[发明专利]基于多小波支持向量机WSVM集成的全波形LiDAR点云分类方法在审
| 申请号： | 201910674214.X | 申请日： | 2019-07-25 |
| 公开（公告）号： | CN110503132A | 公开（公告）日： | 2019-11-26 |
| 发明（设计）人： | 赖旭东;袁逸飞;李咏旭 | 申请（专利权）人： | 武汉大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 42222 武汉科皓知识产权代理事务所(特殊普通合伙) | 代理人： | 魏波<国际申请>=<国际公布>=<进入国 |
| 地址： | 430072 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于多小波支持向量机WSVM集成的全波形LiDAR点云分类方法，本发明首先对全波形LiDAR数据进行分解，提取点云的几何和波形特征，利用不同的小波核函数构建多个小波支持向量机(WSVM)分类器，并将这些WSVM分类器作为基分类器建成一个集成系统。在每个WSVM分类器内部采用粒子群优化PSO算法进行参数优化，并采用bagging算法对WSVM分类器进行集成；最后采用小波支持向量机WSVM分类器集成系统对原始的全波形LiDAR数据分解出的点云进行分类并输出结果。本发明可以取得良好的点云分类结果。 | ||
| 搜索关键词： | 分类器 点云 小波支持向量机 全波形 分类器集成 粒子群优化 波形特征 参数优化 分类结果 基分类器 集成系统 输出结果 数据分解 核函数 分类 构建 算法 小波 分解 | ||
【主权项】：
1.一种基于多小波支持向量机WSVM集成的全波形LiDAR点云分类方法，其特征在于，包括以下步骤：/n步骤1：对原始的全波形LiDAR数据进行波形分解，生成点云，提取点云的几何及波形特征；/n步骤2：利用不同的小波核函数构建若干个小波支持向量机WSVM分类器；/n步骤3：在每个小波支持向量机WSVM分类器内部进行参数优化；/n步骤4：对小波支持向量机WSVM分类器进行集成，构成集成系统；/n步骤5：采用小波支持向量机WSVM分类器集成系统对步骤1中的原始的全波形LiDAR数据分解出的点云进行分类并输出结果。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于武汉大学，未经武汉大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910674214.X/，转载请声明来源钻瓜专利网。
