基于地物形态特征的车载LiDAR点云行道树提取

作     者：卫尧鑫 

作者单位：辽宁工程技术大学 

学位级别：硕士

导师姓名：王竞雪;王丽芹

授予年度：2023年

学科分类：08[工学] 081601[工学-大地测量学与测量工程] 0816[工学-测绘科学与技术] 

主      题：车载Li DAR 点云滤波 点云分割 形态特征 行道树 点云提取 属性信息 

摘      要：车载Li DAR(Lighting Detecting and Ranging)作为有效且快速的空间信息获取技术,对城市道路环境以及街道两侧地物高精度的空间三维信息获取具有明显的优势。行道树作为城市街道场景的常见的地物之一,也是城市生态系统中的重要组成部分。树木具有分散、形态多样的特征,人工获取树木的信息是非常困难起复杂的。准确、高效地从车载Li DAR数据中提取树木信息是科研工作者长期以来目标,是车载Li DAR数据处理的热点和难点。针对行道树点云提取和单体化提取效果不好的问题,本文利用车载Li DAR点云数据,对城市道路场景中的行道树及其属性信息的提取方法进行研究。本文方法有效解决了行道树点云提取精度不足、行道树单体化提取效果不好的问题,论文主要研究内容包括:(1)行道树点云渐进提取。针对行道树点云提取精度不足的问题,本文提出了结合地物形态特征的渐进提取行道树的方法。首先通过布料模拟滤波将点云分为地面点云和地物点云,再对地物点云进行栅格化,并利用八邻域探测方法得到数据处理单元,然后根据地物的形态特征(如高度、投影形状及投影面积等)渐进提取行道树,得到初始的行道树点云。其次,本文将数据二值化并与参考样本相结合的人机交互方式对路灯进行分割,有效避免了路灯难以剔除的问题。最后,采用二值化提取小面积对象的方法对初始行道树点云进行优化,最后得到精确行道树的点云数据,且行道树点云提取精度达到了95%,优于区域生长和融合多特征的对比算法结果。(2)基于树冠分割的行道树单体化分割。针对行道树单体化提取效果不好的问题,对行道树提取结果进一步进行分割,将单个行道树从总体树类点云数据中提取出来。首先,确定行道树数目及位置。其次,根据现实生活中行道树普遍复杂茂密的特点,本文采用基于拟合冠幅的分割方法进行单体化分割。最后,与基于距离的行道树单体化分割方法和基于模型的行道树单体化分割方法的实验结果进行对比分析,基于拟合冠幅的分割方法具有良好的分割效果,选取最优提取结果作为后续属性信息提取的数据基础。(3)行道树的属性信息提取。为了使行道树在三维模型构建及在地理信息平台的应用更精确,本文对提取的单个行道树进一步研究,采用自动化提取方法提取行道树的属性信息。首先,对行道树属性信息进行(主要包含树木底部重心点、树高、树干高、树冠高、胸径及冠幅)自动化提取。其次,利用提取的属性信息构建线性回归模型。最后,根据进行一元线性回归拟合分析,以本文提取的树高、树干高、树冠高、胸径及冠幅值为自变量,标准值为因变量,相关性分别为0.9655、0.9031、0.9667、0.9081和0.9981,展现出本文属性信息的准确性,充分说明了本文算法在对行道树属性信息的提取的有效性。该论文有图44幅,表6个,参考文献72篇。