摘要：引文格式：丁鹏辉, 李志远, 刘艺, 等. 基于改进级联式BP神经网络的巷道点云分类[J]. 测绘通报, 2024(11): 172-176. DOI: 10.13474/j.cnki.11-2246.2024.1130.
本文内容来源于《测绘通报》2024年第11期，审图号：GS京（2024）2287号
丁鹏辉1,231. 青岛市勘察测绘研究院, 山东 青岛 266033;
2. 海陆地理信息集成与应用国家地方联合工程 研究中心, 山东 青岛 266000;
3. 山东科技大学测绘与空间信息学院, 山东 青岛 266590
基金项目：山东省自然科学基金(ZR2023MD027);“十四五”国家重点研发计划(2022YFB3903501)
关键词：点云, 巷道, 级联式BP神经网络, 特征提取, 分类
引文格式：丁鹏辉, 李志远, 刘艺, 等. 基于改进级联式BP神经网络的巷道点云分类[J]. 测绘通报, 2024(11): 172-176. DOI: 10.13474/j.cnki.11-2246.2024.1130.
摘要
摘要：巷道点云数据的高效分类对于地下交通和矿山开采的安全监测与三维重建具有至关重要的意义,可以推动点云数据的充分挖掘与利用。本文针对现有巷道点云分类方法存在的噪声敏感、处理效率低、易出现过拟合等问题,提出了一种自适应调参的早停机制优化的级联式反向传播(CBP)神经网络分类方法。该方法首先通过Trimble RealWorks软件分离巷道与巷道地面点云;然后利用球形邻域空间和协方差矩阵特征值提取局部几何特征,构建特征向量;最后通过改进的CBP网络实现巷道内部照明设备、指示牌和多类管线的分级分类,提高了分类效率和精度。试验结果表明,改进后的级联式BP神经网络在巷道点云分类方面具有较高的准确性和可靠性,提高了数据处理的效率,为巷道维护、改造和安全管理提供了数据支撑。
作者简介：丁鹏辉(1972-),女,硕士,研究员,研究方向为地理信息数据采集处理与服务。E-mail:729972@163.com
通信作者：李志远,E-mail:202181020003@sdust.edu.cn
资讯
来源：测绘学报