吳 賓，余柏蒗，岳文輝，談文琦，胡春凌，吳健平

（1．華東師范大學(xué) 地理信息科學(xué)教育部重點(diǎn)實(shí)驗(yàn)室，上海 200062；2．上海市綠化與市容管理信息中心，上海 200040）

0 引 言

行道樹(shù)是城市生態(tài)系統(tǒng)和城市景觀的重要組成部分，它在減緩暴雨引起的城市地表徑流［1］、降低汽車(chē)尾氣對(duì)于環(huán)境的污染［2，3］、緩解城市街道峽谷（street canyon）區(qū)域夏季的熱量聚集［4］和減弱街道噪聲［5］等方面有特殊的作用．當(dāng)前城市行道樹(shù)信息獲取以人工實(shí)測(cè)為主，效率及技術(shù)水平相對(duì)落后．由于行道樹(shù)形態(tài)特征復(fù)雜，且城市道路兩側(cè)植被受人為因素影響較大、形態(tài)變化較快，探索一種基于現(xiàn)代數(shù)據(jù)采集手段，實(shí)現(xiàn)自動(dòng)、快速、準(zhǔn)確的提取植被信息的方法具有重要的理論意義和實(shí)踐價(jià)值．

車(chē)載激光掃描（Vehicle－borne Laser Scanning，簡(jiǎn)稱VLS）是新近出現(xiàn)的一種三維信息獲取方式．車(chē)載激光掃描測(cè)量系統(tǒng)以汽車(chē)為平臺(tái)，用激光掃描儀和CCD相機(jī)獲取物體表面信息，以差分GPS動(dòng)態(tài)定位，以慣性測(cè)量裝置（IMU）獲取測(cè)定系統(tǒng)的姿態(tài)參數(shù)［6－8］．因其搭載平臺(tái)和作業(yè)方式的特點(diǎn)，VLS可以獲取道路等城市物體的側(cè)面信息，適用于城市近景三維空間信息的快速準(zhǔn)確測(cè)量［8，9］．

車(chē)載激光掃描測(cè)量系統(tǒng)獲取的原始激光掃描數(shù)據(jù)通常稱為“激光掃描點(diǎn)云數(shù)據(jù)”，由海量的激光掃描點(diǎn)組成，每個(gè)掃描點(diǎn)記錄了目標(biāo)物體對(duì)應(yīng)位置的三維空間坐標(biāo)．基于激光掃描點(diǎn)云數(shù)據(jù)的信息提取，需從激光掃描點(diǎn)中分割出組成不同物體的掃描點(diǎn)．例如：使用OcTree方法用于激光點(diǎn)云的分割，實(shí)現(xiàn)邊緣檢測(cè)、表面擬合和平面擬合［10，11］；通過(guò)建立基于OcTree結(jié)構(gòu)的體元網(wǎng)實(shí)現(xiàn)對(duì)點(diǎn)云的分割［12］；Elseberg等對(duì)激光點(diǎn)云的多重回波采用全波分析方法實(shí)現(xiàn)了對(duì)植物的識(shí)別［13］；利用空間聚類的方法實(shí)現(xiàn)道路表面提取［14］；利用本地遠(yuǎn)程學(xué)習(xí)方法實(shí)現(xiàn)了對(duì)點(diǎn)云的三維目標(biāo)識(shí)別和分割［15］；Rusu和Cousins建立了一個(gè)開(kāi)放的點(diǎn)云庫(kù)（PCL）方便用戶實(shí)現(xiàn)點(diǎn)云的可視化、濾波、分割、3D建模等［16］；Douillard等提出了一套針對(duì)稀疏和密集點(diǎn)云的分割處理方法等［17］．而從車(chē)載激光掃描點(diǎn)云數(shù)據(jù)中進(jìn)行信息提取的方法尚處于發(fā)展階段并已取得了一定的成果．吳芬芳等將激光掃描點(diǎn)投影到二維的水平格網(wǎng)中，并根據(jù)投影點(diǎn)高度的最大值來(lái)判定數(shù)據(jù)點(diǎn)類別［9］；史文中等提出了基于投影點(diǎn)密度的車(chē)載激光掃描距離圖像分割方法，根據(jù)投影密度的差異區(qū)分不同的地物［18］；楊必勝等提出一種適合于車(chē)載激光點(diǎn)云數(shù)據(jù)快速分類與目標(biāo)提取的點(diǎn)云特征圖像生成方法［19］；Lehtom?ki等提出了一種從VLS數(shù)據(jù)中提取柱狀實(shí)體（例如：交通標(biāo)志桿、電線桿、樹(shù)干）的方法［20］；Lin等結(jié)合VLS和地面激光掃描（TLS）點(diǎn)云數(shù)據(jù)對(duì)單株樹(shù)木的生物量進(jìn)行了估算［21］．這些方法對(duì)激光掃描點(diǎn)云進(jìn)行了初步的分類，但是對(duì)于單株行道樹(shù)的識(shí)別能力有限，且沒(méi)有進(jìn)一步獲取行道樹(shù)相關(guān)的特征信息，如樹(shù)高和冠徑等．

