一種基于車載激光掃描數(shù)據(jù)的單株樹木點云自動提取方法
【專利摘要】本發(fā)明提供了一種適用于復(fù)雜車載激光掃描數(shù)據(jù)的單株樹木自動提取方法,主要分為兩大步驟:基于聚類特征的粗分類,從車載激光掃描數(shù)居中獲取可能包含樹木的點聚類,稱之為候選樹木聚類;基于兩級體素的區(qū)域生長,從每一個候選樹木聚類中提取出所包含的單株樹木點云。本本發(fā)明結(jié)合樹木的整體和局部幾何特征,能夠在復(fù)雜環(huán)境中自動識別出單株樹木的種子,針對樹干與樹冠分別制定不同的生長規(guī)則,分別進行生長,實現(xiàn)單株樹木提取。同其他單株樹木提取算法相比,該方法在樹木數(shù)量的提取完整度和正確率、單株樹木點云的提取精度以及復(fù)雜環(huán)境下的提取等方面取得了較大提高,能夠用于進一步的樹木信息提取。
【專利說明】
一種基于車載激光掃描數(shù)據(jù)的單株樹木點云自動提取方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于車載激光雷達技術(shù)領(lǐng)域,特別涉及車載激光掃描數(shù)據(jù)的單株樹木點云 自動提取方法。
【背景技術(shù)】
[0002] 樹木是城市生態(tài)系統(tǒng)的重要組成部分,與其他地物共同構(gòu)成了城市景觀。樹木的 屬性信息,包括樹木的空間位置和形態(tài)參數(shù)(樹高、樹干徑、樹冠徑、樹冠面積等),不僅能夠 反映樹木的生長情況和健康狀況,方便城市園林部門進行科學(xué)有效的管理;還有助于車輛 和行人的導(dǎo)航定位,也是街道和城市財產(chǎn)清單的一部分,能為構(gòu)建三維樹木模型提供數(shù)據(jù) 基礎(chǔ),以及進行進一步的噪聲建模、城市綠量估計、街道和道路規(guī)劃研究等。由于樹木形態(tài) 特征較為復(fù)雜,且受季節(jié)變化(有葉子和無葉子的季節(jié))和自身生長及人為等因素共同作用 的影響,形態(tài)變化較快。當(dāng)前以人工實測為主樹木信息獲取方式,費時費力,急需一種自動、 快速而準確的樹木信息提取方法。
[0003] 車載激光雷達測量系統(tǒng)是近年來發(fā)展起來的新興的數(shù)據(jù)采集工具,能夠快速、高 效地捕捉道路環(huán)境中各地物的高精度三維點云數(shù)據(jù)。從海量的點云數(shù)據(jù)中提取出單株樹木 點云數(shù)據(jù),可以高效地獲取每一株樹木的三維信息。因此,研究基于車載激光掃描數(shù)據(jù)的高 精度單株樹木提取方法對樹木屬性信息的自動獲取具有重要的現(xiàn)實意義。
[0004] 相較于基于車載激光掃描數(shù)據(jù)的單株樹木提取,針對于單株樹木點云數(shù)據(jù)的屬性 信息提取和后續(xù)三維建模研究相對更加成熟。例如《一種基于三維激光點云數(shù)據(jù)的樹冠體 積與表面積計測方法》(申請?zhí)枺?01310054542.2)和《基于車載激光掃描數(shù)據(jù)的單株樹三維 綠量自動估算方法》(申請?zhí)枺?01310084928.8)能夠準確的估算出單株樹木的形態(tài)參數(shù)信 息。而現(xiàn)有的提取方法《一種基于車載激光掃描數(shù)據(jù)自動提取直立筒狀地物的算法》(申請 號= 201410561688.0)只能提取出樹干,現(xiàn)有的分類方法《一種車載激光掃描點云數(shù)據(jù)的城 市地物分類方法》(申請?zhí)枺?01310307332. X)對于樹木的劃分較為粗糙,也無法提取出單株 樹木。
[0005] 近些年,國內(nèi)外諸多學(xué)者針對車載激光掃描點云數(shù)據(jù)先后提出了一些樹木提取方 法。但是這些方法都還只適用于較簡單的場景。在城市復(fù)雜場景中還無法實現(xiàn)準確且高精 度的單株樹木點云提取,往往需要大量的人工干預(yù)。
