机器学习参与山区村落影像点云分类的研究

为了利用点云技术更好地获取地表信息,用无人机AA1300的内置光学镜头采集影像数据,构建2-D的数字正射影像地图(DOM),悬挂GS-1350N镜头采集3-D的激光雷达点云;通过k最近邻法(KNN)、支持向量机法(SVM)和随机森林法(RF)来实现DOM分类,用定量分析中精度高的方法分类3-D点云,并进行了2-D和3-D的分类映射对比分析。结果表明,2-D的DOM分类中,相对于KNN和SVM,RF的kappa系数分别高3.74%和2.16%,全局精度分别高4.04%和2.88%;2-D的分类结果通过直接线性变换到3-D点云中,可实现2-D和3-D的点云分类,映射精度达94.15%;而在相同条件下,相对于2-D/3-D点云映射,直接3-D点云分类能更完整地呈现地物信息。3-D点云的精准分类对获取地表信息是有帮助的。