綜上，對(duì)于車(chē)載激光掃描數(shù)據(jù)的處理方法尚處于發(fā)展階段，鮮見(jiàn)從車(chē)載激光掃描數(shù)據(jù)中提取單株行道樹(shù)的研究．本文提出一種新的基于分層網(wǎng)格點(diǎn)密度的行道樹(shù)提取方法，從車(chē)載激光掃描系統(tǒng)獲取的點(diǎn)云數(shù)據(jù)中提取出組成單株行道樹(shù)的激光掃描點(diǎn)，進(jìn)而獲取行道樹(shù)部分的特征信息．

1 車(chē)載激光掃描系統(tǒng)

本試驗(yàn)采用華東師范大學(xué)自主研制的車(chē)載激光掃描系統(tǒng)“GPS／北斗雙星制導(dǎo)高維實(shí)景采集系統(tǒng)”（簡(jiǎn)稱ECNU－VLS）（見(jiàn)圖1a）進(jìn)行數(shù)據(jù)采集．系統(tǒng)使用汽車(chē)作為平臺(tái)，在車(chē)上搭載激光掃描儀（見(jiàn)圖1b）、CCD相機(jī)（見(jiàn)圖1c）、計(jì)算機(jī)、GPS接收機(jī)（見(jiàn)圖1d）、北斗定位接收機(jī)、國(guó)產(chǎn)慣性導(dǎo)航等設(shè)備，使用控制軟件能夠?qū)崿F(xiàn)影像數(shù)據(jù)的采集，并能記錄車(chē)輛行駛的軌跡，同時(shí)通過(guò)激光掃描儀還能夠記錄周?chē)匚锏娜S空間信息．

圖1 車(chē)載激光掃描系統(tǒng)的組件Fig．1 Components of ECNU－VLS

系統(tǒng)有兩個(gè)激光掃描儀（見(jiàn)圖1b），安裝在汽車(chē)頂部，位置如圖2所示．激光掃描儀掃描的有效距離為80m，掃描精度為±15mm；擁有180°的掃描角度，每條掃描線上有181個(gè)點(diǎn)．工作時(shí)，在沿汽車(chē)行進(jìn)方向上一個(gè)掃描儀向下45°掃描，另一個(gè)向上45°掃描．兩個(gè)掃描儀獲取的激光掃描點(diǎn)云數(shù)據(jù)在合并后形成完整的數(shù)據(jù)．系統(tǒng)直接獲取的激光掃描點(diǎn)數(shù)據(jù)記錄下對(duì)應(yīng)位置的三維坐標(biāo)（X，Y，Z）．系統(tǒng)的兩臺(tái)激光掃描儀同時(shí)獲取不同角度的數(shù)據(jù)，處理以后得到的激光點(diǎn)云數(shù)據(jù)在合并后形成完整數(shù)據(jù)．

