CLOUDCOMPARE高度归一化
时间: 2023-08-25 13:09:38 浏览: 169
归一化_labview归一化_归一化_
5星 · 资源好评率100%
引用\[1\]:在使用CLOUDCOMPARE进行高度归一化时,可以使用基于区域生长分割的DEM提取方法来获得"height above ground"特征。该方法依赖于几何特征的计算,这些特征是通过计算每个3D点与其邻域点之间的关系得出的。点云的密度在该方法中起着至关重要的作用,如果点云稀疏,则无法正确计算几何特征,因此需要消除这些点。此外,训练数据中建筑立面点的不平衡损失也可能导致分类错误。\[1\]
因此,在使用CLOUDCOMPARE进行高度归一化时,需要注意以下几点:
1. 使用区域生长分割方法提取DEM,以获得"height above ground"特征。
2. 确保点云的密度足够高,以便正确计算几何特征。
3. 注意训练数据中建筑立面点的平衡性,以避免分类错误。\[1\]
#### 引用[.reference_title]
- *1* *2* *3* [【论文阅读】-2019-CLASSIFICATION OF AERIAL POINT CLOUDS WITH DEEP LEARNING](https://blog.csdn.net/suyunzzz/article/details/105457628)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]
阅读全文