【發(fā)明內(nèi)容】
[0006] 本發(fā)明的目的在于解決現(xiàn)有技術(shù)在復(fù)雜場景中樹木提取準確度和單株樹木點云 精度低的的問題,提供一種能夠提高車載激光掃描點云數(shù)據(jù)中單株樹木提取精度的自動化 方法,為樹木屬性信息獲取提供高精度的數(shù)據(jù)基礎(chǔ)。
[0007] 本發(fā)明所提供的技術(shù)方案具體為:
[0008] -種基于車載激光掃描數(shù)據(jù)的單株樹木點云自動提取方法,其特征在于,包含以 下步驟:
[0009] 步驟1,結(jié)合行車軌跡點數(shù)據(jù),從原始車載激光掃描點云數(shù)據(jù)中獲取可能包含樹木 的點聚類,包括以下子步驟:
[0010] 步驟1. 1、計算行車軌跡點處的地面高程值;
[0011]步驟1.2、對原始點云數(shù)據(jù)進行水平規(guī)則格網(wǎng)化,計算每一個水平規(guī)則格網(wǎng)內(nèi),所 有數(shù)據(jù)點的最大高程值和最小高程值,以及水平中心點的位置;
[0012] 步驟1.3、結(jié)合步驟1.1獲取的地面高程值,通過預(yù)設(shè)的高程閾值過濾掉地面點;
[0013] 步驟1.4、對步驟1.3所獲取的非地面的點云數(shù)據(jù)進行基于歐氏距離的聚類分析;
[0014] 步驟1.5、通過平均法向量偏移度,結(jié)合高度特征從步驟1.3獲取的點聚類中按篩 選出可能包含樹木的聚類,即候選樹木聚類;
[0015] 步驟2.對步驟1所獲取的每一個候選樹木聚類,逐一利用基于兩級體素的雙重區(qū) 域生長算法從中提取出所包含單株樹木,包括以下子步驟;
[0016] 步驟2.1、對步驟1獲取的候選樹木聚類進行體素化;
[0017] 步驟2.2、根據(jù)樹木的整體形態(tài)特征選取樹干的初始層,并利用樹木的截面幾何特 征識別出真正位于樹干上的種子,并將樹干與樹冠分割開;
[0018] 步驟2.3、從步驟2.2獲取的種子開始向兩端進行逐層自適應(yīng)范圍的樹干生長;
[0019] 步驟2.4、從適合樹干生長的小體素轉(zhuǎn)換成適合樹冠生長的大體素繼續(xù)生長;
[0020] 步驟2.5、基于局部幾何特征的樹冠體素生長與基于形態(tài)一致性的樹冠體素分割; [0021]步驟2.6、確定對未生長到或者待定的體素分析其鄰域的26體素,結(jié)合最小面積增 量原則來確定這些體素的歸屬;
[0022] 步驟2.7、對提取的樹木重復(fù)進行種子選取和樹干生長,提高樹干的精度;
[0023] 重復(fù)步驟2,對下一個候選樹木聚類中的單株樹木進行提取,直到完成所有候選樹 木聚類完成提??;
[0024]在上述的一種基于車載激光掃描數(shù)據(jù)的單株樹木點云自動提取方法,所述步驟 2.2中,具體方法是:對于一株樹木,包括:
[0025]特征一:一株樹木包含差異明顯的兩個部分:下部的樹干和上部的樹冠;
[0026] 特征二:樹冠截面類圓,直徑較大,且形態(tài)不規(guī)則;
[0027]特征三:樹干位于對應(yīng)樹干的水平中心附近,并有較小的直徑和相對規(guī)則的形狀; [0028]定義樹冠的直徑,周長,面積都大于樹干,則每一層相應(yīng)體素組中點的水平凸包被 用來描述該物體在相應(yīng)高度的橫截面形狀;從種子開始向上進行分析比較,如果某一層中 對應(yīng)的凸包滿足樹冠的特征,則認為找到了樹冠,該種子被確定為樹木種子,識別過程如 下:
[0029] 逐層比較由種子所含點生成的水平凸包(CHinitlal)與Layen中對應(yīng)體素組中所含 點生成的水平凸包(CHi)(圖3),主要包括面積(area)、直徑(diameter)、周長(perimeter) 等幾何特征;同時計算CHi與圓形的相似程度(Simicdr。:^);