2 基于分層網(wǎng)格點(diǎn)密度的單株行道樹(shù)提取方法

由于不同的地物表現(xiàn)出來(lái)的三維表面信息不同，在不同的高度上獲得的激光點(diǎn)也不同（例如，行道樹(shù)靠近地面的主干部分獲得的激光點(diǎn)較少，遠(yuǎn)離地面的樹(shù)冠部分獲取的激光點(diǎn)較多），因此，可以采用分層處理的方法獲取地物在不同高度范圍的激光點(diǎn)．本文對(duì)史文中等提出的投影點(diǎn)密度方法［18］進(jìn)行了改進(jìn)，提出了一種基于分層網(wǎng)格點(diǎn)密度的單株行道樹(shù)提取方法．方法包括單株行道樹(shù)的識(shí)別、其他地物的排除、行道樹(shù)特征信息的計(jì)算等過(guò)程，總體技術(shù)流程如圖3所示．

圖2 車(chē)載激光掃描系統(tǒng)的頂視圖Fig．2 Top view of ECNU－VLS

圖3 總體技術(shù)流程圖Fig．3 Flowchart of the method for identifying street trees using VLS data

2．1 單株行道樹(shù)的識(shí)別

2．1．1 建立規(guī)則網(wǎng)格

為了確保點(diǎn)云分層之后各層點(diǎn)云投影所采用的網(wǎng)格標(biāo)準(zhǔn)（即網(wǎng)格大小和網(wǎng)格所在的行列號(hào)）一致，在進(jìn)行分層之前，根據(jù)點(diǎn)云投影到水平面（X－Y坐標(biāo)系中）的范圍建立一個(gè)適用于各層的網(wǎng)格標(biāo)準(zhǔn)，各層對(duì)應(yīng)的網(wǎng)格具有相同的行列號(hào)．網(wǎng)格建立時(shí)，選取汽車(chē)的初始位置為原點(diǎn)，以南北方向?yàn)閅軸，以東西方向?yàn)閄軸．網(wǎng)格大小確定后即可建立研究區(qū)域點(diǎn)云的投影規(guī)則網(wǎng)格．

2．1．2 基于高程的點(diǎn)云分層

為了實(shí)現(xiàn)點(diǎn)云的平均分層，首先獲得所有點(diǎn)云數(shù)據(jù)中高程的最大值（Emax）與最小值（Emin），然后根據(jù)高程值的極差，將點(diǎn)云平均分成N層，即每層激光點(diǎn)數(shù)據(jù)的高程間隔為（Emax－Emin）／N．針對(duì)于大場(chǎng)景點(diǎn)云數(shù)據(jù)，搜索所有點(diǎn)云而獲取點(diǎn)云高程的最大最小值是不可取的，可以根據(jù)經(jīng)驗(yàn)值或者實(shí)地的高程測(cè)量采樣進(jìn)行估算．分別將每層的激光點(diǎn)賦予層標(biāo)記，記為L(zhǎng)ayer i，不同層內(nèi)的激光點(diǎn)具有不同的Layer i屬性．

2．1．3 逐層計(jì)算網(wǎng)格點(diǎn)密度

參照史文中等提出的投影點(diǎn)密度［18］概念，將三維坐標(biāo)點(diǎn)直接垂直投影到X－Y水平面上，統(tǒng)計(jì)每個(gè)網(wǎng)格內(nèi)的投影點(diǎn)數(shù)，以此數(shù)值作為該網(wǎng)格的點(diǎn)密度．本文所述的網(wǎng)格點(diǎn)密度即為分層投影點(diǎn)密度，用D表示．將各層內(nèi)的激光點(diǎn)云分別投影到預(yù)先建立好的標(biāo)準(zhǔn)網(wǎng)格中，逐層計(jì)算網(wǎng)格點(diǎn)密度．

2．1．4 逐層提取激光點(diǎn)

由于各層采用了同一套網(wǎng)格標(biāo)準(zhǔn)，同一地物在各層網(wǎng)格中的鄰域關(guān)系得以很好地表現(xiàn)．圖4表明，單株行道樹(shù)在各層網(wǎng)格中的網(wǎng)格點(diǎn)密度存在一定關(guān)系：由于行道樹(shù)在三維空間上是連續(xù)的，因此在相鄰的兩層網(wǎng)格中網(wǎng)格點(diǎn)密度不為0的網(wǎng)格中，一定存在具有相同行列號(hào)的網(wǎng)格．

