一种结合区域生长和随机森林的点云分类方法

摘要

本发明提出一种结合区域生长和随机森林的点云分类方法，利用区域生长算法对训练集的机载LiDAR点云数据进行分割，得到若干个分割面片；提取分割面片特征；基于特征重要性及不同特征组合的袋外误差确定最优特征组合，实现随机森林分类器的特征选择；利用最优特征组合对随机森林分类器进行训练，并将其用于测试数据集的分类；对分类结果中的面片进行拓扑优化，得到最终点云分类结果。与现有技术相比，本发明实现了面向分割对象的随机森林分类算法，以分割面片为基元，易于地物特征表达及提取，并结合随机森林分类器对其进行分类，精准了点云分类结果，为后续点云数据统计提供基础的数据支持。