蔡湛
- 作品数：4 被引量：19H指数：2
- 供职机构：武汉大学遥感信息工程学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：天文地球电气工程电子电信更多>>
- 基于SVM的机载LiDAR数据电力线提取方法被引量：12
- 2019年
- 针对数字电网巡线日益增长的需求,机载Li DAR为数字巡线提供了一种新的方式,电力线又是数字电网建设的关键。SVM算法是一种机器学习算法,基于SVM算法,提出一种机载Li DAR提取电力线的方法,并研究了点云密度和电力线提取精度之间的关系。首先提取9个特征构建特征空间,然后实验确定最优的分类参数和邻域半径训练分类器,利用分类器对电力线进行提取,最后采用区域增长的方法,对误分类的碎片进行剔除。通过不同的数据对提出的方法进行了检验,最终电力线的提取比率均达到99. 8%以上,Kappa系数均达到0. 99以上,实验结果证明该方法可以实现电力线快速、高精度地提取。
- 梁安祺马洪超蔡湛
- 关键词：机载激光雷达电力线支持向量机
- 一种顾及几何约束的机载LiDAR点云建筑物轮廓线提取方法
- 2025年
- 建筑物是城市区域的主要地物之一。建筑物轮廓线的有效提取对于建筑物三维建模十分重要。机载激光雷达技术是近年来较为新颖的直接获取地表信息的手段,用其生成的点云数据可直接提取建筑物轮廓线。针对点云数据提取轮廓线中阈值半径不易控制的问题,提出一种直接从机载激光雷达点云数据提取建筑物轮廓线的方法。首先,进行建筑物轮廓点提取,利用三角函数和斜率来获取初始轮廓点;然后采用多项式和最小二乘原理对轮廓线进行拟合;接着进行轮廓线规则化和轮廓线扩展;最后计算角点。根据实验结果得到的角点中误差可知,该方法能够准确地从点云数据中提取完整的建筑物轮廓线。
- 石义煌蔡湛
- 关键词：机载激光雷达
- 基于分组LM算法的全波形LiDAR高斯分解被引量：6
- 2016年
- LM(Levenberg-Marquardt)算法是全波形机载激光雷达(Li DAR)数据高斯分解中求解模型参数的一种方法。针对其结果在一定程度上依赖初值、雅克比矩阵出现非数值导致无结果等问题,本文提出分组LM算法,以广义高斯混合函数为模型,模型参数初始化后,将参数分组并使用LM算法依次对各组参数进行优化,并生成点云。为验证结果的可靠性,以系统点云为参考,与基于改进的EM(Expectation Maximum)算法全波形分解法做对比。结果表明,本方法不仅得到较高质量的点云,而且得到回波位置和宽度等信息。
- 王素元马洪超王杰栋蔡湛周薇薇赵璐颖
- 基于互信息的机载LiDAR点云自动滤波处理特征选择被引量：1
- 2018年
- 随着机器学习的发展,在LiDAR滤波处理中找到一个适用于所有地形的高效高精度滤波算法是我们一直追求的目标。现在,越来越多的学者致力于提取多个特征进行滤波计算。在选择的特征中难免出现冗余等现象,影响计算效率和滤波精度。本文基于机载激光雷达特有的高程精度优势,采用高程互信息作为测度去判断所选择特征的优劣。经过实验,验证了本文所用方法能够有效剔除自动滤波选特征中的冗余特征。
- 赵璐颖马洪超蔡湛
- 关键词：互信息滤波机载LIDAR
