《表2 边界区域分类精度》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于三角网滤波和支持向量机的点云分类算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了对特征选取的有效性和双层分类结果进行评估，实验利用选择后的4种特征和所有特征分别进行地物点粗分类，同时对未依据地面点归一化地物点云数据也提取了所有特征并进行粗分类，测量3种情况下的分类精度，如表1所示。对比可知，未归一化地物点分类效果远低于归一化后的地物点分类精度，说明地形起伏引起地物点云数据高程等信息的改变，会造成地物点的误分类，因此在进行地物点分类前通过归一化去除地形因素的影响，可以有效提高地物点的分类精度；利用选择后的特征分类的精度与利用所有特征分类的精度基本相同，甚至对于建筑物的分类精度由90.5%提升至91.6%，说明剔除权值低的特征对于点云的分类效果基本不会产生影响，而且通过特征选取完成了特征降维，有效消除了冗余特征。对粗分类和细分类的分类精度进行对比分析，如表2所示。由图8和表1、2可知，由于遮挡等原因导致的粗分类结果中的误分类问题，经过细分类后大部分误分类点被纠正，局部边界处的植被点和建筑物点的分类精度提高。