

所属期刊栏目：24

分类号：TP751.1;TN958.98(遥感技术)

资助基金：国家自然科学基金资助项目41371436

在线出版日期：2016-05-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：210-219