摘 要：行道树是当今城市建设中不可或缺的重要景观，通过激光雷达扫描行道树，获取点云三维坐标、激光反射强度、回波次数等信息，加以滤波、分类，可建立目标地物的分割模型，最终得到检测地物的特征参数。本文对行道树及基于LiDAR数据分割提取特征参数的研究进展进行整理，根据研究的主题进行分类，每类文献按照时间顺序进行归纳总结。总体来说，采用车载LiDAR数据进行处理的研究较多，算法思想从网格搜索、回归迭代等基本策略向深度学习、多数据融合等方向发展。但是多数算法必须人工做先行干预，且处理时间复杂度较高，且LiDAR数据类型不尽相同，算法思想值得借鉴，但不能直接用于LiDAR数据的分割。
关键词：行道树；点云分割模型；LiDAR；深度学习
引言
行道树是当今城市建设中不可或缺的重要景观，随着城市化进程的推进，城市道路景观格局日趋复杂，城市地物类型日趋多样化，精确地测定行道树的特征参数日益成为一项难度大且具有挑战性的工作。传统方法是通过外业实地测量，不仅耗时耗力，而且数据的更新速度较慢。因此，研究快速且有效的行道树特征参数测量方法对现代林业资源管理和城市道路的空间结构优化有重要的意义。
激光雷达（Light Detection and Ranging，LiDAR）是一种基于光电探测技术的主动遥感设备，通过收集点云三维坐标、激光反射强度、回波次数等信息，加以滤波等预处理方法、建立目标地物的分割模型，最终得到检测地物的特征参数。该方法具有高精度、高分辨率、抗干扰能力强、体积小质量轻等优点，因此，研究复杂街道环境下基于LiDAR的行道树点云分割方法十分必要和迫切。
2 研究现状
行道树种植的研究进展
中国是最早种植行道树的国家，行道树的物种分布、树木各参数（如树高、胸径、冠幅等）在各个地区差异较大，受到地形、气候影响，与当地绿化水平、沿街人类活动等因素密切相关。根据刘智能等（2019）的分析，行道树的栽种存在的主要问题有：（1）部分地区以“种活”为主要目标，栽种的植物空间分布不合理；（2）部分地区由于自然和人为因素存在植被破坏的问题[1]。
Q. F. Xiao等（2016）研究了20种不同树种的冠状面蓄水能力，发现针叶树种比阔叶树种的地表蓄水能力强，冠面最大储存量随树种和年龄变化，其拦截降雨的能力也是街道种植的考虑因素之一[2]。M. Moradpour等（2016）使用计算流体动力学模型（CFD）研究了城市街道峡谷内树木对污染空气分布的影响，发现在街道旁栽种行道树会产生气流偏转，行道树的叶面积密度（LAD）和宽高比参数的差异影响着不同高度的气流线位置和通风效率，进而产生有毒气体的聚集（如NO、NO2、O3）和不同高度的气温变化[3]。M. A. Rahman等（2017）以心叶椴为例，研究了两条街道峡谷的植被蒸腾作用的影响，认为植物的蒸腾效应有利于缓解城市热岛效应，绿地广场更易产生高风速和水汽压亏缺（VPD），但同时减低了陆地的热能储存；非抗逆性树种在白天有较强的空气冷却能力，而抗逆性树种夜间冷却能力较强[4]。A. M. Dzhambov等（2018）通过研究绿地空间对噪声扰民现象的影响，发现更高的NDVI指数和植被覆盖比例能有效降低噪声等级，通过对720名不同年龄段居民的抽样调查，植被覆盖面积影响着居民的心情和出行体验[5]。
基于LiDAR的植被参数提取的研究进展
在植被参数提取的问题研究方面，J. R. Rosell等(2012)对木本作物的几何特征描绘方法和相关研究问题进行了综合阐述，他们认为激光雷达和立体视觉系统是获得植物三维形态最有前景的技术，应用在农药、灌溉、施肥、作物栽培等多个方面，现代技术的主要困难在于难以获取植物在整个生长周期内各阶段的准确参数，因为人工测量费时费力，所以采用机器扫描方法能大大提高检测效率。未来植被参数提取研究的主要难题是实时系统的算法优化问题，以及植物的几何特征和栽培需求的关系问题[6]。李增元等(2016)针对基于LiDAR的森林参数反演问题的研究进展进行了总结，并对单木因子估测、林分因子估测、森林动态变化、林下地形研究方法进行了归纳[7]。Z. Zhen等(2016)针对基于LiDAR的树冠检测与轮廓描绘（ITCD）问题的研究进展进行了总结，发现大部分基于LiDAR数据的研究重点在单棵树的参数估测，而极少部分重点在多层次综合性的植被估测；未来的研究方向是从静态数据到动态实时数据的转变，并关注生物量估测、ITCD算法的优化、ITCD算法在各种树种上的泛化能力的提升以及ITCD的精确度和标准化需求[8]。
基于LiDAR的行道树分割模型算法研究进展
总体上讲，用于行道树点云分割的LiDAR数据类型可分为三类，分别是星载LiDAR数据、地基LiDAR数据和车载（机载）LiDAR数据。后两类又称为侧视LiDAR数据。下面基于这三类LiDAR数据分析LiDAR行道树分割算法的研究进展。
2.3.1 基于星载LiDAR的行道树分割算法
胥喆(2017)等基于星载LiDAR（ICESat—GLAS系统）产生的GLAS数据总结了森林参数提取的4类问题的主要算法。分别是：（1）森林冠层高度估测：通过星载雷达记录相同时间间隔内的回波波形，由地面回波与顶层回波间的信号经反演得到森林冠层高度；（2）估测森林冠层垂直结构分布：利用星载大光斑雷达接收在冠层和地面之间的回波信号可转化得到。（3）森林郁闭度计算：使用冠层回波总能量与地面回波总能量之比计算。（4）估测森林生物量：提取波形参数，与实测生物量建立回归模型，通过实地样地数据进行检验。还提出了星载LiDAR进行森林参数提取的两大主要问题：（1）地形对森林参数提取的精度影响较大；（2）对森林类型识别的算法不成熟，效果不理想[9]。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
