[发明专利]基于MLS点云数据的行道树单木分割方法

权利要求书

1.一种基于MLS点云数据的行道树单木分割方法，其特征在于，该方法包括以下步骤：

S1、行道树点云获取步骤：通过移动激光扫描的街道MLS点云数据获取行道树点云数据；

S2、行道树点云聚类步骤：采用聚类算法对行道树点云聚类，将其分割为行道树簇；

S3、粘连行道树检测步骤：对每个行道树簇进行树干点云提取和树干点云聚类，检测行道树簇是否包含多株粘连行道树，对于包含多株粘连行道树的粘连行道树簇，执行S4，对于不包含的，完成单木分割；

S4、粘连行道树粗分割步骤：将粘连行道树簇粗分割为单株行道树；

S5、粘连行道树细分割步骤：对S4粗分割获得的单株行道树进行细分割，完成单木分割。

2.根据权利要求1所述的基于MLS点云数据的行道树单木分割方法，其特征在于，所述的S1具体为：采用行道树检测器从街道的MLS点云数据中识别出行道树点云。

3.根据权利要求1所述的基于MLS点云数据的行道树单木分割方法，其特征在于，所述的聚类算法采用基于密度的噪声应用聚类算法DBSCAN。

4.根据权利要求1所述的基于MLS点云数据的行道树单木分割方法，其特征在于，所述的S2具体为：以行道树点云的(x,y,z)坐标为输入，采用聚类算法对行道树点云聚类，将其分割为行道树簇；其中，邻域半径ε₁＝0.5m；最小邻域点数N₁＝C₁m₁，m₁是邻域半径ε₁为0.5m时所有行道树点的平均邻域点数，C₁为常数，取值0.02-0.1。

5.根据权利要求1所述的基于MLS点云数据的行道树单木分割方法，其特征在于，所述的S3具体为：

S3.1、对每个行道树簇进行树干提取，获取当前行道树簇内的点云高程最小值z_min，提取簇内高程值与高程最小值z_min的差小于高程差阈值的点云作为树干点云；

S3.2、以树干点云的(x,y)坐标为输入，采用聚类算法对树干点云聚类，将其分割为树干簇；其中，邻域半径ε₂＝0.5m；最小邻域点数N₂＝1；

S3.3、统计分割出的树干簇数量，若数量为1，则该行道树簇仅包含单株行道树，完成单木分割；若大于1，则该行道树簇包含多株粘连行道树，为粘连行道树簇，需要进一步分割为单株行道树，执行S4。

6.根据权利要求5所述的基于MLS点云数据的行道树单木分割方法，其特征在于，所述的S3.1中高程差阈值为0.4m。

7.根据权利要求1所述的基于MLS点云数据的行道树单木分割方法，其特征在于，所述的S4具体为：对每个粘连行道树簇，进行如下处理：

S4.1、垂直切片：计算每个树干簇点云三维坐标的均值，以相邻树干簇的前述均值连线为法向量，对相邻树干簇之间的空间进行厚度为d的垂直切片，d＝0.01m；

S4.2、垂直分割：统计切片包含的行道树点数，以点数最少的切片的中间平面作为分割平面，将粘连行道树垂直分割为单株行道树，分配行道树标签。