机载激光雷达点云的阶层式分类

激光雷达是一种快速获得高密度高精度的三维数字地面信息的新技术。本文介绍了几种激光雷达数据过滤算法,提出了激光雷达点云数据的阶层式分类策略,并将基于航拍影像数据进行着色后的机载激光雷达点云数据作为研究对象,对其应用激光雷达数据过滤算法进行阶层式分类。实验结果表明,此种方法能有效地对大部分地物信息进行过滤和分类。

地面激光点云阶层式分类方法

针对不同地物之间点云特征的多样性和树木点云分布的无规律性,导致一般方法分类精度低的问题,提出一种基于对象的地面激光点云阶层式分类方法.首先采用欧氏距离聚类法将非地面点云分割;然后提出一种法向散乱系数计算方法,并用于树木的提取;最后结合点云对象的点个数、高程均值和平面拟合残差特征实现其他地物的分类.实验结果表明,该方法能有效地将复杂地物分类,相比于投影点密度法和支持向量机法分类精度更高.

激光雷达数据过滤算法开展阶层式分类研究

机载激光雷达系统主要采用离散的三维激光进行数据测量,从而获取一种数字表面模型,其中数据滤波能够快速获取数字高程模型,一直是机载激光雷达数据处理的重点研究方向,机载激光雷达技术在水文、地质以及军事等行业得到了快速的普及。基于此,本文对激光雷达数据的点云数据分类方法进行了详细的探讨和研究。

基于发音特征的汉语声调建模方法及其在汉语语音识别中的应用

发音特征表征了语音的发音方式信息,能够辅助传统的韵律特征改善声调建模的精度。在分析汉语声韵母发音特点的基础上,将发音方式划分为19类,并提出利用阶层式多层感知器计算语音信号属于各类的后验概率,作为发音特征。之后,将发音特征与传统的韵律特征一起用于声调建模。实验结果显示,加入发音特征后,在三种不同的建模方法下声调识别的准确率提升约5%。将声调模型融入大词表连续语音识别系统后,汉字错误率有了明显的下降。

类红外线影像在高乘载车辆侦测系统之应用研究

在高乘载车辆侦测系统中,运用类红外线传感器,以及雷射定位仪截取影像,采取自适应性增强以及阶层式分类器(AdaBoost+Cascade Classifier)的分类算法,进行影像识别。经实地测试,在自由车流下成功率达73.3%,可以证明高乘载车辆侦测系统的实用性。

基于机载激光雷达技术的城市三维数据建设

三维激光扫描技术获取的点云数据是目前世界上先进的测绘新技术成果之一,它不仅可以实现三维场景复制,而且与其他测绘技术手段相比,数据更丰富,精度更高。本文首先介绍了激光点云数据获取的原理,叙述了基于点云数据制作三维建筑体框模型和DEM的技术方案,进而详细讲解了点云数据处理和建立建筑物体框模型的流程。