[發(fā)明專利]基于k近鄰特征提取和深度學(xué)習(xí)的宅基地點(diǎn)云分類方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202011019957.2
• 申請(qǐng)日: 2020-09-25
• 公開(kāi)（公告）號(hào): CN112101278A
• 公開(kāi)（公告）日: 2020-12-18
• 發(fā)明（設(shè)計(jì)）人: 王懷採(cǎi);李修慶;李慶紅;趙健康;賴?guó)Q;徐靜冉;崔超
• 申請(qǐng)（專利權(quán)）人: 湖南盛鼎科技發(fā)展有限責(zé)任公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/34;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京奧文知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11534
• 代理人: 張文;苗麗娟

1.一種基于k近鄰特征提取和深度學(xué)習(xí)的宅基地點(diǎn)云分類方法，其特征在于，所述方法包括：

S1，采集數(shù)據(jù)集，數(shù)據(jù)集包括數(shù)量在預(yù)設(shè)值以上的宅基地點(diǎn)云，通過(guò)統(tǒng)計(jì)學(xué)方法進(jìn)行點(diǎn)云去噪，并將數(shù)據(jù)集劃分為訓(xùn)練集和測(cè)試集；

S2，對(duì)點(diǎn)云進(jìn)行分類，獲得帶標(biāo)簽的點(diǎn)云數(shù)據(jù)；

S3，使用最遠(yuǎn)點(diǎn)采樣對(duì)點(diǎn)云進(jìn)行下采樣，降低點(diǎn)云密度；

S4，基于香濃熵原理計(jì)算點(diǎn)云的最優(yōu)鄰域范圍，根據(jù)最優(yōu)鄰域范圍，逐點(diǎn)計(jì)算局部特征，通過(guò)反距離插值上采樣后構(gòu)建整個(gè)點(diǎn)云的特征矩陣；

S5，構(gòu)建全卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型，并使用訓(xùn)練集的特征矩陣進(jìn)行訓(xùn)練；

S6，使用神經(jīng)網(wǎng)絡(luò)對(duì)測(cè)試集中的數(shù)據(jù)進(jìn)行預(yù)測(cè)，對(duì)訓(xùn)練模型進(jìn)行驗(yàn)證。

2.根據(jù)權(quán)利要求1所述的基于k近鄰特征提取和深度學(xué)習(xí)的宅基地點(diǎn)云分類方法，其特征在于，步驟S1進(jìn)一步包括：

S101，利用無(wú)人機(jī)搭載激光雷達(dá)掃描待測(cè)量區(qū)域，通過(guò)點(diǎn)云解算獲得las文件；

S102，在TerraSolid上將采集的點(diǎn)云進(jìn)行分割，獲得預(yù)設(shè)尺寸的點(diǎn)云塊，按比例分出訓(xùn)練集和測(cè)試集；

S103，對(duì)每一塊點(diǎn)云進(jìn)行統(tǒng)計(jì)學(xué)濾波。

3.根據(jù)權(quán)利要求2所述的基于k近鄰特征提取和深度學(xué)習(xí)的宅基地點(diǎn)云分類方法，其特征在于，步驟S2進(jìn)一步包括：

S201，提取低點(diǎn)，低點(diǎn)為比實(shí)際地面低的錯(cuò)誤點(diǎn)；

S202，提取地面點(diǎn)；

S203，提取植被點(diǎn)和建筑物點(diǎn)；

S204，針對(duì)錯(cuò)誤分類的點(diǎn)，進(jìn)行人工修正。

4.根據(jù)權(quán)利要求3所述的基于k近鄰特征提取和深度學(xué)習(xí)的宅基地點(diǎn)云分類方法，其特征在于，步驟S3進(jìn)一步包括：

假設(shè)一共有n個(gè)點(diǎn)，整個(gè)點(diǎn)集為N＝{X₁,X₂,...,X_n}目標(biāo)是選取K個(gè)點(diǎn)；

S301，隨機(jī)選取一個(gè)點(diǎn)X_i作為起始點(diǎn)，并寫(xiě)入點(diǎn)集B＝{X_i}；

S302，選取剩下的n-1個(gè)點(diǎn)計(jì)算和X_i點(diǎn)的距離,選擇最遠(yuǎn)點(diǎn)X_j寫(xiě)入點(diǎn)集B＝{X_i,X_j}；

S303，選取剩下的n-2個(gè)點(diǎn)計(jì)算和點(diǎn)集B中每個(gè)點(diǎn)的距離，將最短的距離作為該點(diǎn)到點(diǎn)集的距離，這樣得到n-2個(gè)點(diǎn)到點(diǎn)集的距離，選取距離最大的點(diǎn)X_k，寫(xiě)入點(diǎn)集B＝{X_i,X_j,X_k}；

S304，重復(fù)上述步驟逐一選取剩下的點(diǎn)，選擇距離最遠(yuǎn)點(diǎn)寫(xiě)入點(diǎn)集B直至點(diǎn)集B中的點(diǎn)數(shù)等于k，結(jié)束迭代。

5.根據(jù)權(quán)利要求4所述的基于k近鄰特征提取和深度學(xué)習(xí)的宅基地點(diǎn)云分類方法，其特征在于，步驟S4進(jìn)一步包括：

S401，利用快速最近鄰算法逐點(diǎn)計(jì)算前k個(gè)最近鄰點(diǎn)；

S402，利用基于最小化香濃熵算法對(duì)鄰域大小進(jìn)行優(yōu)化求解；

S403，計(jì)算點(diǎn)云的局部特征，構(gòu)建特征矩陣，局部特征包括三維特征和二維特征；

S404，選用基于k鄰域的反距離插值算法對(duì)點(diǎn)云特征進(jìn)行差值，計(jì)算公式如下：

其中，p為加權(quán)冪指數(shù)，d(x,x_i)為該點(diǎn)和中心點(diǎn)的距離。