适用于地面激光雷达点云分类的多层次点集特征的提取方法

摘要

本发明涉及适用于地面激光雷达点云分类的多层次点集特征的提取方法。基于点集特征实现了场景中行人、树木、建筑和汽车等四类比较常见地物的高精度分类。首先，构建点集，将点云重采样成不同尺度的点云，聚类形成不同大小、具有层次结构的点集，获得点集中每一点的特征；接下去，采用LDA(Latent Dirichlet Allocation)方法把每个点集中所有点的基于点的特征综合成点集的形状特征；最后，基于点集的形状特征，采用Adaboost分类器对不同层次的点集进行训练，获得整个点云的分类结果。本发明具有较高的分类精度，尤其在行人和车的分类精度方面，远高于基于点的特征、基于Bag‑of‑Word的特征和基于概率潜语义分析(PLSA)特征的分类精度。