基于k近鄰特征提取和深度學習的宅基地點云分類方法

基本信息

申請?zhí)?/td> CN202011019957.2 申請日 -
公開（公告）號 CN112101278A 公開（公告）日 2020-12-18
申請公布號 CN112101278A 申請公布日 2020-12-18
分類號 G06K9/00;G06K9/34;G06K9/62;G06N3/04;G06N3/08 分類 計算；推算；計數(shù);
發(fā)明人 王懷採;李修慶;李慶紅;趙健康;賴鳴;徐靜冉;崔超 申請（專利權(quán)）人 湖南盛鼎科技發(fā)展有限責任公司
代理機構(gòu) 北京奧文知識產(chǎn)權(quán)代理事務所（普通合伙） 代理人 張文;苗麗娟
地址 410000 湖南省長沙市高新區(qū)尖山路中電軟件園二期A8棟
法律狀態(tài) -

摘要

摘要 本發(fā)明公開了一種基于k近鄰特征提取和深度學習的宅基地點云分類方法，包括：S1，采集數(shù)據(jù)集，數(shù)據(jù)集包括數(shù)量在預設(shè)值以上的宅基地點云，通過統(tǒng)計學方法進行點云去噪，并將數(shù)據(jù)集劃分為訓練集和測試集；S2，對點云進行分類，獲得帶標簽的點云數(shù)據(jù)；S3，使用最遠點采樣對點云進行下采樣，降低點云密度；S4，基于香濃熵原理計算點云的最優(yōu)鄰域范圍，根據(jù)最優(yōu)鄰域范圍，逐點計算局部特征，通過反距離插值上采樣后構(gòu)建整個點云的特征矩陣；S5，構(gòu)建全卷積神經(jīng)網(wǎng)絡訓練模型，并使用訓練集的特征矩陣進行訓練；S6，使用神經(jīng)網(wǎng)絡對測試集中的數(shù)據(jù)進行預測，對訓練模型進行驗證。本發(fā)明的方法可以提高宅基地確權(quán)效率。