行道树作为城市街道系统中的典型地物,在改善城市环境、涵养水源、净化空气等方面有重要的生态职能。因此,行道树资源调查是城市生态资源调查的重要部分,传统的行道树信息获取主要采用如人工实测、全站仪测量、RTK测量等手段,效率低下、工作量大,不能高效地满足规划管理部门监测城市生态信息的需求。移动激光扫描技术作为一种先进的测量手段,能够快速采集街道地物的点云信息。利用移动激光扫描系统获取的点云数据提取行道树及属性信息,具有高效率、高精度、强时效性等特点。行道树点云的空间分布复杂无拓扑结构,从街道点云数据中提取行道树及属性信息具有挑战性。本文围绕这个问题,进行了以下三点研究工作:（1）训练得到逐点的基于随机森林模型的行道树点云检测器。该方法通过建立k-d树索引、查询球形邻域近邻点、构建多维特征向量、创建集成学习模型、检测器分类等步骤将行道树点云逐点地从复杂街道点云中分离出来。实验部分使用移动激光扫描点云数据进行试验并对分类结果进行度量评价,结果表明该方法可以有效地检测出行道树点云,在测试集上的查准率为97.82%、查全率为97.97%、F1度量达97.89%。该方法在构建局部点云的多维特征向量步骤中,采用灵活适应各种场景的球形邻域,可适用于复杂街道环境下的点云数据。（2）提出了基于树干标记点定位的相连树冠分割及优化方法。首先,在初始分割前,对行道树点云数据集进行下采样与坐标校正的预处理;其次,使用基于密度聚类的方法处理行道树点云,将无粘连的行道树点云相互分割开;然后,针对部分行道树点云存在树冠点云相连的情况,采用树干标记点定位的方法分割出全部单株行道树;最后,使用6)近邻与密度聚类相结合的方法优化分割面附近的树梢点云的归属。该单木分割方法充分考虑了计算成本、原始点云数据倾斜与行道树树冠粘连等情况,适用性强。（3）改进了行道树属性信息提取方法。针对由地面的平整度导致的部分行道树属性信息测量存在偏差的问题,提取出行道树根茎附近地面点云平面法向量,依据此法向量校正单木点云数据。在单木胸径测量方面,为避免行道树垂枝对于测量精度的影响,采用基于6)近邻学习的方法,自下而上地提取树干点云数据,并使用RANSAC算法进行圆模型拟合,提取出的胸径参数与人工测量数据进行对比,其回归评价指标~2=0.9441,=0.026m。冠幅与树高这两种属性信息的测量结果分布直方图也符合实验场地的树种特性。