顾及空间上下文关系的JointBoost点云分类及特征降维

针对较复杂场景的点云自动分类方法中目标类别为地面、植被、建筑物、电力塔、电力线等的问题，在对数据进行粗差剔除的基础上，首先归纳、定义了点云分类所需的关键特征，并利用JointBoost实现地物分类；同时，考虑到点云数据量大，其分类速度较慢，通过结合地物空间上的相互关联关系，提出一种序列化的点云分类及特征降维方法。该方法在保证分类精度的前提下，使分类所需特征维数降低，缩短了分类所需时间。激光扫描点云数据分类试验证明了该分类方法的有效性。...

Full description

Saved in:
Bibliographic Details
Published in:测绘学报 2013, Vol.42 (5), p.715-721
Main Author: 郭波 黄先锋 张帆 王晏民
Format: Article
Language:Chinese
Subjects:
Joi
LiDAR
ntBoost
点云分类
特征降维
空间上下文
Online Access:Get full text
Tags: Add Tag
No Tags, Be the first to tag this record!
cited_by
cites
container_end_page 721
container_issue 5
container_start_page 715
container_title 测绘学报
container_volume 42
creator 郭波 黄先锋 张帆 王晏民
description 针对较复杂场景的点云自动分类方法中目标类别为地面、植被、建筑物、电力塔、电力线等的问题，在对数据进行粗差剔除的基础上，首先归纳、定义了点云分类所需的关键特征，并利用JointBoost实现地物分类；同时，考虑到点云数据量大，其分类速度较慢，通过结合地物空间上的相互关联关系，提出一种序列化的点云分类及特征降维方法。该方法在保证分类精度的前提下，使分类所需特征维数降低，缩短了分类所需时间。激光扫描点云数据分类试验证明了该分类方法的有效性。
format article
fullrecord <record><control><sourceid>wanfang_jour_chong</sourceid><recordid>TN_cdi_wanfang_journals_chxb201305012</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><cqvip_id>47381419</cqvip_id><wanfj_id>chxb201305012</wanfj_id><sourcerecordid>chxb201305012</sourcerecordid><originalsourceid>FETCH-LOGICAL-c562-76ad9f4e380659326457f9f6b93cd8c1ac0d6055e5edc69534ca99ffd5449ce93</originalsourceid><addsrcrecordid>eNotzT1Lw0AcBvAMCpbaD-HgGLjL3f-SGzX4SsGle7hccm1EE00q6qj4UisiLopujo7SDm0D_TSJR76FkTo9y-95niWjgRHCJgYOK0YryyIfIaDEBsIbhlt9zsvnof6aVW_jYjIsJo8_r_fl7UiPcv1xs59EcX8zSbK-vp4Ws5dycKe_87_Cw7ScX1XvTzofrxrLShxlYes_m0Zne6vj7prtg509d6NtSmCWaTMRcEVD4iAGnFiMgq24Yj4nMnAkFhIFDAGEEAaScSBUCs6VCoBSLkNOmsb6YvZcxErEXe8wOUvj-tCTvQvfQpggQNiq3drCyV4Sd0-jWp6k0bFILz1qEwdTzMkvR3tlhw</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>顾及空间上下文关系的JointBoost点云分类及特征降维</title><source>Publicly Available Content Database</source><creator>郭波 黄先锋 张帆 王晏民</creator><creatorcontrib>郭波 黄先锋 张帆 王晏民</creatorcontrib><description>针对较复杂场景的点云自动分类方法中目标类别为地面、植被、建筑物、电力塔、电力线等的问题，在对数据进行粗差剔除的基础上，首先归纳、定义了点云分类所需的关键特征，并利用JointBoost实现地物分类；同时，考虑到点云数据量大，其分类速度较慢，通过结合地物空间上的相互关联关系，提出一种序列化的点云分类及特征降维方法。该方法在保证分类精度的前提下，使分类所需特征维数降低，缩短了分类所需时间。激光扫描点云数据分类试验证明了该分类方法的有效性。</description><identifier>ISSN: 1001-1595</identifier><language>chi</language><publisher>武汉大学测绘遥感信息工程国家重点实验室,湖北武汉,430079%北京建筑大学现代城市测绘国家测绘地理信息局重点实验室,北京,100044</publisher><subject>Joi ; LiDAR ; ntBoost ; 点云分类 ; 特征降维 ; 空间上下文</subject><ispartof>测绘学报, 2013, Vol.42 (5), p.715-721</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://image.cqvip.com/vip1000/qk/90069X/90069X.jpg</thumbnail><link.rule.ids>314,776,780,4009</link.rule.ids></links><search><creatorcontrib>郭波 黄先锋 张帆 王晏民</creatorcontrib><title>顾及空间上下文关系的JointBoost点云分类及特征降维</title><title>测绘学报</title><addtitle>Acta Geodaetica et Cartographica Sinica</addtitle><description>针对较复杂场景的点云自动分类方法中目标类别为地面、植被、建筑物、电力塔、电力线等的问题，在对数据进行粗差剔除的基础上，首先归纳、定义了点云分类所需的关键特征，并利用JointBoost实现地物分类；同时，考虑到点云数据量大，其分类速度较慢，通过结合地物空间上的相互关联关系，提出一种序列化的点云分类及特征降维方法。该方法在保证分类精度的前提下，使分类所需特征维数降低，缩短了分类所需时间。激光扫描点云数据分类试验证明了该分类方法的有效性。