多维特征GS-SVM地下空间激光点云分割

作     者：卫梦莎 龚云 张小宇 刘腾飞 

作者机构：西安科技大学测绘科学与技术学院 杨凌职业技术学院交通预测绘工程学院 瞰景科技发展(上海)有限公司 

出 版 物：《测绘通报》 (Bulletin of Surveying and Mapping)

年 卷 期：2024年第09期

页      面：117-122页

核心收录：

学科分类：12[管理学] 080901[工学-物理电子学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 080203[工学-机械设计及理论] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 0802[工学-机械工程] 0835[工学-软件工程] 0803[工学-光学工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：点云分类 机器学习 GS-SVM SMRF滤波算法 激光雷达扫描 

摘      要：针对激光点云在弱光和低特征点环境的点云分割中过拟合问题，本文提出了一种基于网格搜索的多项式核最小二乘支持向量机(GS-SVM)点云分割算法，提取点云的多维特征，并分别对车辆、车道线和车库障碍物柱子等多维特征进行分类；采用多尺度精度评估指标验证特征选取的有效性并评估分割算法。结果表明，与文献中传统分类算法的柱子识别率80%和车辆识别率65%相比，基于多项式核函数的分类算法对柱子和车辆的识别率分别在75%和73%以上，提高了5%和8%;在使用其他两个核函数时，GS-SVM同样保持了优势。本文算法相对于常规算法有较强的稳健性，为其在弱光和地理特征点环境的点云分割问题提供了解决方案，丰富了激光雷达三维扫描的使用场景。