-
公开(公告)号：CN110502979B
公开(公告)日：2023-04-14
申请号：CN201910622645.1
申请日：2019-07-11
Applicant: 哈尔滨工业大学
Abstract: 本公开提供了一种基于决策树的激光雷达波形信号分类方法，包括：通过波形采样雷达回波信号获取条纹图数据,基于条纹图数据提取特征值；将地形地物类别分别编码为1、2、3、4四个类别，分别表示平原、丘陵、建筑物和树木；基于所述特征值计算条纹图数据的拘束条件，其中所述拘束条件包括连通域数量、霍夫直线峰值、峰值所占比例、峰值的θ、峰值的ρ、矩形度、圆形度、长宽比、高程差值、强度均值和面积；根据所述地形地物的特征值以及所述拘束条件，构建决策树；通过所述决策树对所述条纹图数据进行分析，识别出所述条纹图数据中的地形地物类别。本公开基于决策树的激光雷达波形信号分类方法，无需对条纹图像进行点云数据的转化，能够准确的识别出树木或建筑。
-
Patent Agency Ranking
公开(公告)号：CN110502979A
公开(公告)日：2019-11-26
申请号：CN201910622645.1
申请日：2019-07-11
Applicant: 哈尔滨工业大学
Abstract: 本公开提供了一种基于决策树的激光雷达波形信号分类方法，包括：通过波形采样雷达回波信号获取条纹图数据,基于条纹图数据提取特征值；将地形地物类别分别编码为1、2、3、4四个类别，分别表示平原、丘陵、建筑物和树木；基于所述特征值计算条纹图数据的拘束条件，其中所述拘束条件包括连通域数量、霍夫直线峰值、峰值所占比例、峰值的θ、峰值的ρ、矩形度、圆形度、长宽比、高程差值、强度均值和面积；根据所述地形地物的特征值以及所述拘束条件，构建决策树；通过所述决策树对所述条纹图数据进行分析，识别出所述条纹图数据中的地形地物类别。本公开基于决策树的激光雷达波形信号分类方法，无需对条纹图像进行点云数据的转化，能够准确的识别出树木或建筑。
-
公开(公告)号：CN113589257A
公开(公告)日：2021-11-02
申请号：CN202110859177.7
申请日：2021-07-28
Applicant: 哈尔滨工业大学
Abstract: 本发明提供一种基于全局特征的全波形激光回波信号分类方法，包括：控制条纹管激光雷达逐列扫描目标区域，并采集每列扫描目标区域的一个原始回波信号；根据原始回波信号的全局特征提取所述一个原始回波信号的多个目标特征，组成目标特征向量；并将所述一个原始回波信号的目标特征向量实时输入一支持向量机模型中，对所述原始回波信号进行地物分类。本发明的方法根据原始回波信号条纹图全局特征直接进行分类，能够简化分类过程，并提高分类的准确率。
-
公开(公告)号：CN113567953B
公开(公告)日：2024-12-20
申请号：CN202110859165.4
申请日：2021-07-28
Applicant: 哈尔滨工业大学
IPC: G01S7/48
Abstract: 本发明提供一种基于SIFT视觉词袋的全波形激光回波信号分类方法，包括：预先建立SIFT视觉词袋；控制条纹管激光雷达逐列扫描目标区域，并采集每列扫描目标区域的一个原始回波信号；提取所述一个原始回波信号的所有SIFT特征点，并利用所述SIFT视觉词袋对所述所有SIFT特征点进行量化，得到目标特征向量；将所述目标特征向量实时输入一支持向量机模型中，对所述原始回波信号进行地物分类。本发明的方法根据原始回波信号条纹图局部特征直接进行分类，能够简化分类过程，并提高分类的准确率。
-
公开(公告)号：CN113567953A
公开(公告)日：2021-10-29
申请号：CN202110859165.4
申请日：2021-07-28
Applicant: 哈尔滨工业大学
IPC: G01S7/48
Abstract: 本发明提供一种基于SIFT视觉词袋的全波形激光回波信号分类方法，包括：预先建立SIFT视觉词袋；控制条纹管激光雷达逐列扫描目标区域，并采集每列扫描目标区域的一个原始回波信号；提取所述一个原始回波信号的所有SIFT特征点，并利用所述SIFT视觉词袋对所述所有SIFT特征点进行量化，得到目标特征向量；将所述目标特征向量实时输入一支持向量机模型中，对所述原始回波信号进行地物分类。本发明的方法根据原始回波信号条纹图局部特征直接进行分类，能够简化分类过程，并提高分类的准确率。
-
公开(公告)号：CN110502978A
公开(公告)日：2019-11-26
申请号：CN201910622635.8
申请日：2019-07-11
Applicant: 哈尔滨工业大学
Abstract: 本公开提供了一种基于BP神经网络模型的激光雷达波形信号分类方法，包括：获取条纹图数据,基于所述条纹图数据提取特征值；将地形地物类别分别编码为1、2、3、4四个类别，分别表示平原、丘陵、建筑物和树木；基于所述特征值计算所述条纹图数据的拘束条件；构建BP神经网络模型，其中，所述BP神经网络模型包括输入层、单层或多层的隐含层以及输出层，所述拘束条件作为所述输入层节点输入所述BP神经网络模型；通过所述BP神经网络模型对所述条纹图数据进行编码分析，识别出所述条纹图数据中的所述地形地物类别。本公开基于BP神经网络模型的激光雷达波形信号分类方法，无需对条纹图像进行点云数据的转化，能够准确的识别出树木或建筑。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