[0035] 其中 a+0+y=l;
[0036] 若滿足以下條件,貝lj認為找到了樹冠:diameter (CHi)大于SDcr_,Simi circle小于 SAcr_且Simiup小于SHup;如果有多個種子共享同一樹冠,則只把距離樹冠中心最近的種子 作為真正位于樹干上的種子;
[0037] 當(dāng)上述條件都滿足時,則認為找到了位于樹干上的種子(如圖2中種子1);在此過 程中,通過計算每一個體素組中所有點的平均法向量偏移度,利用步驟1.5中提到的平均法 向量偏移度(A0SNV)可以將樹干與樹冠分割開來,米取不同的策略來分別生長樹干和樹冠。 [0038]在上述的一種基于車載激光掃描數(shù)據(jù)的單株樹木點云自動提取方法,所述步驟 2.3中,基于自適應(yīng)范圍的樹干生長;從位于樹干上的種子開始向兩端逐層生長,根據(jù)當(dāng)前 層所有點的最小水平外包圓,來設(shè)定下一層樹干的水平生長范圍;下一層中,所有落在該水 平范圍內(nèi)的點都被視為樹干點,通過計算這些點的水平最小外包圓,同理來設(shè)定下一層樹 干的水平生長范圍,向下生長至第0層為止,向上生長至樹冠層停止;若有多個樹木種子,則 重復(fù)該過程,直至每一個樹木種子完成樹干生長。
[0039]在上述的一種基于車載激光掃描數(shù)據(jù)的單株樹木點云自動提取方法,所述步驟 2.4中,在完成樹干生長之后,從適合樹干生長的小體素轉(zhuǎn)換成適合樹冠生長的大體素;由 于樹冠點相對稀疏且形態(tài)不規(guī)則,為了避免單個體素中的點數(shù)量過少,采用大一級體素來 進行樹冠生長;所有樹冠層中的點,利用1.5倍原始大小的體素重新體素化,新的最底層作 為樹冠的初始層;樹冠初始層中的體素作為種子體素進行后續(xù)的向上逐層樹冠生長。
[0040] 在上述的一種基于車載激光掃描數(shù)據(jù)的單株樹木點云自動提取方法,所述步驟 2.5具體包括:
[0041] 步驟2.5.1樹冠生長;樹冠體素的生長過程包括同層生長和向上生長;考慮到樹冠 的不規(guī)則性和橫截面積的變化,對當(dāng)前層中每一個種子體素都進行水平八鄰域生長,若平 均法向量偏移度符合閾值范圍,則該體素內(nèi)所含的內(nèi)被認為是樹冠點;每一個新生長到的 體素作為種子體素繼續(xù)進行水平八鄰域生長,直至沒有新的樹冠體素產(chǎn)生,則進行向上生 長;由于樹冠具有垂直方向上的自然延伸結(jié)構(gòu),在向上生長過程中,與當(dāng)前層樹冠體素行列 號相同的上層體素都被認為是樹冠體素,同時作為種子體素繼續(xù)進行水平八鄰域生長;當(dāng) 一個候選樹木聚類中包含多株樹木時,當(dāng)前層中一株樹冠完成生長再進行另一株樹冠生 長,當(dāng)該層中所有樹冠都完成生長時再向上生長;該過程直至樹冠頂層完成生長時結(jié)束;
[0042] 步驟2.5.2對于相鄰樹冠的接觸或鄰近,有的體素可能會被多株樹木的種子生長 到,這時通過當(dāng)前層橫截面積的變化量來測量樹冠形態(tài)的一致性,以確定該體素的歸屬,對 于待分割體素,其基于面積增量(Area gr?)的一致性測量方法如下:
[0043] AiTGclgrow-Sgrow_Si
[0044] 其中Si是當(dāng)前層的體素組中點的水平凸包的面積,Sgr?是由當(dāng)前層的體素組中點 和待分割體素中的點共同的水平凸包的面積(SgrowSSO。
[0045] 本發(fā)明提供的技術(shù)方案結(jié)合了基于聚類特征的地物分類方法與基于區(qū)域生長的 單株樹木提取算法,能夠自動識別出單株樹木種子,并分別對樹干和樹冠進行生長;提高了 復(fù)雜環(huán)境中單株樹木的識別準確度與提取精度,為車載激光掃描點云數(shù)據(jù)的單株樹木提取 提供了一種新的思路和方法。
【附圖說明】
[0046] 圖1為本發(fā)明實施例的整體流程圖;
