基于k近邻特征提取和深度学习的宅基地点云分类方法

摘要

本发明公开了一种基于k近邻特征提取和深度学习的宅基地点云分类方法，包括：S1，采集数据集，数据集包括数量在预设值以上的宅基地点云，通过统计学方法进行点云去噪，并将数据集划分为训练集和测试集；S2，对点云进行分类，获得带标签的点云数据；S3，使用最远点采样对点云进行下采样，降低点云密度；S4，基于香浓熵原理计算点云的最优邻域范围，根据最优邻域范围，逐点计算局部特征，通过反距离插值上采样后构建整个点云的特征矩阵；S5，构建全卷积神经网络训练模型，并使用训练集的特征矩阵进行训练；S6，使用神经网络对测试集中的数据进行预测，对训练模型进行验证。本发明的方法可以提高宅基地确权效率。