本文根據(jù)以上特點(diǎn)提出一種提取方法，具體步驟如下．

（1）為了消除近地面地物對(duì)行道樹(shù)主干選取的影響，利用從地面向上的第二層（Layer 2）確定行道樹(shù)主干位置．即先從第二層開(kāi)始查找，選擇出網(wǎng)格點(diǎn)密度大于某一閾值（預(yù)先給定，一般情況為0）的網(wǎng)格，并記錄選取出來(lái)的網(wǎng)格行列號(hào)；對(duì)于在某個(gè)網(wǎng)格八鄰域上網(wǎng)格密度都大于閾值的網(wǎng)格進(jìn)行分組標(biāo)記，各組網(wǎng)格內(nèi)的激光點(diǎn)分別標(biāo)記屬性Treek，表示為組成編號(hào)為k的行道樹(shù)的部分激光點(diǎn)．

（2）進(jìn)行自上而下的搜索，為第一層（Layer 1）中具有相同網(wǎng)格行列號(hào)的網(wǎng)格內(nèi)的激光點(diǎn)標(biāo)記對(duì)應(yīng)的Treek屬性．

（3）進(jìn)行自下而上的搜索，進(jìn)入上一層（Layer 3），首先在本層網(wǎng)格中查找與上一層記錄的網(wǎng)格行列號(hào)相同的網(wǎng)格，對(duì)于網(wǎng)格點(diǎn)密度為0的網(wǎng)格進(jìn)行剔除；對(duì)于剩下的網(wǎng)格，若其八鄰域的網(wǎng)格點(diǎn)密度大于給定的臨界閾值，則將其鄰域網(wǎng)格加入該組．

圖5具體表示了這一過(guò)程．圖5a進(jìn)行網(wǎng)格鄰域查尋時(shí)，向8個(gè)方向進(jìn)行搜索滿足條件的網(wǎng)格．圖5b，第一步中灰色網(wǎng)格假設(shè)是與上一層選取的網(wǎng)格行列號(hào)相同的一個(gè)網(wǎng)格，同時(shí)假設(shè)此網(wǎng)格標(biāo)記在Groupk中，以此網(wǎng)格為起始網(wǎng)格，進(jìn)入第二步，查找網(wǎng)格外圍的8個(gè)網(wǎng)格中點(diǎn)密度不為0的網(wǎng)格，將滿足條件的網(wǎng)格同時(shí)標(biāo)記為Groupk．第三步，進(jìn)行鄰域網(wǎng)格查詢，如果滿足點(diǎn)密度大于閾值（例子中為5）的網(wǎng)格則標(biāo)記為Groupk．以此類推，完成后得到具有標(biāo)記為Groupk的網(wǎng)格，這些網(wǎng)格內(nèi)的點(diǎn)標(biāo)記Treek屬性．

圖4 單株樹(shù)分層投影到網(wǎng)格中的表現(xiàn)形式Fig．4 Grid points density distribution of layered points cloud that constitute an individual tree

圖5 鄰域擴(kuò)展Fig．5 Neighborhood expansion

（4）入組完成后，繼續(xù)完成其他組的查找，分別標(biāo)記對(duì)應(yīng)網(wǎng)格內(nèi)的激光點(diǎn)為對(duì)應(yīng)的Treek．當(dāng)前所在層的操作完成后，記錄該層對(duì)應(yīng)組的網(wǎng)格行列號(hào)，并進(jìn)入下一層進(jìn)行以上操作，直至所有網(wǎng)格查找完成．

2．1．5 提取單株行道樹(shù)

以上工作完成后，原始點(diǎn)云數(shù)據(jù)中部分激光點(diǎn)的屬性中具有了Treek的標(biāo)記，這些激光點(diǎn)構(gòu)成行道樹(shù)k；按照標(biāo)記Treek，分別輸出．

