一种基于DBSCAN和改进PointNet的激光测量异常识别方法

本发明涉及激光测量领域，公开了一种基于DBSCAN和改进PointNet的激光测量异常识别方法，基于DBSCAN算法，设定DBSCAN模块的聚类半径ε和聚类半径内的点数minPt，将三维数据点集A输入到聚类模块中，得到聚类结果，根据聚类结果将数据点分为正常类和异常类，并重新构建数据集B；基于改进的PointNet模块接收经过聚类模块处理得到数据集B，通过最远点采样使每个样本输入时的点云数量一致，经过多层感知器提取特征，形成特征图，再通过最大值池化和平均值池化融合得到特征向量，最后经过全连接层降维实现数据点的最终分类。本发明通过DBSCAN将点云较分散、存在离群点等异常特征较明显的样本进行分类，再利用改进的Pointnet识别点云分布具有连续性的异常样本，从而实现了对异常数据的精准识别。