[0047] 圖2為本發(fā)明實施例的候選樹木聚類體素化及種子選取示意圖;
[0048] 圖3為本發(fā)明實施例的候選樹木聚類分層截面分析示意圖;
[0049] 圖4為本發(fā)明實施例的自適應(yīng)范圍樹干生長示意圖;
[0050] 圖5為本發(fā)明實施例的體素轉(zhuǎn)換示意圖;
[0051 ]圖6(a)為本發(fā)明實施例的Layeri層的生長結(jié)果示意圖;
[0052]圖6(b)為本發(fā)明實施例的Layeri層中的樹冠體素與Layeri+i層中的點示意圖; [0053]圖6(c)為本發(fā)明實施例的從Layeri向上生長到Layeri+i層示意圖;
[OOM]圖6(d)為本發(fā)明實施例的Layeri+i層中Treei的體素生長示意圖;
[0055]圖6(e)為本發(fā)明實施例的Layeri+i層中Tree2的體素生長和分割示意圖;
[0056] 圖6(f)為本發(fā)明實施例的Layeri+i層的生長結(jié)果示意圖;
[0057] 圖7(a)為本發(fā)明實施例的Layeri+1*相鄰兩株重疊樹冠點及其凸包生成示意圖
[0058] 圖7 (b)為本發(fā)明實施例的Layeri+1中相鄰兩株重疊樹冠點凸包及其增量示意圖 [0059]具體實施方法
[0060] 本發(fā)明技術(shù)方案可采用計算機軟件技術(shù)實現(xiàn)自動運行流程。為了便于本領(lǐng)域普通 技術(shù)人員理解和實施本發(fā)明,下面結(jié)合附圖及實施例對本發(fā)明作進一步的詳細描述。
[0061] 本發(fā)明要解決的核心問題是:在復(fù)雜場景的車載激光掃描數(shù)據(jù)中,自動選取并識 別單株樹木的種子,從種子開始進行區(qū)域生長,設(shè)定相關(guān)生長約束條件,移除與樹木接觸的 其他地物并分割相鄰樹木有重疊的樹冠,實現(xiàn)復(fù)雜環(huán)境中單株樹木點云的自動提取。
[0062] 以下結(jié)合附圖和實施例,詳細描述本發(fā)明的單株樹木點云自動提取方法。步驟流 程圖見圖1.
[0063]步驟1,結(jié)合行車軌跡點數(shù)據(jù),對原始點云數(shù)據(jù)進行高程濾波以去除地面點云,對 非地面點云數(shù)據(jù)進行歐氏聚類,并篩選出可能包含樹木的候選樹木聚類,包括以下子步驟:
[0064] 步驟1.1以每一個行車軌跡點為中心,計算落在一定水平范圍內(nèi)所有數(shù)據(jù)點的平 均高程值,因為軌跡點一定位于路面上,其周圍的點一定均為地面點,因此可以將該平均高 程值作為該行車軌跡點處的地面高程值 -V-
[0065] 步驟1.2對原始點云數(shù)據(jù)進行水平規(guī)則格網(wǎng)化,計算每一個水平規(guī)則格網(wǎng)內(nèi),所有 數(shù)據(jù)點的最大高程值和最小高程值(HP),以及水平中心點的位置。
[0066]步驟1.3計算每一個格網(wǎng)中點的最大最小高程差值(DHi)和最大高程值與該格網(wǎng) 水平中心距離最近的行車軌跡點處的地面高程值的差值(出),根據(jù)地面高程小且局部變化 小的特征,通過預(yù)設(shè)的高程閾值(hi,h2)過濾掉地面點。
[0067] = 微….技產(chǎn)
[0068] r n <m 麵奈 0069 : - " ^ te>M ^M^hl 非地面點
[0070] 步驟1.4對去非地面的點云數(shù)據(jù)進行基于歐氏距離的聚類分析,由于相同地物所 含的點在空間上鄰近,因此點云數(shù)據(jù)被分割成多個點聚類,每個點聚類由單個地物或鄰近 的多個地物組成。
[0071] 步驟1.5將每一個點聚類按照高度平均分為N層,最底層記為第0層??紤]到樹木的 整體形態(tài)特征和樹冠的不規(guī)則性,計算第化^2)41^0/2)+1,...少-1層中所有點的平 均法向量偏移度(A0SNV),依此來區(qū)分樹木(冠)與其他地物。