</description><subject>Joi</subject><subject>LiDAR</subject><subject>ntBoost</subject><subject>点云分类</subject><subject>特征降维</subject><subject>空间上下文</subject><issn>1001-1595</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2013</creationdate><recordtype>article</recordtype><recordid>eNotzT1Lw0AcBvAMCpbaD-HgGLjL3f-SGzX4SsGle7hccm1EE00q6qj4UisiLopujo7SDm0D_TSJR76FkTo9y-95niWjgRHCJgYOK0YryyIfIaDEBsIbhlt9zsvnof6aVW_jYjIsJo8_r_fl7UiPcv1xs59EcX8zSbK-vp4Ws5dycKe_87_Cw7ScX1XvTzofrxrLShxlYes_m0Zne6vj7prtg509d6NtSmCWaTMRcEVD4iAGnFiMgq24Yj4nMnAkFhIFDAGEEAaScSBUCs6VCoBSLkNOmsb6YvZcxErEXe8wOUvj-tCTvQvfQpggQNiq3drCyV4Sd0-jWp6k0bFILz1qEwdTzMkvR3tlhw</recordid><startdate>2013</startdate><enddate>2013</enddate><creator>郭波 黄先锋 张帆 王晏民</creator><general>武汉大学测绘遥感信息工程国家重点实验室,湖北武汉,430079%北京建筑大学现代城市测绘国家测绘地理信息局重点实验室,北京,100044</general><scope>2RA</scope><scope>92L</scope><scope>CQIGP</scope><scope>W94</scope><scope>~WA</scope><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>2013</creationdate><title>顾及空间上下文关系的JointBoost点云分类及特征降维</title><author>郭波 黄先锋 张帆 王晏民</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-LOGICAL-c562-76ad9f4e380659326457f9f6b93cd8c1ac0d6055e5edc69534ca99ffd5449ce93</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2013</creationdate><topic>Joi</topic><topic>LiDAR</topic><topic>ntBoost</topic><topic>点云分类</topic><topic>特征降维</topic><topic>空间上下文</topic><toplevel>online_resources</toplevel><creatorcontrib>郭波 黄先锋 张帆 王晏民</creatorcontrib><collection>维普_期刊</collection><collection>中文科技期刊数据库-CALIS站点</collection><collection>维普中文期刊数据库</collection><collection>中文科技期刊数据库-自然科学</collection><collection>中文科技期刊数据库- 镜像站点</collection><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>测绘学报</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>郭波 黄先锋 张帆 王晏民</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>顾及空间上下文关系的JointBoost点云分类及特征降维</atitle><jtitle>测绘学报</jtitle><addtitle>Acta Geodaetica et Cartographica Sinica</addtitle><date>2013</date><risdate>2013</risdate><volume>42</volume><issue>5</issue><spage>715</spage><epage>721</epage><pages>715-721</pages><issn>1001-1595</issn><abstract>针对较复杂场景的点云自动分类方法中目标类别为地面、植被、建筑物、电力塔、电力线等的问题，在对数据进行粗差剔除的基础上，首先归纳、定义了点云分类所需的关键特征，并利用JointBoost实现地物分类；同时，考虑到点云数据量大，其分类速度较慢，通过结合地物空间上的相互关联关系，提出一种序列化的点云分类及特征降维方法。该方法在保证分类精度的前提下，使分类所需特征维数降低，缩短了分类所需时间。激光扫描点云数据分类试验证明了该分类方法的有效性。</abstract><pub>武汉大学测绘遥感信息工程国家重点实验室,湖北武汉,430079%北京建筑大学现代城市测绘国家测绘地理信息局重点实验室,北京,100044</pub><tpages>7</tpages></addata></record>
fulltext fulltext
identifier ISSN: 1001-1595
ispartof 测绘学报, 2013, Vol.42 (5), p.715-721
issn 1001-1595
language chi
recordid cdi_wanfang_journals_chxb201305012
source Publicly Available Content Database
subjects Joi
LiDAR
ntBoost
点云分类
特征降维
空间上下文
title 顾及空间上下文关系的JointBoost点云分类及特征降维
url http://sfxeu10.hosted.exlibrisgroup.com/loughborough?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-24T04%3A06%3A36IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour_chong&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E9%A1%BE%E5%8F%8A%E7%A9%BA%E9%97%B4%E4%B8%8A%E4%B8%8B%E6%96%87%E5%85%B3%E7%B3%BB%E7%9A%84JointBoost%E7%82%B9%E4%BA%91%E5%88%86%E7%B1%BB%E5%8F%8A%E7%89%B9%E5%BE%81%E9%99%8D%E7%BB%B4&rft.jtitle=%E6%B5%8B%E7%BB%98%E5%AD%A6%E6%8A%A5&rft.au=%E9%83%AD%E6%B3%A2%20%E9%BB%84%E5%85%88%E9%94%8B%20%E5%BC%A0%E5%B8%86%20%E7%8E%8B%E6%99%8F%E6%B0%91&rft.date=2013&rft.volume=42&rft.issue=5&rft.spage=715&rft.epage=721&rft.pages=715-721&rft.issn=1001-1595&rft_id=info:doi/&rft_dat=%3Cwanfang_jour_chong%3Echxb201305012%3C/wanfang_jour_chong%3E%3Cgrp_id%3Ecdi_FETCH-LOGICAL-c562-76ad9f4e380659326457f9f6b93cd8c1ac0d6055e5edc69534ca99ffd5449ce93%3C/grp_id%3E%3Coa%3E%3C/oa%3E%3Curl%3E%3C/url%3E&rft_id=info:oai/&rft_id=info:pmid/&rft_cqvip_id=47381419&rft_wanfj_id=chxb201305012&rfr_iscdi=true