MATLAB中的SVM图像分类代码 - pointCloudsClassification：利用SVM识别道路物体（如汽车、行人等）

简介：
本项目提供基于MATLAB的SVM算法实现对点云数据进行分类的代码，专注于从复杂的道路环境中识别和分类不同的交通参与者（包括但不限于汽车与行人）。通过此工具，研究人员可以更有效地分析自动驾驶场景下的物体检测问题。 这段文字描述了一个在MATLAB环境中实现的SVM（支持向量机）图像分类代码，名为pointCloudsClassification。该代码实现了Andrew E. Johnson 和 Martial Hebert撰写的论文中的解决方案，目标是识别代表道路上物体（行人、汽车等）的3D点云数据。 属性的选择依据了上述论文中给出的建议，并且使用有关于强度值、边界框以及散布度、线性度和表面度统计数据。由于一个类别的样本数量过多导致不平衡问题的存在，因此代码还包含了重新平衡类别人数的功能。“dish_area”文件夹内包含适用于菜式区域数据集进行二元分类使用的代码；此部分比较了高斯SVM, 线性SVM以及k-means算法的性能。而“lomita”文件夹则提供了多类别的分类代码，其中使用线性支持向量机，并且对一种策略与所有其他类别之间的对比进行了分析。 对于一对一类别的SVM模型训练时采用了两种超参数调整策略：在第一种情况下，为每个一对一的比较单独选择最佳超参数值；而在第二种（简化）的情况下，则在整个分类过程中采用统一的超参数设置。该代码是用于学校项目开发和应用的。