为解决目前林业特种装备在人工林行驶和作业过程中,因林地环境复杂、目标不易识别而导致的作业中断、效率降低及驾驶员危险等问题。本文利用激光扫描仪、景深相机和车载云台搭建林区环境信息测量系统,并通过多源信息融合的方法有效获取采育目标信息。接着,对融合点云进行超体素化处理、分步级联分割,并提出一种优化模式识别算法实现人工林环境采育目标及障碍物分类,有效提升林业特种装备作业自动化和智能化水平。本文的主要研究内容如下：1.根据林业特种装备作业环境特性,设计车载云台并构建基于二维激光扫描仪、惯性测量单元和高景深相机的实时信息采集系统,通过上位机控制软件设置和监控云台位姿及测量单元的工作状态,并实时存储采育目标及障碍物的可见光图像及三维激光点云数据。2.在对三维激光点云的随机噪声及系统噪声进行滤波处理后,对激光扫描仪和相机内部参数进行标定。同时,设计正八边形标定板,利用其多个边缘在三维点云坐标系和图像像素坐标系中的对应关系,构建新型多线段联合外参标定模型,在补偿激光点云抖动误差和步进角误差基础上,完成外部参数非线性优化,实现三维激光和图像的有效融合。3.针对激光束在传播和返回过程中存在光束扩大和能量丢失问题,运用光斑发散和能量分布特性实现融合点云体素化,应用体素尺寸梯度选定超体素种子点,迭代聚类更新种子点及邻域,最后提取超体素的特征向量,完成融合点云的超体素划分。4.在超体素特征向量空间中,分步级联应用地面综合特征相异分割法、优化高斯密度峰值聚类分割法和条件随机场分割法,对人工林环境内采育目标和障碍物进行自适应分割,弥补“不确定区域”的分割问题。5.应用分割后的图像数据和三维激光点云数据提取人工林环境内采育目标和障碍物的颜色、形状、反射强度及三维空间特征,提出并运用多类高斯粒度核模糊支持向量机模型对其进行分类。实验结果表明,本文提出的方法分类效果比其他识别方法更优,优化后的综合正确识别率高达98.2%。