|L_snr <: f 頰.剛地犓C王薆包貪人工地物,樹干等I 不輟.幽地物(樹冠,謹木等〕
[0075] 其中巧//#:是點i的法向量偏移量,電是點i的法向量與水平面的夾角,n通過 統(tǒng)計分類計算得出。
[0076] 若該聚類的這些層的平均法向量偏移度都滿足相關(guān)閾值,同時該聚類的高度大于 設(shè)定的高度閾值,則認為該聚類屬于候選樹木聚類,其可能包含有樹木。
[0077] 步驟2.對步驟1所獲取的每一個候選樹木聚類,逐一利用基于兩級體素的雙重區(qū) 域生長算法從中提取出所包含的單株樹木,包括以下子步驟:
[0078] 步驟2.1對候選樹木聚類進行體素化。用一定大小的體素對候選樹木聚類所占的 三維空間進行體素分割,因此,候選樹木聚類中的每一個點都會劃分到相應(yīng)的體素中。從而 使得散亂無序的點云數(shù)據(jù)轉(zhuǎn)換成了按體素組織的點并有了相應(yīng)的鄰接關(guān)系(圖2)。
[0079] 步驟2.2選取樹干種子體素。根據(jù)樹木的整體形態(tài)特征,樹干相比樹冠更加細小。 因此,在樹木點云中,反射自樹干的點相對更少,也占據(jù)更少的體素。將所有體素按層進行 劃分,統(tǒng)計每一層所包含的體素數(shù)量,通過選取一定高度范圍內(nèi)包含體素數(shù)量最少的一層, 作為樹干的初始層(圖2)。對該層中的體素進行分割,所得到的每一個體素組都作為可能位 于樹干上的種子(圖2中紅框所示)。為了選取出真正位于樹干上的種子,對這些種子所對應(yīng) 的體素組逐層分析,以判斷是否滿足樹木特征。
[0080] 對于一株樹木而言,其主要有三個明顯的特征:(1)一株樹木包含差異明顯的兩個 部分:下部的樹干和上部的樹冠;(2)樹冠截面類圓,直徑較大,且形態(tài)不規(guī)則;(3)樹干位于 對應(yīng)樹干的水平中心附近,并有較小的直徑和相對規(guī)則的形狀。因此,通過進行截面分析可 以發(fā)現(xiàn),樹冠的直徑,周長,面積都較樹干顯著增大。在這里每一層相應(yīng)體素組中點的水平 凸包被用來描述該物體在相應(yīng)高度的橫截面形狀(圖3)。從種子開始向上進行分析比較,如 果某一層中對應(yīng)的凸包滿足樹冠的特征,則認為找到了樹冠,該種子被確定為樹木種子,識 別過程如下:
[0081] 在向上分析過程中,逐層比較由種子所含點生成的水平凸包(CHinitlal)與Layeri* 對應(yīng)體素組中所含點生成的水平凸包(CHi)(圖3),主要包括面積(area)、直徑(diameter)、 周長(perimeter)等幾何特征。同時計算CHi與圓形的相似程度(Simicircie)。
[0087] 其中 a+0+Y=l。
[0088] 若滿足以下條件,貝lj認為找到了樹冠:diameter (CHi)大于SDcr_,Simi circle小于 SAcr_且Simiup小于SHup。如果有多個種子共享同一樹冠,則只把距離樹冠中心最近的種子 作為真正位于樹干上的種子。
[0089] 當(dāng)上述條件都滿足是,則認為找到了位于樹干上的種子(如圖2中種子1)。在此過 程中,通過計算每一個體素組中所有點的平均法向量偏移度,利用步驟1.5中提到的平均法 向量偏移度(A0SNV)可以將樹干與樹冠分割開來,米取不同的策略來分別生長樹干和樹冠。
[0090] 步驟2.3基于自適應(yīng)范圍的樹干生長。從位于樹干上的種子開始向兩端逐層生長, 根據(jù)當(dāng)前層所有點的最小水平外包圓(圓心〇,半徑R),來設(shè)定下一層樹干的水平生長范圍 (例如:以0為圓心,半徑為1.2R的圓)。下一層中,所有落在該水平范圍內(nèi)的點都被視為樹干 點,通過計算這些點的水平最小外包圓,同理來設(shè)定下一層樹干的水平生長范圍,向下生長 至第0層為止(圖4),向上生長至樹冠層停止。若有多個樹木種子,則重復(fù)該過程,直至每一 個樹木種子完成樹干生長。
