关键词:
点云
建筑物
OPTICS
种子点优化
分类策略
摘要:
针对机载LiDAR城市点云建筑物和相邻植被容易错分的问题,提出了一种基于W-OPTICS改进超体素分割的机载LiDAR建筑物点云分类方法。通过融合体素内部点云特征差异与密度特性构建自适应权值,提出W-OPTICS算法对初始种子体素进行偏移,使得优化后种子体素兼具空间局部相似性和高密度特性,解决在建筑与相邻地类邻接处种子点随机选取导致的跨边界错分问题,结合主成分分析算法聚合关键特征后,通过支持向量机实现建筑物分类。实验结果表明:针对Vaihingen数据集,本文方法的完整率、正确率、检测质量分别达到95.0%、94.0%、89.6%,相比原始超体素方法分别提高1.7%、4.2%、5.3%,建筑物与相邻地类错分和漏分情况得到明显改善;针对实测点云数据,本文方法各项精度指标优于经典超体素方法与TerraSolid自动分类结果,验证了本文算法在建筑物分类上的稳定性和鲁棒性。