一种基于机器学习的激光点云室外场景自动分割方法

摘要

本发明涉及一种基于机器学习的激光点云室外场景自动分割方法，包括：将数据库中每一类体素数据按大致相同的比例提取出来并存储至训练集和验证集并将所有数据压缩；再将压缩后的训练数据集和验证集导入三维卷积神经网络中进行运算，从而提取各类地物的特征向量；通过每一类地物的特征向量与实际值之间代价函数来反馈调节深度神经网络的权重值，反复迭代直到代价函数小于设定阈值为止，然后可以得到一个存储着最优权重值的模型；然后利用空间信息和深度信息使用邻域算法做优化处理，这样既可以将去掉的体素点也做好分类，又能优化之前粗分类结果，从而实现细分类，并大大提高了场景分割的准确性和效率。