董亚涵，李永强，李鹏鹏,范辉龙

(河南理工大学 测绘与国土信息工程学院，河南 焦作 454003)

杆状地物是城市道路场景中最为常见的公共设施，包括路灯、电线杆、广告牌及交通标示牌等，传统的杆状地物分类方法通常是使用全站仪、RTK等测量仪器对杆状地物位置进行实测后再进行编号标记，并结合AutoCAD及其他软件进行绘图，但由于传统方法采集的数据不完整、精度不高且人为干预严重，难以为智慧城市、道路建模及无人驾驶等新技术提供数据支持，车载LiDAR(Light Detection And Ranging)作为测绘领域的前沿技术之一，为城市空间信息的精确获取提供了强大的技术支持[1-2]。车载LiDAR在车辆行驶过程中获取道路两侧地物详尽的三维空间点云信息，相比于传统杆状地物测量方法具有明显优势，杆状地物的空间信息精确地表达在车载LiDAR点云数据中，为杆状地物的自动分类提供数据条件。

目前，针对点云中的杆状地物的分类提取研究，学者们开展了一系列工作并取得很多成果[3-18],但也存在各种局限性的问题，如只实现了行道树的特征矩阵构建与识别，对于相似性高的杆状地物如路灯与广告牌的分类并未涉及，本文通过提取杆状地物多种特征构建特征矩阵，并采用SVM分类算法建立分类模型，实现对车载点云数据中多种典型杆状地物的分类。

1 点云特征矩阵构建

1.1 顶部与杆部分离

杆状地物通常包括顶部和杆部两部分，如图1所示，行道树树冠与树干(图1(a))、路灯灯头与灯杆(图1(b))、标示牌牌与杆(图1(c))，电线杆包含两种：一种包含头部(图1(d))，一种不包含顶部(图1(e))，虚线框中为杆状地物顶部。……