| 中文题名： | 基于自动生成训练样本的LiDAR点云监督分类技术研究 |
| 姓名： | |
| 保密级别： | 公开 |
| 论文语种： | 中文 |
| 学科代码： | 070503 |
| 学科专业： | |
| 学生类型： | 硕士 |
| 学位： | 理学硕士 |
| 学位类型： | |
| 学位年度： | 2017 |
| 学校： | 北京师范大学 |
| 校区： | |
| 学院： | |
| 研究方向： | 激光雷达点云处理与建模 |
| 第一导师姓名： | |
| 第一导师单位： | |
| 提交日期： | 2017-05-26 |
| 答辩日期： | 2017-05-19 |
| 外文题名： | Research of LiDAR point cloud supervised classification based on automatically generating training data |
| 中文关键词： | |
| 中文摘要： |
激光雷达（LiDAR）技术相比传统的测量手段在测量效率、获取数据的精度等方面都具有不可比拟的优势，根据其获得地物表面的三维空间信息，在城市建模，地形分析与变形监测中等都有广泛的应用。其中激光雷达点云分类技术是激光雷达数据处理中非常关键的步骤，分类精度会直接影响接下来的目标探测与城市建模。目前来说，能在复杂城市场景点云中利用机器自主地对地物类别进行空间认知与识别，仍然是一个有挑战性的工作。
传统的点云监督分类过程中，需要提前选出每类的训练样本。这一过程往往需要人工来完成。在小场景研究区内，这种方法会很快完
﹀
|
| 外文摘要： |
Compared with traditional measurement methods, Light Detection and Ranging (LiDAR) technology has incomparable advantages in measuring efficiency and precision of data acquisition. Based on the 3D spatial information of the surface, it is widely used in u
﹀
|
| 参考文献总数： | 76 |
| 作者简介： | 李竺强，男，汉族。出生于1991年10月21日，政治面貌中共党员。2014年7月毕业于中国地质大学（北京）土地科学技术学院测绘工程专业。2014年9月就读北京师范大学地理科学学部（原地理学与遥感科学学院）地图学与地理信息系统。研究方向为：激光雷达点云处理与建模。研究生期间获得二等学业奖学金，研究生国家奖学金，校级优秀毕业生。在导师张立强教授耐心的指导与鼓励下，以第一作者在国际期刊IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING、ISPRS Journal |
| 馆藏号： | 硕070503/17020 |
| 开放日期： | 2018-04-03 |
谷歌
