點雲分類（標註）根據採取的方法和策略可以分為階層式分類和同時分類方法。
階層式分類就是將任務分為兩類：濾波和物件分類。濾波就是將點雲分為地面點和非地面點，其中常用的演算法有數學形態學演算法，坡度濾波演算法，不規則三角網漸進加密演算法，移動曲面擬合演算法和迭代線性最小二乘內插法，布料模擬演算法等。在物件分類計算，階層式分類將非地面點分為建築物點和植被等多個類別。例如meng等人採用多向濾波演算法移除點雲中地面點，然後採用基於形態的建築物檢測方法，依據建築物的形態特徵移除剩餘的非建築物點，從而將非地面點分割為建築物和非建築物。xu等人提出了一種基於多實體的點雲分類方法，該方法首先將點雲資料分為地面點和非地面點，然後將獲得的非地面點分割為平面段、平均位移段和散亂點，最後將這三種型別的資料按照各自的分類方式進行分類。總之，在使用階層式分類方法進行點雲分類時，通常需要為每個類設定相應的判別方法，從而將點雲劃分為多個例項。
同時分類方法依據點的特徵將點雲直接分類為地面、建築物和植被等多個類別，並且不需要設定太多的假設。例如，niemeyer等人提出了一種基於條件隨機場的點雲分類方法，成功的將點雲資料直接劃分為地面、建築物和植被三類，之後niemeyer等人又將條件隨機場和隨機森林相結合，獲得了更可靠的分類效果。
根據點雲特徵提取的基本單元，可以分為基於點的分類方法和基於分割段的分類方法。
機器學習方法
在點雲資料的分類階段，傳統的分類方法通過手動定義一系列的判定規則來判定點的類別。例如，我們可以假定在近鄰區域內地面點的高度最小，並以此作為判定規則，標記出所有的地面點。然而，在許多情況下，判定規則是難以設定的。為了解決這個問題，機器學習被用於實現點雲分類。這類方法的基本思想是利用訓練集訓練乙個分類器，然後使用分類器對點雲資料進行分類。常用的分類器有：支援向量機[19]，隨機森林[20]，adaboost[21]，jointboost[12]，樸素貝葉斯分類器[22]和最大期望演算法[23]等。其中，隨機森林分類器由於出色的效能，受到了越來越多的關注[24]。同時，現有的研究表明，使用隨機森林分類器能夠分析特徵的重要性，移除不相關的特徵，提高資料分類的效能[25]。sun[26]和 guan[27]等人已將隨機森林應用到了點雲資料的特徵選擇中，並取得較好的分類效果。
linux 埠分類調研
一 埠的概念 在網路技術中，埠 port 包括邏輯埠和物理埠兩種型別。物理埠指的是物理存在的埠，如adsl modem 集線器 交換機 路由器上用 於連線其他網路裝置的介面，如rj 45埠 sc埠等等。邏輯埠是指邏輯意義上用於區分服務的埠，如tcp ip協議中的服務埠，埠號的範圍從0到65535，比...
點雲配準相關
導師給了方向，所以最近在看點雲配準相關 點雲配準是計算機視覺的乙個分支方向 點雲是在同一空間參考係下表達目標空間分布和目標表面特性的海量點集合，在獲取物體表面每個取樣點的空間座標後，得到的是點的集合，稱之為 點雲 point cloud 那什麼是三維影象呢？三維圖像是一種特殊的影象資訊表達形式。相比...
雲計算應用調研概述
salesforce.com綜述 salesforce.com 是一家企業雲計算公司。它由前甲骨文高管marc benioff於1999年創立。當時他創辦salesforce的核心理念是 no software 消滅軟體 希望使用者能直接通過網際網路來使用諸如crm等軟體服務，無需讓使用者自己搭建和...