针对现有基于地面端的树木点云分割方法因局部与全局特征信息融合不足导致分割精度下降的问题,提出了一种基于空间邻近关系的森林样地树木分割方法。首先,通过构建八叉树索引建立空间关系并分离地面点,在此基础上,建立多阶段的随机森林...针对现有基于地面端的树木点云分割方法因局部与全局特征信息融合不足导致分割精度下降的问题,提出了一种基于空间邻近关系的森林样地树木分割方法。首先,通过构建八叉树索引建立空间关系并分离地面点,在此基础上,建立多阶段的随机森林模型实现树木点云渐进式分割,即利用树干截面的二维形态特征及空间特性准确分割树干点云;其次,基于树干点云的分割结果,利用优化的形状函数集合(ensemble of shape functions,ESF)特征描述算子获取树干与对应树冠点云间的空间连通特征,并结合树冠点云的维度特性对树冠点云进行分割;最后,对单棵树木进行结构参数的提取,并与实地测量值进行对比以完成精度评价。本文利用两组移动激光扫描点云进行实验,结果表明两组数据中树木分割的召回率分别为90.57%和90.05%,精确率分别为93.20%和95.47%。展开更多
文摘针对现有基于地面端的树木点云分割方法因局部与全局特征信息融合不足导致分割精度下降的问题,提出了一种基于空间邻近关系的森林样地树木分割方法。首先,通过构建八叉树索引建立空间关系并分离地面点,在此基础上,建立多阶段的随机森林模型实现树木点云渐进式分割,即利用树干截面的二维形态特征及空间特性准确分割树干点云;其次,基于树干点云的分割结果,利用优化的形状函数集合(ensemble of shape functions,ESF)特征描述算子获取树干与对应树冠点云间的空间连通特征,并结合树冠点云的维度特性对树冠点云进行分割;最后,对单棵树木进行结构参数的提取,并与实地测量值进行对比以完成精度评价。本文利用两组移动激光扫描点云进行实验,结果表明两组数据中树木分割的召回率分别为90.57%和90.05%,精确率分别为93.20%和95.47%。
