结合超体素和图优化的激光点云树木分割

摘要：

针对在复杂城市环境中难以有效自动提取树木信息的问题,该文首先基于移动激光扫描(MLS)数据,利用超体聚类对点云数据结构进行组织管理;然后从超体素局部上下文信息中提取去趋势几何特征,结合去趋势几何上下文特征,采用随机森林分类器对树木进行初始语义标记;接着,基于局部上下文信息进行迭代正则化,在全局图模型上进行整体优化,从而对初始语义分类结果进行空间平滑;最后根据语义标记结果,基于图割算法实现单木分割.该方法基于超体素的结构可以有效地保持场景中目标的几何边界,而且提升了处理效率.去趋势几何特征可以克服局部上下文中的冗余和显著性信息,使得获取的特征更具代表性.实验结果表明,该方法在3个数据集的树木语义标记结果达到90％左右,对结构简单且稀疏分布的树木都能正确提取.

关键词：点云分割、移动激光扫描系统、超体聚类、图割算法、局部上下文特征、单木分割

所属期刊栏目：45

分类号：P237(摄影测量学与测绘遥感)

在线出版日期：2020-10-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：117-122,147