文献

J-GLOBAL ID：201502214871423644   整理番号：15A1369178

LIDARデータのクラシフィケーションのための体積成分分析

Volume component analysis for classification of LiDAR data

著者 (2件)： VARNEY Nina M. (Univ. Dayton, OH, USA) ,  ASARI Vijayan K. (Univ. Dayton, OH, USA)
資料名： Proceedings of SPIE  (Proceedings of SPIE)
巻： 9477  ページ： 94770F.1-94770F.6  発行年： 2015年 
JST資料番号： D0943A  ISSN： 0277-786X  CODEN： PSISDG  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： LIDARデータのクラシフィケーションのための,体積成分分析(VCA)に基づく特徴抽出の次元縮小法を提案した。大規模データセットであるLIDARデータの解析は時間消費が大きい。そのため,LIDARデータに関する自動シーン理解への関心が高まっている。シーン理解により物体をいくつかの下位クラスに分離できれば,画像解析や物体識別に必要な時間を大幅に短縮できる。提案したVCA方式は,PCA(主成分分析)に基づいており,LIDAR点雲データを一連のボクセルとして表現する。ブロックベースPCAを使用して,このボクセル空間の各セクションを分析し,対象全体の三次元特徴を表現する。さらにこれらの特徴をSVMに入力し,対象を植生,車両,建造物,障壁の4つの下位クラスに分類する。実験結果は,提案手法が93.8%の正確度を達成したことを示した。

シソーラス用語： 主成分分析 ,  画像認識 ,  *画像理解 ,  特徴抽出 ,  サポートベクトルマシン ,  次元縮小 ,  *LIDAR
準シソーラス用語： *レーザレーダ ,  *LIDARデータ ,  *シーン理解

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： LIDARデータ ,  クラシフィケーション ,  体積 ,  成分分析