[0091] 步驟2.4大小體素轉(zhuǎn)換。在完成樹干生長之后,從適合樹干生長的小體素轉(zhuǎn)換成適 合樹冠生長的大體素。由于樹冠點相對稀疏且形態(tài)不規(guī)則,為了避免單個體素中的點數(shù)量 過少,采用大一級體素來進行樹冠生長。所有樹冠層中的點,利用1.5倍原始大小的體素重 新體素化,新的最底層作為樹冠的初始層(圖5)。樹冠初始層中的體素作為種子體素進行后 續(xù)的向上逐層樹冠生長。
[0092] 步驟2.5基于幾何特征的樹冠生長與樹冠分割。第Layeri+i層的生長與分割如圖6 所示。其中紅點表示待定點,淺色體素包含點表示Treei,深色體素包含點表示Tree2(a) Layeri層的生長結(jié)果;(b)Layeri層中的樹冠體素與Layeri+i層中的點;(c)從Layeri向上生 長到Layeri+i層(d)Treei的體素生長(e)Tree2的體素生長和分割(f )Layeri+i層的生長結(jié)果。 包括以下子步驟:
[0093] 步驟2.5.1樹冠生長。樹冠體素的生長過程包括同層生長和向上生長。考慮到樹冠 的不規(guī)則性和橫截面積的變化,對當(dāng)前層中每一個種子體素都進行水平八鄰域生長,若平 均法向量偏移度符合閾值范圍,則該體素內(nèi)所含的內(nèi)被認為是樹冠點。每一個新生長到的 體素作為種子體素繼續(xù)進行水平八鄰域生長,直至沒有新的樹冠體素產(chǎn)生,則進行向上生 長。由于樹冠具有垂直方向上的自然延伸結(jié)構(gòu),在向上生長過程中,與當(dāng)前層樹冠體素行列 號相同的上層體素都被認為是樹冠體素,同時作為種子體素繼續(xù)進行水平八鄰域生長。當(dāng) 一個候選樹木聚類中包含多株樹木時,當(dāng)前層中一株樹冠完成生長再進行另一株樹冠生 長,當(dāng)該層中所有樹冠都完成生長時再向上生長。該過程直至樹冠頂層完成生長時結(jié)束。
[0094] 步驟2.5.2對于相鄰樹冠的接觸或鄰近,有的體素可能會被多株樹木的種子生長 到,這時通過當(dāng)前層橫截面積的變化量來測量樹冠形態(tài)的一致性,以確定該體素的歸屬,對 于待分割體素,其基于面積增量(Area gr?)的一致性測量方法如下:
[0095] AiTGclgrow-Sgrow_Si
[0096] 其中Si是當(dāng)前層的體素組中點的水平凸包的面積,Sgr?是由當(dāng)前層的體素組中點 和待分割體素中的點共同的水平凸包的面積(SgrowSSO。
[0097] 變化量更小意味著一致性更強,例如圖7中,有兩株樹,分別是Treei(灰度較淺)和 Tree2(灰度較深),分別計算兩株樹冠的面積增量(黑色部分),由于,因此 該待分割體素屬于Tree 2。
[0098] 步驟2.6剩余體素歸類。由于通過計算平均法向量偏移度只能將樹干向上生長過 程中粗略地將樹干與樹冠分開。因此樹干層中也可能包含樹冠點。對于這部分點,在樹冠生 長過程中無法生長到,因此在樹冠生長完成后,再通過計算其對于樹冠整體截面面積的增 量來確定其歸屬。還有一些只包含少量點的體素,其平均法向量偏移度可能出現(xiàn)偏差,對于 這部分體素,如果其與樹冠體素相鄰,則直接視為樹冠體素,若同時與兩棵樹的樹冠體素相 鄰則也利用最小面積增量原則來進行分割。圖6(f)表示的是該層樹冠最終的生長結(jié)果。
[0099] 隨著樹干生長和樹冠生長的完成,單株樹木得到了提取。
