[发明专利]基于激光雷达点云的树木分割方法及单棵树提取方法

说明书

一种基于激光雷达点云的树木分割方法及单棵树提取方法，其树木分割过程为：1)从原始的激光雷达点云中将树的点云分离出来；2)将三维的原始激光雷达点云投影到二维平面，并利用图像分割算法对树的点云进行初始分割；3)将二维的初始分割结果转到三维网格环境下确定每个分割组块的根网格和树枝网格，利用3D网格融合算法将过分割的点云进行融合。本发明利用图像分割算法获取初始分割结果，然后通过3D网格融合算法对过度分割进行融合，并利用单棵树的三维模型提取出单棵树并获取每棵树的高度、体积和树冠面积，修正了传统图像分割算法中出现的过度分割问题，提供准确的单木提取结果，且不受点云密度的限制，极大地减少了人工干预。

技术领域

本发明涉及一种基于激光雷达点云的树木分割方法及单棵树提取方法，属于激光雷达点云数据处理技术领域。

背景技术

机载激光雷达数据一般用于城市场景以及自然环境的三维模型重建。然而，目前基于激光雷达数据的三维重建方法需要繁重的人工干预。而自动算法产生的模型会产生许多错误，也需要人工进行修正。

在基于激光雷达数据的树模型三维重建的过程中，其中最困难的部分之一是如何准确地在激光雷达点云中识别并提取单个树木，以便于后续进行树木的建模。而精确的树模型不仅仅关系到高度还原城市以及自然场景，对于森林、农业等行业的应用也有着至关重要的意义。例如，在准确地单棵树识别与建模的基础上，可以得到精确的树木总量，并从中计算出树木高度、胸径、树冠、体积等参数。进而可以提高估算森林生物量、树木年龄分布的准确度。这样，可以指导经济树种的砍伐，提高产量，保证林业生产和木材采伐的可持续性。并有利于森林资源的集约利用以及可持续发展，对生态环境保护也产生重要的作用。

然而，目前传统方法很难满足精确识别单棵树的需求，尽管这些方法可以较准确地区分树和建筑物等其它地物。但是受点云密度影响，这些方法都不能很好地将单棵树的点云从一群树的点云中分割出来。特别地，在树冠茂密，树叶互相重叠的情况下，传统方法会造成多棵树被认作为一棵树，由此造成最终树木参数的计算结果不准确。

发明内容

针对现有技术的不足，本发明提出了一种基于激光雷达点云的树木分割方法及单棵树提取方法，其通过树木分割能够精确识别出单棵树。

本发明解决其技术问题采取的技术方案是：基于激光雷达点云的树木分割方法，其特征是，它通过图像初始分割和过分割点云融合处理来对激光雷达点云中的树木进行分割。

进一步地，所述树木分割过程包括以下步骤：

1）从原始的激光雷达点云中将树的点云分离出来；

2）将三维的原始激光雷达点云投影到二维平面，并利用图像分割算法对树的点云进行初始分割；

3）将二维的初始分割结果转到三维网格环境下，首先确定每个分割组块的根网格和树枝网格，然后利用3D网格融合算法将过分割的点云进行融合。

进一步地，在步骤1）中，树的点云的分离过程是通过滤波方法先将原始激光雷达点云分为地面点和非地面点，再利用分类方法将非地面点分为树的点云和非树点云。

进一步地，所述将原始激光雷达点云分为地面点和非地面点的过程包括以下步骤：

1）选取初始种子点构建初始TIN：确定点云的边界，并以最大建筑物尺寸为网格大小，构建网格，选取每个网格中的最低点作为种子点，四个角点的高程等于距离该角点最近的种子点高程，剩下的点则定义为待定点；

2)TIN迭代加密：对待定点进行判定是否为地面点并且刷新三角网，根据待定点的坐标位置，确定待定点所在的三角面片，计算其与所在三角面片的角度和距离，如果角度和距离均小于给定阈值则定义为地面点；否则计算三角面片的坡度，如果坡度小于阈值则判定该点为非地面点；否则，对该点的镜像点判断是否为地面点，如果是则该点为地面点，否则为非地面点；