基于k近邻特征提取和深度学习的宅基地点云分类方法
基本信息
| 申请号 | CN202011019957.2 | 申请日 | - |
| 公开（公告）号 | CN112101278A | 公开（公告）日 | 2020-12-18 |
| 申请公布号 | CN112101278A | 申请公布日 | 2020-12-18 |
| 分类号 | G06K9/00;G06K9/34;G06K9/62;G06N3/04;G06N3/08 | 分类 | 计算；推算；计数; |
| 发明人 | 王怀採;李修庆;李庆红;赵健康;赖鸣;徐静冉;崔超 | 申请（专利权）人 | 湖南盛鼎科技发展有限责任公司 |
| 代理机构 | 北京奥文知识产权代理事务所（普通合伙） | 代理人 | 张文;苗丽娟 |
| 地址 | 410000 湖南省长沙市高新区尖山路中电软件园二期A8栋 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于k近邻特征提取和深度学习的宅基地点云分类方法，包括：S1，采集数据集，数据集包括数量在预设值以上的宅基地点云，通过统计学方法进行点云去噪，并将数据集划分为训练集和测试集；S2，对点云进行分类，获得带标签的点云数据；S3，使用最远点采样对点云进行下采样，降低点云密度；S4，基于香浓熵原理计算点云的最优邻域范围，根据最优邻域范围，逐点计算局部特征，通过反距离插值上采样后构建整个点云的特征矩阵；S5，构建全卷积神经网络训练模型，并使用训练集的特征矩阵进行训练；S6，使用神经网络对测试集中的数据进行预测，对训练模型进行验证。本发明的方法可以提高宅基地确权效率。 |
