基于多尺度维度准则的复杂自然场景三维地面激光雷达数据分类：在地貌学中的应用

与地貌学问题相关的自然环境三维点云通常需要将数据分类为基本的相关类别。一个典型例子是河流环境中河岸植被与地面的分离，悬崖环境中新鲜表面与落石的区分，或者更一般地，根据表面形态进行的分类。自然表面是异质的，其独特属性很少在单一尺度上定义，这促使使用多尺度标准来实现高分类成功率。因此，我们定义了一种围绕每个点的点云维度的多尺度度量，用以表征局部的三维组织。这样，我们可以监测局部云几何形状在不同尺度上的行为。我们介绍了该技术，并展示了其在将河岸植被与地面分离以及将山地溪流分类为植被、岩石、砾石或水面方面的效率。在这两个案例中，将植被与地面或其他类别分离的准确率均超过98%。与单尺度方法的比较表明，多尺度分析在增强类别可分性和空间分辨率方面具有优越性。该技术对数据缺失、阴影区域以及场景内点密度变化具有鲁棒性。分类快速准确，并能考虑一定程度的类内形态变异性，例如不同的植被类型。在每个点处给出了分类结果的概率置信度，允许用户移除分类不确定的点。该过程既可以完全自动化，也可以由用户完全定制，包括分类器的图形化定义。尽管是为全三维数据开发的，该方法也可直接应用于2.5维机载激光雷达数据。