日前，我校机械电子工程学院教师李秋洁、研究生严宇与中心老师李卫正3名作者，发表了题为《Coarse-to-fine segmentation of individual street trees from side-view point clouds》（利用侧视点云对行道树进行由粗到细的单木分割）的最新研究成果。本研究成果可以应用于行道树激光点云单木参数提取，对城市绿化资源调查和行道树管理具有重要意义。 论文研究数据，采用了中心的三维激光扫描系统，采集地点位于南京林业大学校园内部道路，采集过程中得到了现代分析测试中心的鼎力支持。《Urban Forestry & Urban Greening》创刊于2002年，是一本由ELSEVIER GMBH出版的FORESTRY学术刊物，专注于所有以树木为主的绿色资源。该刊出版周期Quarterly，在Web of Science收录的153种林学期刊中排名第9，IF=6.4，是中科院林学1区Top期刊，JCR-Q1期刊。我校为第一作者单位，李秋洁为通讯作者。 论文主要内容： 从街道侧视点云中进行单木分割是获得行道树资源调查的关键步骤。为了更准确地分割重叠的行道树，本文提出了一种由粗到细从侧视点云中分割单株行道树的方法。 按照分类-分割框架的方法，首先使用由13个本地几何特征融合而成的点云分类器从侧视点云中检测出树木点云，并通过随机森林（RF）进行训练。其次，通过具有噪声的基于密度的聚类（DBSCAN）和误差滤波来获取树木的进一步信息。第三，通过树干来识别重叠的树，输出为单体树。第四，通过垂直平面将重叠的树粗略划分为单体树。最后，通过使用DBSCAN聚类迭代和k最近邻（k-NN）分类，获得具有优化轮廓的单体树。 测试数据集包含77棵树，长290米的道路点云。单体树的检测得分为0.9916，精确度为0.9989，召回率为0.9864。对于单体树分割，得分为0.9745，精确度为0.9672，召回率为0.9819。与目前的两种分类-分割方法相比，重叠树分割得分分别提高了0.0914和0.0617。 论文部分配图如下： 引用格式： Li Q, Yan Y, Li W. Coarse-to-fine segmentation of individual street trees from side-view point clouds[J]. Urban Forestry & Urban Greening, 2023, 89: 128097. （李卫正/文 李卫正/摄 戴婷婷/审核）
