[发明专利]基于MLS点云数据的行道树单木分割方法

说明书

本发明提出一种基于MLS点云数据的行道树单木分割方法，包括行道树点云获取步骤、行道树点云聚类步骤、粘连行道树检测步骤、粘连行道树粗分割和细分割步骤，完成单木分割。本发明采用聚类算法将行道树点云分割为行道树簇，接着对行道树簇进行粘连行道树检测，然后对包含多株粘连行道树的行道树簇进行由粗到细的多层次分割，得到行道树单木点云；具有较高的行道树点云识别能力和行道树单木分割精度，适用于包含多种地物的复杂城区环境。

技术领域

本发明涉及行道树单木分割技术领域，尤其是基于MLS点云数据的行道树单木分割，具体地说是一种对行道树点云数据先识别后分割的行道树单木分割方法。

背景技术

行道树作为城市生态系统和城市景观的重要组成部分，具有重要的生态和社会服务功能。对行道树开展更加深入的研究是城市管理部门和数字城市建设迫切需要进行的工作。移动激光扫描(mobile laser scanning，MLS)系统作为城市近景三维空间信息采集的一个重要手段，具有快速获取道路两侧行道树三维信息的能力。

行道树单木分割指从MLS点云数据中识别分割出单株行道树，它是行道树后续研究的首要步骤，现有方法主要分为两类：

边分割边识别。根据行道树和其他地物目标的形貌特征，采用图像/点云分割方法逐步过滤非行道树点云。这类方法主要利用先验知识制定较为粗糙的分割/识别特征和规则，对行道树的识别能力较弱，从而降低行道树单木分割的精度。

先识别后分割。首先采用监督学习算法生成的行道树检测器从MLS点云数据中识别出行道树点云，然后采用聚类等算法将行道树点云分割为单株行道树。这类方法具有较高的行道树识别精度，但识别后的行道树单木分割算法，尤其是粘连行道树的分割算法有待进一步研究。

发明内容

本发明的目的是针对行道树粘连的分割问题，提出一种先识别后分割的行道树单木分割方法，采用聚类算法将行道树点云分割为行道树簇，然后对行道树簇进行粘连行道树检测，最后对包含多株粘连行道树的行道树簇进行由粗到细的多层次分割，得到行道树单木点云。

本发明的技术方案是：

本发明提供一种基于MLS点云数据的行道树单木分割方法，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。

进一步地，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。

进一步地，所述的聚类算法采用基于密度的噪声应用聚类算法DBSCAN。

进一步地，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。

进一步地，所述的S3具体为：