Actueel Hoogtebestand Nederland (AHN)数据集精确地将荷兰描述为无数个点,而这些点的处理通常需要大量的人为干预。在这篇博文中,我们将演示如何使用arcgis。learn模块可用于AHN点云的自动分类。注意,AHN的原始分类被忽略了;取而代之的是对点云进行细粒度的重新分类。
首先,我们必须介绍PointCNN,这是一个用于点云分析的深度学习管道。
与图像不同,点云数据在空间上是无序且各向异性的,这阻碍了传统的卷积神经网络(cnn)在二维数据上的应用。
PointCNN框架的核心部分是X-Convoperation,它类似于2D cnn中的卷积运算。该运算符对经过处理的点云块形式执行一系列操作。X-Conv的特殊之处在于它可以以任意顺序处理输入点,以获得与顺序无关的特征。使用X-Conv作为构建块,PointCNN能够在无序点集上执行卷积,类似于2D网格(但略复杂)。
点云上的XConv运算(下)类似于二维网格上的卷积(上)
PointCNN在arcgis中实现。学习模块,Esri的Python API用于深度学习。ArcGIS API封装了从点云数据集中有效分类和分割点的功能。深入了解您可能会参考的APIarcgis。学习文档。
当然,PointCNN需要学习的训练数据,其中代顿注释激光地球扫描(DALES)数据集(戴尔斯:俄亥俄州代顿大学),其中包含40个密集的标记航空数据场景,涵盖多种场景类型,包括城市、郊区、农村和商业,超过5亿个点,覆盖10平方公里的区域。选取德国多德勒支的AHN3点云作为测试数据集,利用ArcGIS Pro进行了Geoprocessing - Convert LAS和Extract LAS的制备。
在ArcGIS Pro中准备Dordrecht数据集
在DALES点云上训练后,PointCNN能够对Dordrecht区域的AHN点进行分类,仅使用坐标信息(x, y, z)。培训脚本可以在这里找到ArcGIS的笔记本。
Dordrecht地区未分类的AHN点云,用强度值渲染
现在看看PointCNN分类的多德雷赫特现场。分类包括地面,植被,汽车,卡车,电线,电线杆,栅栏和建筑物。尤其要注意小尺寸物体(如汽车和电线)仍然被显著地检测到。与AHN3的原始分类(仅包含5个粗略类别)相比,新的分类显然包含更细粒度的细节。
分类AHN点云Dordrecht地区,渲染类代码
分类点云的交互式地图可以在这里找到故事图:空中点云的目标检测。
您必须是注册用户才能添加评论。如果您已经注册了,请登录。否则,请注册并登录。