植物对于人类的生存环境有着重要的影响和作用。植物分类是对植物进行更深入研究的基础,若通过人工完成这种分类工作,需要分类人员具有一定的植物分类学的专业知识和经验,并且效率低下。随着科学技术的发展,使用计算机视觉等技术通过植物的叶片、果实、树皮等特征进行自动分类成为了可能,并得到了广泛的研究和应用。不同植物除了在叶片形状、叶片脉络、花朵颜色等特征上有区别外,在高度、密度、分枝生长方向等外部形态方面同样具有一定的差别。三维激光扫描仪是一种新兴的高新技术产品,可实时、快速、准确地获取物体外在表面的点云表示,因此能够使用三维激光扫描仪获得树木的外在形态的点云数据,这使得利用树木的外在形状特征进行识别和分类变得可得。同时,实现树木点云的自动分类对大规模三维场景的树木自动建模有着重要作用。本文研究了树木三维点云的特征提取和分类问题。主要做了以下内容的研究:1.阐述了三维激光扫描系统的组成和工作原理,同时对树木三维点云数据的获取、预处理和去噪方式进行了介绍和分析。2.详细介绍了树木三维点云特征的提取原理和方法,提出了树形特征、基于主元分析和点云法向量的特征的提取与处理,为下一步的分类提供了基础。3.对神经网络、支持向量机和Boosting等模式识别方法进行了比较和分析。根据多种树木可能具有相似的特征值,以及实验研究过程中特征的数量及其所起作用不确定的特点,选用并实现了具有特征选取和特征共享功能的Joint Boost作为实验分类算法,并取得了良好的效果。4.根据实验结果的相关数据信息,对使用的特征的有效性进行了评估,通过评估有效特征,能够减少使用的特征数量,提高系统运算速度,并取得与使用全部特征相近的分类结果,有利于对特征做进一步的分析和改进;同时将树木分割成4部分进行了特征局部性的分析和验证,实验结果表明,使用的特征具有较好的局部性,局部特征的使用提高了系统的扩展性、适应性和实用性。本文通过对树木点云数据的分析与研究,提取了用于区分不同种类树木的特征,通过对12类共475棵树木进行测试,实现了对这些树木进行自动分类的目的。