结合超体素和图优化的激光点云树木分割

发布时间：2023-10-12 03:24

　　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。

【文章页数】：7 页

【文章目录】：
0 引言
1 研究方法
2 实验结果与对比
    2.1 实验数据
    2.2 初始语义标记结果
    2.3 基于图割算法的单木分割
    2.4 方法对比
3 结束语



本文编号：3853355