[0100] 步驟2.7逐步精煉樹干。由于受到候選聚類下部其他地物的影響(如樹干支架的包 裹),本方法可能無法選取到?jīng)]有支架包裹的純凈樹干區(qū)段,因此選取的種子體素中可能還 包含了其他地物點(如樹干支架點),從而導(dǎo)致了樹干生長范圍的擴大,使得更多的其他地 物點被生長為樹干點。為了去除這些點,把提取到的單株樹木作為候選樹木聚類,回到步驟 2.2,重新進行種子選取和樹干生長。由于經(jīng)過第一次的樹干生長過程,部分樹干支架點被 去除,使得更加容易找到純凈的樹干區(qū)段,因而保證種子體素的正確性,進一步縮小了樹干 的生長范圍,從而使得更多的其他地物點得到去除。經(jīng)過幾次處理之后,當(dāng)樹干點數(shù)量趨于 穩(wěn)定,則該精煉過程完成。經(jīng)過該過程,樹干支架點被逐漸去除,樹干的精度也逐漸提高。 [0101]至此,完成了一個候選樹木聚類中的單株樹木提取,重復(fù)步驟2,對下一個候選樹 木聚類中的單株樹木進行提取,反復(fù)執(zhí)行此過程直到完成所有候選樹木聚類完成提取。
[0102]以上所述僅為本發(fā)明中的一個實施例,并不用于限制本發(fā)明。凡在本發(fā)明的精神 與原則之內(nèi),所做的任何修改,改進等,均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。
【主權(quán)項】
1. 一種基于車載激光掃描數(shù)據(jù)的單株樹木點云自動提取方法,其特征在于,包含以下 步驟: 步驟1,結(jié)合行車軌跡點數(shù)據(jù),從原始車載激光掃描點云數(shù)據(jù)中獲取可能包含樹木的點 聚類,包括以下子步驟: 步驟1. 1、計算行車軌跡點處的地面高程值; 步驟1.2、對原始點云數(shù)據(jù)進行水平規(guī)則格網(wǎng)化,計算每一個水平規(guī)則格網(wǎng)內(nèi),所有數(shù) 據(jù)點的最大高程值和最小高程值,以及水平中心點的位置; 步驟1.3、結(jié)合步驟1.1獲取的地面高程值,通過預(yù)設(shè)的高程閾值過濾掉地面點; 步驟1.4、對步驟1.3所獲取的非地面的點云數(shù)據(jù)進行基于歐氏距離的聚類分析; 步驟1.5、通過平均法向量偏移度,結(jié)合高度特征從步驟1.3獲取的點聚類中按篩選出 可能包含樹木的聚類,即候選樹木聚類; 步驟2.對步驟1所獲取的每一個候選樹木聚類,逐一利用基于兩級體素的雙重區(qū)域生 長算法從中提取出所包含單株樹木,包括以下子步驟; 步驟2.1、對步驟1獲取的候選樹木聚類進行體素化; 步驟2.2、根據(jù)樹木的整體形態(tài)特征選取樹干的初始層,并利用樹木的截面幾何特征識 別出真正位于樹干上的種子,并將樹干與樹冠分割開; 步驟2.3、從步驟2.2獲取的種子開始向兩端進行逐層自適應(yīng)范圍的樹干生長; 步驟2.4、從適合樹干生長的小體素轉(zhuǎn)換成適合樹冠生長的大體素繼續(xù)生長; 步驟2.5、基于局部幾何特征的樹冠體素生長與基于形態(tài)一致性的樹冠體素分割; 步驟2.6、確定對未生長到或者待定的體素分析其鄰域的26體素,結(jié)合最小面積增量原 則來確定這些體素的歸屬; 步驟2.7、對提取的樹木重復(fù)進行種子選取和樹干生長,提高樹干的精度; 重復(fù)步驟2,對下一個候選樹木聚類中的單株樹木進行提取,直到完成所有候選樹木聚 類完成提取。2. 根據(jù)權(quán)利要求1所述的一種基于車載激光掃描數(shù)據(jù)的單株樹木點云自動提取方法, 其特征在于,所述步驟2.2中,具體方法是:對于一株樹木,包括: 特征一:一株樹木包含差異明顯的兩個部分:下部的樹干和上部的樹冠; 特征二:樹冠截面類圓,直徑較大,且形態(tài)不規(guī)則; 特征三:樹干位于對應(yīng)樹干的水平中心附近,并有較小的直徑和相對規(guī)則的形狀; 定義樹冠的直徑,周長,面積都大于樹干,則每一層相應(yīng)體素組中點的水平凸包被用來 描述該物體在相應(yīng)高度的橫截面形狀;從種子開始向上進行分析比較,如果某一層中對應(yīng) 的凸包滿足樹冠的特征,則認為找到了樹冠,該種子被確定為樹木種子,識別過程如下: 逐層比較由種子所含點生成的水平凸包(CH initlal)與Layer1中對應(yīng)體素組中所含點生 成的水平凸包(CHi)(圖3),主要包括面積(area)、直徑(diameter)、周長(perimeter)等幾 何特征;同時計算CHi與圓形的相似程度(Simicdr。