| 521 | 7 | 34 |
| 下载次数 | 被引频次 | 阅读次数 |
为了解决无人机航测所获取的地表点云数据中的孔洞问题，采用随机森林算法的预测模型进行地表点云孔洞的修补。以广西壮族自治区桂林市雁山区雁山街某区域的无人机点云数据为例，将随机森林算法与最小二乘支持向量机、BP神经网络2种修补方法的修补结果进行对比。结果表明，随机森林预测模型得到的点云修补结果相比于其他2种方法精度更高，稳定性更强，其高程精度满足1∶500地形图航空摄影测量规范，为无人机点云孔洞修补提供了一种新的修补方法。
Abstract：In order to solve the problem of holes in the surface point cloud data obtained by UAV aerial survey, the prediction model of Random Forest(RF) algorithm is used to repair the holes in the surface point cloud.Taking the UAV point cloud data in a certain area of Yanshan Street, Yanshan District, Guilin City, Guangxi Zhuang Autonomous Region as an example, the repair results of random forest algorithm, least square support vector machine and BP neural network are compared.The results show that compared with the other two methods, the point cloud repair result obtained by the random forest prediction model has higher accuracy and stronger stability, and its elevation accuracy meets the 1∶500 topographic map aerial photogrammetry specification.This method provides a new repair means for UAV point cloud hole repair.
[1] 王春香，梁亮，王耀，等.基于优化BP神经网络的点云孔洞修补效果比较分析[J].机床与液压，2019,47(16):30-33.
[2] 邢鹏威，唐诗华，张曦，等.基于LS-SVM的无人机匹配点云数据修补[J].水力发电，2020,46(11):51-55.
[3] 李永强，牛路标，李立雪，等.LiDAR点云的建筑物立面空洞修复[J].测绘科学，2017,42(10):191-195.
[4] DAVIS J,MARSCHNER S R,GARR M,et al.Filling Holes in Complex Surfaces Using Volumetric Diffusion[C]//First International Symposium on 3D Data Processing Visualization and Transmission.Padua:IEEE,2002:428-441.
[5] CHEN C Y,CHENG K Y.A Sharpness-dependent Filter for Recovering Sharp Features in Repaired 3D Mesh Models[J].IEEE Transactions on Visualization and Computer Graphics,2008,14(1):200-212.
[6] 吴奉亮，霍源，高佳南.基于随机森林回归的煤矿瓦斯涌出量预测方法[J].工矿自动化，2021,47(8):102-107.
[7] 冀汶莉，刘艺欣，柴敬，等.基于随机森林的矿压预测方法[J].采矿与岩层控制工程学报，2021,3(3):71-81.
[8] 毛利民，彭瑛，李杰，等.基于随机森林的对流天气下终端区容量预测[J].系统工程理论与实践，2021,41(8):2125-2136.
[9] 曾永军，张俊文，曹登刚，等.RS-RF模型在混凝土坝变形预测中的应用[J].水利水电技术(中英文),2021,52(5):82-88.
[10] 黄思岚，杨杰，屈旭东.基于NRS-RF的混凝土坝变形监测模型研究[J].人民长江，2021,52(2):111-116.
[11] 窦世卿，宋莹莹，徐勇，等.基于随机森林的高分影像分类及土地利用变化检测[J].无线电工程，2021,51(9):901-908.
[12] 刘霞，郭亚男.基于随机森林的遥感影像变化检测[J].测绘通报，2020(5):16-20.
[13] 高仁强，陈亮雄，杨静学，等.一种高分影像随机森林变化检测方法[J].测绘科学，2020,45(11):130-138.
[14] 冯文卿，眭海刚，涂继辉，等.高分辨率遥感影像的随机森林变化检测方法[J].测绘学报，2017,46(11):1880-1890.
[15] 方匡南，吴见彬，朱建平，等.随机森林方法研究综述[J].统计与信息论坛，2011,26(3):32-38.
[16] 王祥，陈发达，刘凯，等.基于随机森林-支持向量机隧道盾构引起建筑物沉降研究[J].土木工程与管理学报，2021,38(1):86-92.
[17] 熊怡，周建中，贾本军，等.基于随机森林遥相关因子选择的月径流预报[J].水力发电学报，2022,41(3)32-45.
[18] 朱军桃，程胜，邢尹.改进灰狼算法优化SVM的大坝变形预测[J].桂林理工大学学报，2019,39(3):669-673.
[19] 张腾旭，刘立龙，周淼，等.基于LS-SVM和BP神经网络组合模型的GPS高程拟合[J].桂林理工大学学报，2014,34(3):505-509.
基本信息:
DOI：
中图分类号:P231;TP181;TP391.41
引用信息:
[1]吕富强,唐诗华,李灏杨等.基于随机森林算法的地表点云孔洞修补[J].无线电工程,2022,52(09):1589-1593.
基金信息:
国家自然科学基金(41864002); 广西自然科学基金项目(2018GXNSFAA281279)~~