第３７卷第１期２０２３年１月北京测绘ＢｅｉｊｉｎｇＳｕｒｖｅｙｉｎｇａｎｄＭａｐｐｉｎｇＶｏｌ．３７Ｎｏ．１Ｊａｎｕａｒｙ２０２３引文格式：孙国强，庞岩．基于ＰｏｉｎｔＣＮＮ的车载行道树点云分割方法［Ｊ］．北京测绘，２０２３，３７（１）：０６１⁃０６６．Ｒｅｆｅｒｅｎｃｅｆｏｒｍａｔ：ＳＵＮＧｕｏｑｉａｎｇ，ＰＡＮＧＹａｎ．Ｐｏｉｎｔｃｌｏｕｄｓｅｇｍｅｎｔａｔｉｏｎｍｅｔｈｏｄｏｆｖｅｈｉｃｌｅ⁃ｍｏｕｎｔｅｄｓｔｒｅｅｔｔｒｅｅｂａｓｅｄｏｎＰｏｉｎｔＣＮＮ［Ｊ］．ＢｅｉｊｉｎｇＳｕｒｖｅｙｉｎｇａｎｄＭａｐｐｉｎｇ，２０２３，３７（１）：０６１⁃０６６．ＤＯＩ：１０．１９５８０／ｊ．ｃｎｋｉ．１００７⁃３０００．２０２３．０１．０１１［收稿日期］２０２２⁃０７⁃０６［作者简介］孙国强（１９９４—），男，江苏连云港人，硕士，助理工程师，从事移动测量技术与应用工作。Ｅ⁃ｍａｉｌ：９６９６９７３５４＠ｑｑ．ｃｏｍ基于ＰｏｉｎｔＣＮＮ的车载行道树点云分割方法孙国强１，２庞岩３（１．上海市测绘院，上海２０００６３；２．自然资源部超大城市自然资源时空大数据分析应用重点实验室，上海２０００６３；３．五图街道办事处，山东潍坊２６２４０５）［摘要］利用点云卷积网络（ＰｏｉｎｔＣＮＮ）为语义分割算法基础处理无序点云来提取行道树点云，经过模型建立、样本训练、点云分割等步骤从地物点云中精确分割出行道树点云，并对三个数据集的应用结果作精度评定，其最终结果的误差在有效范围内，并对ＰｏｉｎｔＣＮＮ中的参数进行分析，完善算法的应用以适应于道路环境下行道树点云的提取。本次研究中考虑到训练各类型行道树类型，且受非行道树点云目标干扰小，在复杂道路环境下的数据分割工作有很好的效果。［关键词］点云卷积网络；点云；行道树提取；车载移动测量［中图分类号］Ｐ２３７［文献标识码］Ａ［文章编号］１００７⁃３０００（２０２３）０１⁃００６１⁃０６０引言行道树数量大、空间分布复杂，利用传统人工方法获取行道树信息工作强度大、效率低，车载移动测量系统能够快速获取道路点云信息，利用点云获取行道树信息，能够有效改善工作效率以及强度［１］。判断地物类别中使用神经网络，使研究更智能化，近年来针对点云数据特征的研究也有一定进展。Ｍａｔｕｒａｎａ等［２］的思想为将点云投影转为二维，再使用传统卷积，但是受到点云密度不均匀的影响，...
