典型文献
一种基于机载LiDAR数据的山区道路提取方法
文献摘要：
为了解决基于机载激光雷达(LiDAR)点云提取道路时多重特征阈值设定难、普适性低的问题,采用了随机森林分类模型提取道路点云进而获得道路中心线的方法.首先使用渐进加密三角网滤波获取地面点云,根据山区道路特性,计算地面点云各点在邻域范围的坡度、粗糙度、高差方差、点密度及反射强度,组成点的分类特征;随后手动采集正负样本训练点云随机森林分类模型,将地面点云通过模型分类得到初始道路点云;再通过基于密度的噪声应用空间聚类算法去除噪声点精化道路点云;最后矢量化道路点云获取道路中心线.结果表明,以Entiat River地区山区LiDAR点云数据进行实验验证,道路点云提取的正确率达到95.29％,完整率达到92.96％,提取质量达到88.88％.该方法能解决多重阈值难以确定的问题,能较高精度地提取到山区道路点云,进而获取有效道路中心线,对山区道路信息的研究有一定的参考价值.
文献关键词：
激光技术;山区道路;随机森林;激光雷达点云;基于密度的噪声应用空间聚类算法
中图分类号：
作者姓名：
刘国栋;刘佳;刘浪
作者机构：
重庆交通大学 土木工程学院,重庆400074
文献出处：
引用格式：
[1]刘国栋;刘佳;刘浪-.一种基于机载LiDAR数据的山区道路提取方法)[J].激光技术,2022(04):466-473
A类：
道路特性,Entiat,多重阈值
B类：
LiDAR,山区道路,道路提取,机载激光雷达,点云提取,取道,随机森林分类,分类模型,道路点云,得道,道路中心线,渐进加密三角网滤波,地面点云,邻域,粗糙度,高差,点密度,反射强度,分类特征,后手,正负样本,样本训练,训练点,模型分类,基于密度的噪声应用空间聚类算法,除噪声,噪声点,精化,矢量化,River,点云数据,难以确定,取到,激光技术,激光雷达点云
AB值：
0.284739
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
