农业机械学报

作者：赵庆展,李沛婷,马永建,田文忠

单位：石河子大学;国家遥感中心新疆兵团分部,石河子大学;国家遥感中心新疆兵团分部,兵团空间信息工程技术研究中心,石河子大学,

关键词：无人机机载激光雷达;数字高程模型;肘方法;K-means聚类;径向基函数神经网络;线性回归

基金：国家重点研发计划项目（2017YFB0504203）和中央引导地方科技发展专项资金项目（201610011）

因无人机机载激光雷达(Light detection and ranging，LiDAR）数据具有离散性，在生成数字高程模型（Digital elevation model，DEM）时需选择有效插值方法。以荒漠植被区为研究背景，使用零-均值标准化方法归一化点云回波强度，利用肘方法确定最佳聚类数目，采用K-means方法对点云强度值聚类得到地面点云。在此基础上，采用克里金（Kriging）方法插值抽稀率为20%和80%的地面点云数据，且将点云高程作为变量，建立RBF神经网络预测模型，并通过线性回归检验方法对模型进行精度分析，采用Delaunay三角网内插生成高精度DEM。结果表明：采用K-means方法实现最佳聚类数目为4的聚类，得到地面点云48722个，在点云较优抽稀率20%的情况下，径向基函数神经网络（Radical basis function neural network，RBFNN）训练时间为56s，点云高程预测的决定系数R2为0?887，均方根误差RMSE为0.168m。说明使用RBFNN对K-means聚类滤波得到的地面点云进行高程预测效果较好，可为基于点云构建高精度DEM提供参考。

来源：2019年第9期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2019年第9期