(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210570600.6 (22)申请日 2022.05.24 (71)申请人 南京林业大 学 地址 210037 江苏省南京市龙蟠路159号 (72)发明人 李相程　李秋洁　 (74)专利代理 机构 北京思创大成知识产权代理 有限公司 1 1614 专利代理师 高爽 (51)Int.Cl. G06T 7/12(2017.01) G06V 10/762(2022.01) G06V 10/774(2022.01) G06V 20/10(2022.01) (54)发明名称 基于MLS点云数据的行道树单木分割方法 (57)摘要 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。 权利要求书2页 说明书4页 附图3页 CN 114862886 A 2022.08.05 CN 114862886 A 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zmin， 提 取簇内高程值与高程 最小值zmin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。 8.根据权利要求7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S5具体为： S5.1、 以单株行道树点云的(x,y,z)坐标为输入， 采用聚类算法对单株行道树点云聚 类， 将其分割为子簇； 其中， 邻域半径ε3＝0.2m； 最小邻域点数N3＝C3m3， m3是邻域半径ε3为权　利　要　求　书 1/2 页 2 CN 114862886 A 20.2m时所有行道树 点的平均邻域 点数， C3为常数， 取值0.2 ‑0.5； S5.2、 将点数最多的子簇作 为该株行道树的主体部分， 保留S4.2分配的行道树标签， 其 余子簇取消标签。 S5.3、 以粘连行道树簇中所有分配行道树标签的点云为训练集， 采用k近邻分类器为未 标记的点云 分配标签； S5.4、 将粘连行道树簇内所有点的标签与S4.2分配的标签进行比较， 如果相同， 完成单 木分割， 否则， 返回S5.1执行迭代比较； 在前述迭代过程中， 将粘连行道树簇内所有点的标 签与S5.3上一次分配的标签进行比较， 如果相同， 完成单木分割， 迭代结束。 9.根据权利要求8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 的近邻点数k ＝11。权　利　要　求　书 2/2 页 3 CN 114862886 A 3