• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>3-D Digital Imaging and Modeling, 2007 6th International Conference on >Aerial Lidar Data Classification using AdaBoost
【24h】

Aerial Lidar Data Classification using AdaBoost

机译：使用AdaBoost进行航空激光雷达数据分类

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We use the AdaBoost algorithm to classify 3D aerial lidar scattered height data into four categories: road, grass, buildings, and trees. To do so we use five features: height, height variation, normal variation, lidar return intensity, and image intensity. We also use only lidar-derived features to organize the data into three classes (the road and grass classes are merged). We apply and test our results using ten regions taken from lidar data collected over an area of approximately eight square miles, obtaining higher than 92% accuracy. We also apply our classifier to our entire dataset, and present visual classification results both with and without uncertainty. We implement and experiment with several variations within the AdaBoost family of algorithms. We observe that our results are robust and stable over all the various tests and algorithmic variations. We also investigate features and values that are most critical in distinguishing between the classes. This insight is important in extending the results from one geographic region to another.
机译：我们使用AdaBoost算法将3D空中激光雷达散射高度数据分为四类：道路，草地，建筑物和树木。为此，我们使用五个功能：高度，高度变化，法线变化，激光雷达返回强度和图像强度。我们还仅使用基于激光雷达的要素将数据组织为三个类（道路和草类已合并）。我们使用十个区域（从在大约八平方英里的区域内收集的激光雷达数据中提取）来应用和测试结果，获得高于92％的准确度。我们还将分类器应用于整个数据集，并在有或没有不确定性的情况下呈现视觉分类结果。我们在AdaBoost系列算法中实现并尝试了几种变体。我们观察到我们的结果在所有各种测试和算法变型中都是稳定且稳定的。我们还将研究在区分类中最关键的特征和值。这种见解对于将结果从一个地理区域扩展到另一个地理区域非常重要。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号