学习检测硬化地面区域

激光雷达数据生成的网格地形模型等高分辨率数据模型是现代地理信息系统应用的先决条件。除了为非常精确的数字地形模型提供基础外，激光雷达数据还被广泛用于分类所考虑表面的哪些部分包含水体、建筑物和植被等相关要素。在本文中，我们考虑对给定表面的哪些区域被道路、人行道、停车位、铺砌车道和露台等硬化的这一问题进行分类。我们考虑结合及单独使用激光雷达数据与正射影像，以展示现代机器学习算法梯度提升树（Gradient Boosted Trees）和卷积神经网络（Convolutional Neural Networks）在大型真实世界数据上检测硬化区域的能力。我们在本项目中考虑的激光雷达数据特征，特别是测量回波信号强度的强度特征，严重依赖于进行测量的实际激光雷达传感器。这是非常成问题的，特别是对于模式匹配算法的泛化能力，因为这意味着测试数据的特征可能与模型训练的数据非常不同。我们通过对所有不同传感器系统的数据设计一种神经网络嵌入架构将其转换为新的共同表示，提出了一个针对该问题的算法解决方案，其效果如同训练数据与测试数据来自同一传感器。最终算法结果的准确率超过96%，AUC分数超过0.99。