科研之友
微信
新浪微博
Facebook
分享链接
摘要
为提高机载LiDAR点云数据的单木分割精度和效率，本文提出了一种基于Nystr?m的谱聚类算法。该算法基于谱聚类方法，同时引入了mean shift体素化和Nystr?m方法，在保持谱聚类算法优越表现的同时，大幅降低了谱聚类算法的空间和时间复杂度。首先，用mean shift方法将点云数据转换到体素空间以合理压缩数据量，使用带有体素权重的高斯相似度函数在体素空间中构造相似图。然后，使用Nystr?m方法计算相似度矩阵的近似特征向量和特征值。接下来，使用K-means方法在特征空间中进行聚类，并将结果映射回原始点集以获得单木的聚类点。最后，直接从单木聚类中获取单木参数。在黑龙江省孟家岗林场的实验结果表明：本算法有效改进了谱聚类算法，以牺牲5%的分割精度为代价将分割效率提升了约96倍；与K-means方法相比，本算法在分割精度和计算效率方面均表现更优；从分割结果中提取的树高参数具有较高的精度，R2和RMSE值分别为0.86和1.62 m。本文提出的基于Nystr?m的谱聚类算法是一种有效的机载LiDAR点云分割方法，可以用来进行单木点云分割和单木因子提取。
- 出版日期2022
- 单位北京师范大学; 中国林业科学研究院资源信息研究所