2．2 其他地物的排除

在多數(shù)道路環(huán)境中，基于分層網(wǎng)格點(diǎn)密度的單株行道樹(shù)提取方法會(huì)提取出大量的路燈、電線竿、攝像頭和指示牌等地物的點(diǎn)云，需要進(jìn)一步的區(qū)分排除．如圖6，由于路燈、攝像頭及其他類似地物的特殊形態(tài)，在二維網(wǎng)格中其分布往往比較集中或者沿著某一方向排布，且網(wǎng)格密度也較大．因此可以根據(jù)點(diǎn)云的范圍（可用網(wǎng)格個(gè)數(shù)定量）或者點(diǎn)云方向性分布（可用網(wǎng)格編號(hào)判斷）區(qū)分路燈等桿狀地物．據(jù)此，在輸出前，可先對(duì)具有相同標(biāo)記的網(wǎng)格進(jìn)行范圍及形狀的判斷，將不滿足上述條件的激光點(diǎn)云進(jìn)行輸出．最后獲得的即是構(gòu)成單株行道樹(shù)的點(diǎn)云．

圖6 路燈等其他地物的排除Fig．6 Method for eliminating street lamps and other features

2．3 行道樹(shù)特征信息的計(jì)算

單株行道樹(shù)提取出來(lái)后可以進(jìn)行相應(yīng)特征信息的計(jì)算，例如樹(shù)高、冠幅等．

圖7a為組成單株行道樹(shù)的激光掃面點(diǎn)，圖7b是獲取單株行道樹(shù)樹(shù)高信息的方法示意圖．從構(gòu)成單株行道樹(shù)的激光點(diǎn)中可以得到高程值的最大值Zmax以及最小值Zmin，行道樹(shù)的高度（H）可以由H＝Zmax－Zmin計(jì)算得到．

此外行道樹(shù)的冠幅可以采用兩種方式計(jì)算．冠幅是指樹(shù)木在南北或者東西方向的寬度．圖7c、d是計(jì)算冠幅的一個(gè)原理圖．圖7c，在平面坐標(biāo)下可以得知冠幅可以通過(guò)所有激光點(diǎn)在X方向的極差值（Xmax－Xmin）以及在Y方向的極差值（Ymax－Ymin）計(jì)算得到．此外，也可以采用最優(yōu)擬合橢圓（best－fit ellipse）［22，23］（見(jiàn)圖7d），最優(yōu)橢圓的長(zhǎng)軸CD和短軸AB就是冠幅．

圖7 行道樹(shù)樹(shù)高和冠幅信息的獲取方法Fig．7 Method for deriving the height and crown diameter of individual tree

3 應(yīng)用實(shí)例及結(jié)果

3．1 研究樣區(qū)

本試驗(yàn)采用華東師范大學(xué)“GPS／北斗雙星制導(dǎo)高維實(shí)景采集系統(tǒng)”于2010年12月2日采集到的華東師范大學(xué)中山北路校區(qū)及2011年7月13日采集到的濱江森林公園激光掃描數(shù)據(jù)，選取3個(gè)樣區(qū)的點(diǎn)云數(shù)據(jù)進(jìn)行試驗(yàn)．圖8是3個(gè)樣區(qū)對(duì)應(yīng)的點(diǎn)云數(shù)據(jù)．試驗(yàn)區(qū)域1位于中北校區(qū)內(nèi)，該區(qū)域內(nèi)共有82 299個(gè)激光點(diǎn)，包含有行道樹(shù)（梧桐樹(shù)）5棵；試驗(yàn)區(qū)域2和試驗(yàn)區(qū)域3位于濱江森林公園內(nèi)，分別包含27 343和46 616個(gè)激光點(diǎn)，各含有7棵行道樹(shù)（榆樹(shù)）．所選取的3個(gè)樣區(qū)中行道樹(shù)種類不同，且既有密集區(qū)域，也有相對(duì)稀松區(qū)域；同時(shí)試驗(yàn)區(qū)域1中包括近地面的欄網(wǎng)，試驗(yàn)區(qū)域3中包含路燈等桿狀地物，對(duì)行道樹(shù)提取具有一定的代表性．同時(shí)在數(shù)據(jù)采集當(dāng)日，利用手持激光測(cè)高儀對(duì)樣區(qū)內(nèi)行道樹(shù)的樹(shù)高進(jìn)行了實(shí)地測(cè)量，便于對(duì)提取出的樹(shù)高進(jìn)行精度檢驗(yàn)．

