[发明专利]一种基于车载激光雷达数据的行道树属性自动识别方法

说明书

技术领域

本发明涉及空间信息技术的测绘科学技术领域，具体为一种适用于行道树属性获取及动态监测的基于车载激光雷达数据的行道树属性自动识别方法。

背景技术

在行道树测绘中，人工使用RTK、卷尺、棱镜等测绘仪器获树高、胸径、冠幅的技术已较为成熟。但存在人工方式效率低、速度慢、外业作业时间长，受天气条件影响大等问题。随着近年来车载激光雷达技术的蓬勃发展，使国内外学者基于点云进行城市三维信息提取研究成为可能。其中，一种基于车载激光雷达数据的行道树属性自动识别方法，可以提高行道树树高、胸径、冠幅获取的效率和准确性。

车载激光雷达是集成全球卫星定位系统(GNSS)和惯性导航系统(IMU)的激光扫描装置，激光扫描仪整合全景相机架设在汽车上，可以获得道路以及道路两测物体的三维坐标和全景影像。传感器发射的激光脉冲能部分穿透树冠遮挡，受可见光线影响很小，直接获取高精度三维点云数据。三维点云数据经过融合纠正，具有高精度、高密度、高现势性的特点，结合全景影像，在专题数据提取建库上具有地面常规测量技术无法替代的优越性。

因此，将车载激光雷达与行道树的测绘很好的结合应用，是一个值得研究的问题。

发明内容

为了克服现有技术中的不足，本发明提供了一种在行道树属性采集时采用车载激光雷达数据，全自动识别方式，计算行道树高度、胸径、冠幅，既提高了对行道树基础属性采集获取的效率，也为发现行道树变化的机制，进行动态监测提供了一种有效手段的基于车载激光雷达数据的行道树属性自动识别方法。

本发明的目的是这样实现的：

一种基于车载激光雷达数据自动提取道路地形图高程点的方法，包括如下步骤：

步骤1，数据获取：包括车载激光雷达点云数据获取和全景影像获取；利用车载激光移动测量车，沿道路进行激光雷达数据及全景影像数据采集；采集时应避开交通高峰时段，避免过多的人车遮挡；应选择天气晴朗，光线柔和的天气，以避免采集的全景影像过亮或过暗，影响点云色彩提取效果。点云精度应达到误差小于20cm，全景影像分辨率应大于7000万像素。

步骤2，点云提取：根据行道树点位位置坐标，提取行道树周边阈值以内的点云。

步骤3，激光点云分类：对步骤2中提取出来的点云，通过商业软件进行点云分类，剔除建筑物、护栏、围墙、电力线、噪点等非行道树点云。

步骤4，点云与影像选点配准：通过高频轨迹数据对点云和全景进行自动化配准，再通过控制点进行精配准，点云与全景影像的配准精度误差不大于5cm。

步骤4.1根据高频轨迹数据记录的位置信息【X，Y，Z】、时间信息【t】及姿态信息【H，P，R】，结合激光器和全景相机标定参数【R0(h0,p0,r0),T0(x0,y0,z0)】，配准点云和全景影像。

步骤4.2检查点云和全景影像的配准情况，误差超限的话，在点云中和全景影像中选择对应同名点作为控制点，重新计算全景影像的杆臂值和安置角，进行单帧配准。选点时，应选择地面标识标线的角点、井盖篦子的角点等特征点位置，分布尽量均匀。至少选择3对同名点，且不能在同一个平面上。

步骤5，点云色彩获取。根据点云(X,Y,Z)坐标，拾取对应影像的RGB值，挂接在点云上。

步骤5.1根据经验设置单帧全景的取色距离，一般可设为两个轨迹点距离的1.5倍。

步骤5.2根据轨迹点，查找点云对应单帧影像编码，按取色距离对点云进行分配建立索引，根据对应点坐标获取RGB值。

步骤5.3根据RGB值对点云渲染，检查取色是否准确合理，若单帧存在偏移，可重复步骤4.2，直至无误。

步骤6，行道树属性(高度、胸径、冠幅)自动识别；根据行道树点云的密度、强度、法向量、色彩值，计算行道树高度、胸径、冠幅。

步骤6.1根据经验选定阈值I₁、I₂及RGB阈值C₁、C₂，根据点云强度值和RGB值区间，把点云分为3类，分别按树叶、树干、其他进行标记。

步骤6.2取定阈值P₁，对点云从最低点高程按间隔P₁进行XOY投影，直至最高点高程，根据树干树冠在投影中都有近圆形的特征，判断行道树最高点高程H_max和最低点高程H_mina。