基于深度学习的激光点云单株分离算法精度分析
文献综述
摘要
传统的森林调查以人工调查为主，这种方法由于森林中没有明确的标识，导致要调查的样地难以确定，往往还需要依靠老农带路等方法，费时费力。调查过程中调查人员面要深入密林，会面临滑坡、毒蛇毒虫等自然危险。森林中地形复杂，有的树木甚至长在很陡的斜坡上，人工测量会有误差甚至会遇到无法测量的情况。而利用激光扫描技术进行森林调查，可以有效解决人工森林调查的诸多缺陷。扫描后的点云数据反映了扫描样地内树木完整的形态结构。森林中的树种类别识别是森林调查过程中很关心的地方，然而从原始森林点云中提取的树木数量极大，不适合一一用手工进行树木的种类标注。由于树种的形态、高度、大小变化多样，即使是同一树种也具有外观形态上的较大差异。要适应这些情况，对分类方法的鲁棒性产生极大的要求。对此，有学者展开了相关研究，并取得了一定的研究成果，本文将针对学者们的相关研究成果进行综述，以期为论文写作奠定基础。
关键词：深度学习；激光点云；树木识别
1 引言
在三维点云数据中进行单株树木提取是进行树木参数调查和森林资源调查的基础和前提，而基于点云数据的树木自动提取技术将各株树木所属数据点单独划分出来，可以为自动森林资源调查提供有效的数据。森林中的树种类别识别是森林调查过程中很关心的地方，然而从原始森林点云中提取的树木数量极大，不适合一一用手工进行树木的种类标注。并且由于扫描数据的不确定性，可能会有部分树木产生被遮挡或者残缺的情况，单纯用人工进行判别可能会导致判别结果失准。机器学习算法一直是解决分类问题的常用方法，它包括训练与预测两个阶段，训练过程可以依靠数据提供的特征用统计学的方法来学习原始数据和类别间的相关性，从而得到训练模型。预测阶段使用训练阶段产生的模型可以预测新数据的类别，实现对新数据的自动分类。对于激光点云的树木种类识别国内外学者早已进行了相关研究，以下将对学者们的研究情况进行综述。
2 国内外研究现状
目前对于采用基于深度学习的激光点云进行单株分离算法精度分析的文献很少，本文将对学者们的相关研究情况进行如下概述。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
