基于加权随机森林的机载LiDAR点云建筑物提取

Abstract

针对传统建筑物点云提取算法中先滤波后提取依赖滤波精度,离散点云组织方式与参数设置困难,泛化能力弱等问题,利用改进的加权随机森林模型对LiDAR点云建筑物进行提取。首先针对传统随机森林算法等权投票方式导致分类器整体性能下降的问题,对随机森林分类的投票预测模型进行改进,并实现基于改进的加权随机森林模型对LiDAR点云建筑物的粗提取,然后运用改进的迭代三角网方法对初始建筑物点云进行精确提取,最后利用栅格化连通性原则实现建筑物点云的单体分割。实验选取国际摄影测量与遥感协会提供的典型区域的LiDAR点云数据进行建筑物提取,并与传统随机森林算法进行建筑物提取进行比较,结果表明本文算法可以实现建筑物的高精度提取,验证了算法的可靠性与适用性。