圖8 原始車(chē)載激光掃描點(diǎn)云數(shù)據(jù)Fig．8 Original VLS points cloud data of case study areas

3．2 單株行道樹(shù)提取結(jié)果

圖9為利用本文方法提取的單株行道樹(shù)．所建立的網(wǎng)格大小為0．5m×0．5m，按照研究區(qū)域激光點(diǎn)云數(shù)據(jù)的高程信息將激光點(diǎn)分成8層，在進(jìn)行逐層的點(diǎn)云提取時(shí)選用第二層作為起始層，以此盡可能地減少地面點(diǎn)對(duì)方法的影響，其中進(jìn)行網(wǎng)格鄰域搜索時(shí)所設(shè)閾值為5（D≥5）．

圖9表明，采用基于分層網(wǎng)格點(diǎn)密度的單株樹(shù)提取方法可以較好的將灌木叢以及欄網(wǎng)等其他近地面物體排除，從而篩選出單株行道樹(shù)．同時(shí)也需要指出，由于試驗(yàn)區(qū)域1內(nèi)信息較為復(fù)雜，提取結(jié)果中也還保留了非常少量的組成其他近地面物體的激光掃描點(diǎn)；試驗(yàn)區(qū)域3由于行道樹(shù)過(guò)于密集，提取結(jié)果相對(duì)比較粗糙．

圖9 利用本文方法提取的單株行道樹(shù)Fig．9 Extracted results of case study areas using the proposed method

3．3 樹(shù)高信息的獲取

在獲取了組成單株行道樹(shù)的激光掃描點(diǎn)后，試驗(yàn)區(qū)域內(nèi)的行道樹(shù)進(jìn)行特征信息的提取，并結(jié)合實(shí)測(cè)數(shù)據(jù)進(jìn)行對(duì)比．由于難以實(shí)測(cè)行道樹(shù)的冠幅信息，文中沒(méi)有對(duì)冠幅進(jìn)行精度分析．樹(shù)高精度分析如圖10．

圖10 研究區(qū)域內(nèi)行道樹(shù)樹(shù)高信息的精度分析Fig．10 Accuracy estimation of derived height of trees

從圖10可以看出，提取的樹(shù)高信息與實(shí)測(cè)樹(shù)高的誤差較小，其RMSE為0．396m，誤差約4．19%．總體上看來(lái)，獲取的行道樹(shù)樹(shù)高信息比較接近實(shí)際值，具有實(shí)用性．

4 討 論

4．1 網(wǎng)格大小的選取

基于分層網(wǎng)格點(diǎn)密度的提取方法依據(jù)平面劃分的精細(xì)格網(wǎng)作為計(jì)算點(diǎn)云投影密度的基礎(chǔ)，網(wǎng)格大小的選擇對(duì)結(jié)果的提取尤為重要．分別采用1m×1m、0．50m×0．50m和0．25m×0．25m的網(wǎng)格大小對(duì)上海濱江森林公園內(nèi)的部分點(diǎn)云進(jìn)行試驗(yàn)，試驗(yàn)區(qū)域內(nèi)樹(shù)種均為榆樹(shù)，如圖11所示．

圖11 網(wǎng)格大小的選擇對(duì)提取結(jié)果的影響Fig．11 The impact of grid size selection on the derived results

結(jié)果表明網(wǎng)格大小越精細(xì)，提取的結(jié)果越精準(zhǔn)．網(wǎng)格較小時(shí)，比較鄰近的點(diǎn)分布在不同的網(wǎng)格中，易于區(qū)分；網(wǎng)格較大時(shí)，鄰近的點(diǎn)可能被置于同一網(wǎng)格中，難以區(qū)分．由于網(wǎng)格過(guò)小時(shí)，分組及鄰域搜索繁雜，提取耗時(shí)較長(zhǎng)，因此需根據(jù)實(shí)際需要選擇合適的網(wǎng)格大小．

