摘要
提出一种基于渐进加密三角网和双层支持向量机的点云分类算法
- 采用渐进加密三角网滤波提取地面，在地物点的基础上对地物点进行归一化处理。
- 对点云特征进行评估，选取特征向量并用最近邻支持向量机（NN-SVM）对地物点进行分类。
创新点
- 基于NN-SVM提出一种将分类分为粗细双层的分类策略。
- 其中粗分类过程为：提取特征，对特征进行选择（使用libsvm的F-score模块)，选择有效性高的特征，采用“一对一”的分类方法进行分类；
- 细分类：对粗分类的边界点云数据提取不同尺度样本进行PCA，得到多尺度维度特征来训练分类器，对边界点云做细分类
流程
- 地面滤除–>归一化处理 -->特征选择–>粗分类–>多尺度特征组合–>细分类 -->精度评价
评价标准
- 单类精度：Ac1=N_t/(N_t+N_f1+N_f2)
- N_t为某类样本中正确分类的个数，
- N_f1为该类样本被分为其他样本的个数，
- N_f2为其他类别的样本被分为该类的个数
- 其实就是交并比 IoU
- 总体精度：Ac_overall=N_ture/N_all
- N_ture:所有类正确分类的点数
- N_all:全部点数
