分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2019-01-28 合作期刊: 《计算机应用研究》
摘要: 为了将神经网络应用于城区激光雷达点云数据分类,并且针对大规模点云数据训练过程中计算量大、耗时长的问题,改进原有Point-Net神经网络,加入了点云邻域特征的提取和分析,基于该神经网络提出了一种新的点云分类算法。通过网格化聚类和重采样压缩原始点云数据量,提取多尺度邻域点云数据,利用改进Point-Net完成对城区点云数据的分类,用不同地区数据验证本文分类算法。结果表明该算法分类效果良好,分类精度较高;数据训练过程中的计算量减少。因此,该算法能够对城区机载激光雷达数据实现有效分类。