4．2 結(jié)果對(duì)比

圖12是采用投影點(diǎn)密度方法得到的提取結(jié)果．首先對(duì)點(diǎn)云進(jìn)行了地面點(diǎn)的刪除，試驗(yàn)采用的平面投影網(wǎng)格大小為0．5m×0．5m，在進(jìn)行統(tǒng)計(jì)每個(gè)網(wǎng)格單元上的投影點(diǎn)數(shù)后，選取值大于5的網(wǎng)格內(nèi)點(diǎn)云輸出．結(jié)果表明，投影點(diǎn)密度方法在行道樹(shù)密集區(qū)域（見(jiàn)圖12a和12c），由于激光點(diǎn)云比較集中，相鄰網(wǎng)格之間的投影點(diǎn)密度都比較接近且數(shù)值較大，很難通過(guò)閾值區(qū)分出單株行道樹(shù)；此外，在近地面物體較多的區(qū)域（見(jiàn)圖12a）提取的結(jié)果中還殘留了大量組成其他物體的激光掃描點(diǎn)．

圖12 基于投影點(diǎn)密度方法的提取結(jié)果Fig．12 Extracted results of case study areas based on the Density of Projected Points method

5 結(jié) 論

本文以車(chē)載激光掃描點(diǎn)云數(shù)據(jù)為研究對(duì)象，提出了一種基于分層網(wǎng)格點(diǎn)密度的單株行道樹(shù)提取方法．作為對(duì)于投影點(diǎn)密度方法的改進(jìn)，該方法首先將點(diǎn)云按照高程進(jìn)行平均分層，然后將各層點(diǎn)云分別投影到對(duì)應(yīng)的網(wǎng)格中并計(jì)算網(wǎng)格投影點(diǎn)密度，利用分層后點(diǎn)云數(shù)據(jù)之間的鄰域關(guān)系判斷屬于同一株行道樹(shù)的激光掃描點(diǎn)，之后進(jìn)行逐層提取，在提取出組成單株行道樹(shù)的激光掃描點(diǎn)后，計(jì)算行道樹(shù)的特征信息．通過(guò)實(shí)例驗(yàn)證了此方法可以較好地提取出組成單株行道樹(shù)的激光掃描點(diǎn)，并可以較準(zhǔn)確的獲取樹(shù)高、冠幅等特征屬性．本研究同時(shí)證明了，車(chē)載激光掃描數(shù)據(jù)可用于城市綠化管理信息的獲取，為VLS的應(yīng)用拓展了新的領(lǐng)域．

由于行道樹(shù)形態(tài)復(fù)雜，本方法也受到了一定的限制．對(duì)于鄰近的兩株或者多株樹(shù)在中層及以上各層由于葉冠間密集交叉或者有遮蓋時(shí)，其相鄰格網(wǎng)都具有很大的投影點(diǎn)密度，且同一網(wǎng)格包含了兩株樹(shù)共同的點(diǎn)云，難以區(qū)分．在后續(xù)研究中，將通過(guò)引入競(jìng)爭(zhēng)算法等機(jī)制，對(duì)方法進(jìn)行改進(jìn)．

［1］STOVIN V R，JORGENSEN A，CLAYDEN A．Street trees and stormwater management［J］．The Arboricultural Journal，2008，30（4）：297－310．

［2］RIES K，EICHHORN J．Simulation of effects of vegetation on the dispersion of pollutants in street canyons［J］．Meteorologische Zeitschrift，2001，10（4）：229－233．

［3］GROMKE C，BUCCOLIERI R，DI SABATINO S，et al．Dispersion study in a street canyon with tree planting by means of wind tunnel and numerical investigations－Evaluation of CFD data with experimental data［J］．Atmospheric Environment，2008，42（37）：8640－8650．

［4］ALI－TOUDERT F，MAYER H．Effects of asymmetry，galleries，overhanging facades and vegetation on thermal comfort in urban street canyons［J］．Solar Energy，2007，81（6）：742－754．

