买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了基于机载LiDAR的点云树种分类方法及系统，方法包括：对待处理的原始点云进行地面滤波，得到目标区域的地面点；剔除地面点，得到非地面点云，对非地面点云进行高程归一化处理，得到林木点云；对林木点云进行分割，得到单木点云数据；基于单木点云数据，构建训练数据集和测试数据集；对单木点云数据进行切片，基于切片后的单木点云数据得到特征向量；构建分类神经网络，并采用训练数据集对分类神经网络进行训练，并基于训练好的分类神经网络对测试数据集进行树种分类，得到分类结果。可以从少量样本中挖掘深度特征差异，在抵抗种内样本特征噪声、增大种间样本特征方差等方面具有较高的优越性。

主权项：1.基于机载LiDAR的点云树种分类方法，其特征在于，包括以下步骤：S1、对待处理的原始点云进行地面滤波，得到目标区域的地面点；剔除所述地面点，得到非地面点云，对所述非地面点云进行高程归一化处理，得到林木点云；S2、对所述林木点云进行分割，得到单木点云数据；基于所述单木点云数据，构建训练数据集和测试数据集；S3、对所述单木点云数据进行切片，基于切片后的所述单木点云数据得到特征向量；所述S3包括：将所述单木点云数据进行切片；对每一个点云构造球形邻域空间，并通过邻域点集构建协方差矩阵，得到特征值；并基于所述特征值计算局部服从点状、线状、球状结构的程度值、邻域点数和反射强度均值；基于所述局部服从点状、线状、球状结构的程度值，所述邻域点数和所述反射强度均值构建直方图特征描述子；基于所述直方图特征描述子得到所述特征向量；S4、构建分类神经网络，并采用所述训练数据集对所述分类神经网络进行训练，并基于训练好的所述分类神经网络对所述测试数据集进行树种分类，得到分类结果；所述S4包括：构建所述分类神经网络；所述分类神经网络包括：序列加权模块、加权编码结构和深度前馈结构；所述序列加权模块包括：DFF、Softmax权重归一化函数和Concatenate特征聚合单元；所述加权编码结构包括：多头注意力模块、DFF以及LayerNorm层归一化单元；所述深度前馈结构包括：Linear线性全连接层，Mish激活函数以及BatchNorm批次归一化单元；提取每个切片的平均反射强度和平均高度，构造强度序列和高度序列；将所述强度序列、所述高度序列和所述特征向量输入至所述分类神经网络中，得到分类结果。

全文数据：

权利要求：

百度查询： 山东科技大学 基于机载LiDAR的点云树种分类方法及系统