針對在復雜城市環(huán)境中難以有效自動提取樹木信息的問題,該文首先基于移動激光掃描(MLS)數(shù)據(jù),利用超體聚類對點云數(shù)據(jù)結(jié)構進行組織管理;然后從超體素局部上下文信息中提取去趨勢幾何特征,結(jié)合去趨勢幾何上下文特征,采用隨機森林分類器對樹木進行初始語義標記;接著,基于局部上下文信息進行迭代正則化,在全局圖模型上進行整體優(yōu)化,從而對初始語義分類結(jié)果進行空間平滑;最后根據(jù)語義標記結(jié)果,基于圖割算法實現(xiàn)單木分割。該方法基于超體素的結(jié)構可以有效地保持場景中目標的幾何邊界,而且提升了處理效率。去趨勢幾何特征可以克服局部上下文中的冗余和顯著性信息,使得獲取的特征更具代表性。實驗結(jié)果表明,該方法在3個數(shù)據(jù)集的樹木語義標記結(jié)果達到90%左右,對結(jié)構簡單且稀疏分布的樹木都能正確提取。

【文章頁數(shù)】：7 頁

【文章目錄】：
0 引言
1 研究方法
2 實驗結(jié)果與對比
    2.1 實驗數(shù)據(jù)
    2.2 初始語義標記結(jié)果
    2.3 基于圖割算法的單木分割
    2.4 方法對比
3 結(jié)束語



本文編號：3853355