基于RandLA-Net的机载激光雷达点云城市建筑物变化检测

孟琮棠, 赵银娣, 韩文泉, 何晨阳, 陈锡秋

RandLA-Net-based detection of urban building change using airborne LiDAR point clouds

MENG Congtang, ZHAO Yindi, HAN Wenquan, HE Chenyang, CHEN Xiqiu

表3 建筑物提取方法精度对比

Tab.3 Accuracy comparison of the building extraction method

年份 方法 准确率/% 精准率/% 召回率/% F1分数 Kappa系数 2017年 RandLA-Net IRGB C 98.52 88.21 97.45 92.60 0.917 8 RandLA-Net RGB C 98.49 88.83 96.45 92.48 0.916 4 RandLA-Net I C 98.32 88.15 95.45 91.65 0.907 2 RandLA-Net I 97.27 92.59 83.23 87.66 0.861 3 ENVI LiDAR 91.91 24.24 94.24 38.39 0.358 1 TerraScan 95.76 73.58 83.96 78.43 0.760 9 DSM高程阈值法 93.55 88.61 63.85 74.22 0.706 4 2019年 RandLA-Net IRGB C 98.54 86.10 97.69 91.53 0.907 3 RandLA-Net RGB C 98.94 90.30 97.93 93.96 0.933 7 RandLA-Net I C 98.59 86.67 97.72 91.86 0.910 9 RandLA-Net I 94.26 38.24 97.94 55.00 0.525 7 ENVI LiDAR 97.93 86.17 90.76 88.41 0.872 7 TerraScan 94.83 72.68 71.46 72.06 0.692 2 DSM高程阈值法 97.29 77.23 91.93 83.94 0.824 7