行道树是城市生态和道路系统的重要组成部分,传统的行道树信息获取手段如人工量测、RTK测量、全站仪测量等方法费时费力,采集的行道树信息单一,无法满足监管和规划部门快速采集和监测行道树信息的需求。车载移动测量技术作为一种先进的测量手段,能够快速采集道路及其周围地物的点云信息。利用车载移动测量系统获取的点云数据提取行道树及属性信息,具有低成本、高精度、时效性强、全天候作业等特点。行道树点云的空间分布具有多样性和复杂性,从车载激光点云数据中提取行道树及属性信息是一个具有挑战性的课题。本文围绕该问题,进行了以下研究工作:1、发展了一种基于局部区域增长的地面滤波算法。该算法首先对点云空间建立规则格网,其次利用区域分割分离出具有明显特征的地面点并在地面点集中选取可靠种子点,然后利用区域平面拟合迭代计算优化种子点集,最后通过局部区域增长提取出所有地面点,实现地面点与非地面点的精确分离。实验部分采用该算法对两组城市道路点云数据进行地面滤波和精度分析,滤波效果较好,验证了该方法的有效性。2、引入随机森林算法从地物点云中提取行道树点云。该算法通过多维特征向量构建、特征选择、随机森林模型建立、随机森林分类等步骤从地物点云数据中精确分离出行道树点云。实验部分采用该方法对地面滤波后的两组城市道路点云数据进行试验并进行精度分析,结果表明该算法能够有效的从地物点云中提取出行道树点云。该算法的优势在于通过多维特征向量构建、特征选择等步骤,能够充分地选择对行道树分类起积极作用的特征。多维特征的运用能够适应复杂环境下的数据,适用性较强。3、改进了 DBSCAN聚类算法。通过分析DBSCAN聚类算法的不足,对该算法进行改进,改进后增强了算法的聚类效果,减少了聚类时间。将改进的算法用于数据去噪和行道树点云聚类,均取得了较好的效果。4、改进了行道树分割与属性信息提取算法。首先通过改进的DBSCAN聚类算法对行道树点云聚类,然后通过改进的基于距离的分割方法分离相连树,最后在兼顾部分行道树点云残缺的情况下获取行道树的属性信息。实验部分将人机交互提取的属性信息与算法提取结果进行对比,提取精度能够满足应用需求,验证了本文方法的有效性。