基于尖τ型DS证据理论的机载LiDAR地物分类方法

马泽亮,杨风暴

(中北大学信息与通信工程学院,山西 太原 030051)

1 引 言

机载激光扫描与测距系统(Light Detection And Ranging,LiDAR)作为一种新兴主动式遥感技术,具有空间分辨率高、获取三维信息迅速等独特优势,广泛应用于森林树种分类[1],地物类别检测[2-3],三维城市建模[4-5]和自然灾害救援[6],而上述应用得以实现的必要保证是构造一种满足高精度要求,具有实时性的LiDAR数据地物分类算法。

现有的LiDAR数据地物分类方法主要是机器学习、深度学习和以证据推理为代表的多特征智能组合方法。机器学习和深度学习方法能够在大规模数据集训练的基础上,半自动或者全自动的识别地物。Hoang M N[7]等人运用支持向量机方法(SVM)实现了森林植被区域单株树木的提取；何曼芸[8]等人运用随机森林算法(RF)实现了城市地区建筑物点的提取；赵中阳[9]等人提出了一种基于多尺度特征和Point Net的深度神经网络模型,实现了复杂场景下LiDAR点云的自动分类。DS证据理论[10]作为处理不确定性问题的基本方法,通过构建信任分配函数描述不同分类特征与地物类别间的不确定关系,利用决策规则进行证据的合成,可以很好地处理不同特征数据间的复杂关系并且该过程不需要大量训练样本,能够大大提高算法运行效率,可以广泛应用于多种地物分类场景。冯裴裴[11]等结合模糊分布中的正态分布提出一种基于正态DS证据理论的LiDAR数据地物分类方法,将不同特征数据下的地物类别分布设为正态信任分配函数; Yang F B[12]等人基于DS证据理论,构造了一种线性信任分配函数,并利用分层组合框架对城市地物进行分类；……