[发明专利]一种基于深度学习的LiDAR点云与光学影像先验级耦合分类方法在审
| 申请号： | 202010886292.9 | 申请日： | 2020-08-28 |
| 公开（公告）号： | CN111950658A | 公开（公告）日： | 2020-11-17 |
| 发明（设计）人： | 陈焱明;刘小强;李满春;万思达;程亮;陈丹晖;肖一嘉;赵琪琪;陈坚利;陈东 | 申请（专利权）人： | 南京大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/34;G06K9/00;G06N3/04;G06N3/08 |
| 代理公司： | 南京同泽专利事务所(特殊普通合伙) 32245 | 代理人： | 蔡晶晶 |
| 地址： | 210023 江苏*** | 国省代码： | 江苏;32 |
| 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深度学习的LiDAR点云与光学影像先验级耦合分类方法，属于遥感科学技术领域。本发明步骤为：首先通过二维深度卷积网络分类多波段光学影像；再将地表覆盖二维分类的结果（即类别概率）利用最近邻算法赋予机载LiDAR点云，作为三维点云的先验概率特征；而后采用三维神经网络分类已嵌入二维类别概率的LiDAR点云，得到最终的城市三维土地覆盖分类结果。本发明利用先验级耦合策略将光学影像提供的波段信息赋予LIDAR点云，弥补了现有三维LiDAR点云数据中存在较少的标注数据的问题，先验级耦合策略分类策略可以降低训练过程的损失，以获得更好的分类效果，并阐释了城市地表覆盖二维分类与三维分类之间的联系。 | ||
| 搜索关键词： | 一种 基于 深度 学习 lidar 光学 影像 先验 耦合 分类 方法 | ||
【主权项】：
暂无信息
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南京大学，未经南京大学许可，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/202010886292.9/，转载请声明来源钻瓜专利网。
