一种运用PCA的深度学习激光点云分类方法

黄五超，韩 玲，黄勃学，杨朝辉

(长安大学地质工程与测绘学院，陕西 西安 710061)

0 引 言

激光雷达是一种集全球定位系统、惯性导航系统和点云获取技术为一体的成熟高新技术。随着激光雷达技术的不断发展，三维点云数据已经被广泛应用于测绘、遥感等领域[1]。点云数据的获取，不会受到天气、光照等外界因素的影响，并且具有丰富的三维空间信息。除此之外机载激光雷达数据还包括回波次数、回波强度、RGB等信息，这将有利于点云数据的应用。激光点云数据的分类是点云数据信息的获取和三维模型重建的关键技术，通过点云分类可将点分为地面点、植被和建筑物等多个类别。其中，地面点可以用于地貌分析和工程技术设计，建筑物类可以用来进行城市三维建模和用于智慧城市的建设，植被类可以用于城市的绿地规划和设计，还可用来进行林业调查。因此，设计一种准确的机载激光点云分类方法具有极其重要的实际价值并且也具有极大的理论意义。近年来随着深度学习的不断发展，研究者已经用深度学习网络来对点云数据进行分类。深度学习作为机器学习的分支，也与其有诸多共同之处，通过多层神经网络逐层抽象得到特征，并不需要人工提取特征，这在一定程度上减少了研究者的工作量。在2017年由Qi等人[2]提出了Point-Net神经网络，可以直接输入点云数据进行分类处理，避免信息丢失。这为点云分类带来了新的方法，该算法既具有深度学习的优势，也避免了传统机器学习算法的不足。……