基于改进ConvPoint模型的复杂山区LiDAR点云分类研究

Research on LiDAR Point Cloud Classification in Complex Mountainous Areas Based on Improved ConvPoint Model

针对地形变化大,植被覆盖度高的复杂山区点云数据量大、冗余信息多、信息丢失和采样比之间难以平衡等问题,基于深度学习方法和改进的ConvPoint模型实现了山区点云的智能分类。复杂山区点云数据的预处理,将数据划分为体素基于索引进行降采样,利用球树算法加速神经网络运行速度,使用数据增强的方式来增强模型的鲁棒性,采用了划分区域和加权随机下采样的方法来缩短模型的运行时间。最终点云分类的全局准确率达94.7%,平均准确率达60.4%,交并比达55.8%,体现了较好的分类效果。