［5］FANG C F，LING D L．Investigation of the noise reduction provided by tree belts［J］．Landscape and Urban Planning，2003，63（4）：187－195．

［6］MANANDHAR D，SHIBASAKI R．Vehicle－borne Laser Map－ping System（VLMS）for 3－D Urban GIS Database［C］／／7th Internatioanal Conference on Computers in Urban Planning and Urban Management［CD－ROM］．University of Hawaii at Manoa，USA，2001．

［7］TALAYA J，ALAMUS R，BOSCH E．Integration of A Terrestrial Laser Scanner with GPS／IMU Orientation Sensors［C］／／International Society for Photogrammetry and Remote Sensing，Istanbul Turkey，2004：12－23．

［8］盧秀山，李清泉，馮文灝，等．車(chē)載式城市信息采集與三維建模系統(tǒng)［J］．武漢大學(xué)學(xué)報(bào)：工學(xué)版，2003（3）：76－80．

［9］吳芬芳，李清泉，熊卿．基于車(chē)載激光掃描數(shù)據(jù)的目標(biāo)分類方法［J］．測(cè)繪科學(xué)，2007，32（4）：75－77．

［10］WOO H，KANG E，WANG S Y，et al．A new segmentation method for point cloud data［J］．International Journal of Machine Tools ＆Manufacture，2002，42（2）：167－178．

［11］WANG M，TSENG Y H．Automatic segmentation of lidar data into coplanar point clusters using an octree－based split－and－merge algorithm［J］．Photogrammetric Engineering and Remote Sensing，2010，76（4）：407－420．

［12］WANG M，TSENG Y H．Incremental segmentation of lidar point clouds with an octree－structured voxel space［J］．The Photogrammetric Record，2011，26（133）：32－57．

［13］ELSEBERG J，BORRMANN D，NUCHTER A．Full wave analysis in 3Dlaser scans for vegetation detection in urban environments［C］／／Information，Communication and Automation Technologies（ICAT），2011：1－7．

［14］CHOI Y W，JANG Y W，LEE H J，et al．Three－dimensional lidar data classifying to extract road point in urban area［J］．IEEE Geoscience and Remote Sensing Letters，2008，5（4）：725－729．

［15］LAI K，F(xiàn)OX D．Object recognition in 3Dpoint clouds using web data and domain adaptation［J］．The International Journal of Robotics Research，2010，29（8）：1019－1037．

［16］RUSU R B，COUSINS S．3Dis here：Point Cloud Library（PCL）［C］／／International Conference on Robotics and Automation（ICRA），2011：1－4．

［17］DOUILLARD B，UNDERWOOD J，KUNTZ N，et al．On the Segmentation of 3DLIDAR Point Clouds［C］／／International Conference on Robotics and Automation（ICRA），2011：2798－2805．

［18］史文中，李必軍，李清泉．基于投影點(diǎn)密度的車(chē)載激光掃描距離圖像分割方法［J］．測(cè)繪學(xué)報(bào)，2005，34（2）：95－100．

［19］楊必勝，魏征，李清泉，等．面向車(chē)載激光掃描點(diǎn)云快速分類的點(diǎn)云特征圖像生成方法［J］．測(cè)繪學(xué)報(bào)，2010（5）：540－545．

［20］LEHTOM?KI M，JAAKKOLA A，HYYPP?J，et al．Detection of vertical pole－like objects in a road environment using vehicle－based laser scanning data［J］．Remote Sensing，2010（2）：641－664．

［21］LIN Y，JAAKKOLA A，HYYPP?J，et al．From TLS to VLS：Biomass estimation at individual tree level［J］．Remote Sensing，2010（2）：1864－1879．

［22］TEAGUE M R．Image－analysis via the general theory of moments［J］．Journal of the Optical Society of America，1980，70（8）：920－930．

［23］MULCHRONE K F，CHOUDHURY K R．Fitting an ellipse to an arbitrary shape：implications for strain analysis［J］．Journal of Structural Geology，2004，26（1）：143－153．