基于激光雷达扫描的密集城区建筑物自动检测

薛媛媛

doi:10.13741/j.cnki.11-1879/o4.2022.02.014

您当前的位置：

首页 >

文章列表页 >

基于激光雷达扫描的密集城区建筑物自动检测

光学测量 | 更新时间：2025-09-01

- 基于激光雷达扫描的密集城区建筑物自动检测
- Automatic detection of dense urban buildings based on lidar scanning
- 光学技术 2022年48卷第2期页码：223-228
- 作者机构：
  
  1:山西工程科技职业大学建筑设计学院
- 作者简介：
- 基金信息：
- DOI：10.13741/j.cnki.11-1879/o4.2022.02.014
  中图分类号： TN958.98;TU746
- 纸质出版：2022
- 稿件说明：
移动端阅览
薛媛媛. 基于激光雷达扫描的密集城区建筑物自动检测[J]. 光学技术, 2022,48(2):223-228.

Automatic detection of dense urban buildings based on lidar scanning[J]. 2022, 48(2): 223-228.
薛媛媛. 基于激光雷达扫描的密集城区建筑物自动检测[J]. 光学技术, 2022,48(2):223-228. DOI： 10.13741/j.cnki.11-1879/o4.2022.02.014.

Automatic detection of dense urban buildings based on lidar scanning[J]. 2022, 48(2): 223-228. DOI： 10.13741/j.cnki.11-1879/o4.2022.02.014.

摘要

为改善城区建筑物自动检测的准确性，结合激光雷达扫描与光学成像提出一种新的城区建筑物自动检测技术。将激光雷达扫描产生的点云送入自编码器进行下采样与特征提取，将光学图像像素送入自编码器进行空间特征提取，构建特征图模型来融合不同的特征集。然后，设计了基于卷积神经网络的半监督分类器，识别城区的建筑物、地面以及绿植等不同区域。实验结果表明，所提技术可准确地检测城区的建筑物区域，为建设智慧城市提供基础。

Abstract

关键词

Keywords

references

浏览量

273

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于高光谱遥感的荒漠化草原草种类分类模型研究

基于低分辨率辅助特征和卷积神经网络的脑部图像配准方法

基于DSA-BCNN的毫米波图像隐藏物检测

线扫描激光雷达光路的光机热集成优化设计

基于改进Faster-RCNN的偏光片表面缺陷检测

基于激光雷达扫描的密集城区建筑物自动检测

Automatic detection of dense urban buildings based on lidar scanning

DOI：10.13741/j.cnki.11-1879/o4.2022.02.014

摘要

Abstract

关键词

Keywords

references