基于移动激光扫描的行道树树干提取

基于移动激光扫描技术的行道树资源调查是当前的研究热点及未来的发展趋势,树干提取是行道树定位与分割的核心步骤,已有方法由知识驱动,人工设计树干检测规则,难以跨越低层点云数据到高层地物目标的语义鸿沟。针对上述问题,基于移动2D Li DAR系统采集的城市街道点云数据,将行道树树干提取分为树干点云识别与树干点云分割2个步骤。首先,构建城市街道点云标注数据集,提取深度、高程、维度、密度、强度等14个局部点云特征,采用Boosting监督学习算法从标注数据集中自动学习树干点云与非树干点云的差异性,通过特征融合获取高精度树干点云检测器;然后,基于树干点云识别结果,采用帧投影方法分割标识出每一根树干。试验结果表明:基于监督学习的树干点云检测器有较好的分类性能,为树干分割提取提供了精准数据,对于0.10～0.40 m的球域半径,测试集查准率均高于93%,查全率均高于94%。此外,以Bayes错误率为评价指标衡量单个特征的鉴别力,得出鉴别力最强的3个特征为高程方差、强度范围及强度方差。