[发明专利]融合多层级渐进策略和非监督学习的地面点云提取方法有效
| 申请号： | 201910023657.2 | 申请日： | 2019-01-10 |
| 公开（公告）号： | CN109754020B | 公开（公告）日： | 2020-08-04 |
| 发明（设计）人： | 惠振阳;鲁铁定;王乐洋;聂运菊 | 申请（专利权）人： | 东华理工大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06T5/00;G06T7/50 |
| 代理公司： | 武汉维创品智专利代理事务所(特殊普通合伙) 42239 | 代理人： | 余丽霞 |
| 地址： | 344000*** | 国省代码： | 江西;36 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种融合多层级渐进策略和非监督学习的地面点云提取方法，包括以下步骤：S1，获取点云数据并进行噪声去除；S2，采用高斯混合模型实现点云自动聚类方法；S3，自动获取并标记地面点、地物点训练样本；S4，计算点云特征向量并采用SVM方法建立训练模型，并利用训练得到的SVM模型对LiDAR点云进行分类；S5，采用置信区间估计理论自动识别并剔除非地面点；S6，重复执行步骤S2至S5，直到点云中不存在地物点为止。本发明采用多层级渐进策略，实现地面点云提取结果由粗到精变化，增强方法的鲁棒性，且实现地面点云自动化提取，避免复杂的参数调节。 | ||
| 搜索关键词： | 融合 多层 渐进 策略 监督 学习 面点 提取 方法 | ||
【主权项】：
1.一种融合多层级渐进策略和非监督学习的地面点云提取方法，其特征在于，包括以下步骤：S1，获取点云数据并进行噪声去除；S2，采用高斯混合模型实现点云自动聚类方法；S3，自动获取并标记地面点、地物点训练样本；S4，计算点云特征向量并采用SVM方法建立训练模型；S5，采用置信区间估计理论自动识别并剔除非地面点；S6，重复执行步骤S4和S5，直到点云中不存在地物点为止。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于东华理工大学，未经东华理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910023657.2/，转载请声明来源钻瓜专利网。
