Key points are not available for this paper at this time.
A classificação de nuvens de pontos é de grande importância para aplicações de dados de Detecção e Lidar (LiDAR) Aéreo. Nos últimos anos, o LiDAR aéreo foi integrado a vários outros sensores, como sensores de imagens ópticas, e, assim, a fusão de múltiplos tipos de dados para classificação de cenas se tornou um tópico quente. Portanto, este artigo propõe um modelo de rede bayesiana (BN) que é adequado para a classificação de nuvens de pontos aéreas fundindo múltiplos tipos de dados. Com base em uma análise das características das nuvens de pontos LiDAR e imagens aéreas, primeiro extraímos as características geométricas das nuvens de pontos e as características espectrais das imagens ópticas. A estrutura ótima de BN é então treinada usando um algoritmo K2 baseado em informação mútua melhorado para obter o classificador BN ideal para classificação de nuvens de pontos. Experimentações demonstram que o classificador BN pode distinguir efetivamente quatro tipos de objetos de solo básicos, incluindo solo, vegetação, árvores e edifícios, com uma alta precisão superior a 90%. Além disso, em comparação com outros classificadores, o classificador BN proposto pode atingir as maiores precisões gerais, e, em particular, o classificador demonstra sua vantagem na classificação de pontos de solo e baixa vegetação.
Kang et al. (Mon,) estudaram esta questão.