基于神经网络的城市机载激光雷达点云分类方法

简介：
本研究提出了一种创新性的城市机载激光雷达点云分类方法，采用深度学习中的神经网络技术，显著提高了在复杂城市环境中点云数据的分类精度和效率。该方法为智慧城市建设和三维地理信息系统的开发提供了强有力的数据支持和技术保障。 为了将神经网络应用于城区激光雷达点云数据分类，并解决大规模点云数据训练过程中计算量大、耗时长的问题，我们改进了原有的PointNet神经网络，在其中加入了对点云邻域特征的提取与分析，提出了一种新的点云分类算法。通过网格化聚类和重采样来压缩原始点云的数据量，进而提取多尺度邻域内的点云数据，并利用改进后的PointNet完成城区激光雷达数据的分类任务。实验结果显示，该算法具有良好的分类效果及较高的精度；同时在训练过程中显著减少了计算量，能够有效应对城市机载激光雷达数据的复杂性。