:^);,、I , , j 丄,若滿足以下條件,貝1J認為找到了樹冠 :diameter (CHi)大于SDcrmm,Simicircie小于SAcr_ 且Simiup小于SHup;如果有多個種子共享同一樹冠,則只把距離樹冠中心最近的種子作為真 正位于樹干上的種子; 當(dāng)上述條件都滿足時,則認為找到了位于樹干上的種子(如圖2中種子1);在此過程中, 通過計算每一個體素組中所有點的平均法向量偏移度,利用步驟1.5中提到的平均法向量 偏移度(AOSNV)可以將樹干與樹冠分割開來,米取不同的策略來分別生長樹干和樹冠。3. 根據(jù)權(quán)利要求1所述的一種基于車載激光掃描數(shù)據(jù)的單株樹木點云自動提取方法, 其特征在于,所述步驟2.3中,基于自適應(yīng)范圍的樹干生長;從位于樹干上的種子開始向兩 端逐層生長,根據(jù)當(dāng)前層所有點的最小水平外包圓,來設(shè)定下一層樹干的水平生長范圍;下 一層中,所有落在該水平范圍內(nèi)的點都被視為樹干點,通過計算這些點的水平最小外包圓, 同理來設(shè)定下一層樹干的水平生長范圍,向下生長至第0層為止,向上生長至樹冠層停止; 若有多個樹木種子,則重復(fù)該過程,直至每一個樹木種子完成樹干生長。4. 根據(jù)權(quán)利要求1所述的一種基于車載激光掃描數(shù)據(jù)的單株樹木點云自動提取方法, 其特征在于,所述步驟2.4中,在完成樹干生長之后,從適合樹干生長的小體素轉(zhuǎn)換成適合 樹冠生長的大體素;由于樹冠點相對稀疏且形態(tài)不規(guī)則,為了避免單個體素中的點數(shù)量過 少,采用大一級體素來進行樹冠生長;所有樹冠層中的點,利用1.5倍原始大小的體素重新 體素化,新的最底層作為樹冠的初始層;樹冠初始層中的體素作為種子體素進行后續(xù)的向 上逐層樹冠生長。5. 根據(jù)權(quán)利要求1所述的一種基于車載激光掃描數(shù)據(jù)的單株樹木點云自動提取方法, 其特征在于,所述步驟2.5具體包括: 步驟2.5.1樹冠生長;樹冠體素的生長過程包括同層生長和向上生長;考慮到樹冠的不 規(guī)則性和橫截面積的變化,對當(dāng)前層中每一個種子體素都進行水平八鄰域生長,若平均法 向量偏移度符合閾值范圍,則該體素內(nèi)所含的內(nèi)被認為是樹冠點;每一個新生長到的體素 作為種子體素繼續(xù)進行水平八鄰域生長,直至沒有新的樹冠體素產(chǎn)生,則進行向上生長;由 于樹冠具有垂直方向上的自然延伸結(jié)構(gòu),在向上生長過程中,與當(dāng)前層樹冠體素行列號相 同的上層體素都被認為是樹冠體素,同時作為種子體素繼續(xù)進行水平八鄰域生長;當(dāng)一個 候選樹木聚類中包含多株樹木時,當(dāng)前層中一株樹冠完成生長再進行另一株樹冠生長,當(dāng) 該層中所有樹冠都完成生長時再向上生長;該過程直至樹冠頂層完成生長時結(jié)束; 步驟2.5.2對于相鄰樹冠的接觸或鄰近,有的體素可能會被多株樹木的種子生長到,這 時通過當(dāng)前層橫截面積的變化量來測量樹冠形態(tài)的一致性,以確定該體素的歸屬,對于待 分割體素,其基于面積增量(Areagrciw)的一致性測量方法如下: Areagrow- Sgrow-Si 其中31是當(dāng)前層的體素組中點的水平凸包的面積,5^"是由當(dāng)前層的體素組中點和待 分割體素中的點共同的水平凸包的面積(Sgrciw^S1)13
【文檔編號】G06K9/62GK105894044SQ201610280634
【公開日】2016年8月24日
【申請日】2016年4月29日
【發(fā)明人】李霖, 李大林, 朱海紅, 李游
【申請人】武漢大學(xué)