[发明专利]一种面向树木激光点云的有效特征抽取与树种识别方法

权利要求书

1.一种面向树木激光点云的有效特征抽取与树种识别方法，其特征在于，包括：

步骤1：获取目标树的全覆盖点云数据；

步骤2：对目标树的全覆盖点云数据进行降噪处理以去除异常点；

步骤3：根据降噪后获得的点云数据分别分析目标树的三种类别的树木特征，所述三种类别的树木特征分别为树木相对聚类特征、点云分布特征和树木表观特征，从而获得多个树木相对聚类特征参数、多个点云分布特征参数和多个树木表观特征参数；

步骤4：将所有树木相对聚类特征参数按类别分别进行交叉组合，将得到的所有组合方式作为SVM分类器的输入变量进行分类，获得所有组合方式的分类精度，根据分类精度抽取基于树木相对聚类特征的最优特征参数组；将所有点云分布特征参数进行交叉组合，将得到的所有组合方式作为SVM分类器的输入变量进行分类，获得所有组合方式的分类精度，根据分类精度抽取基于点云分布特征的最优特征参数组；将所有树木表观特征参数进行交叉组合，将得到的组合方式作为SVM分类器的输入变量进行分类，获得所有组合方式的分类精度，根据分类精度抽取基于树木表观特征的最优特征参数组；

步骤5：将基于树木相对聚类特征的最优特征参数组、基于点云分布特征的最优特征参数组以及基于树木表观特征的最优特征参数组进行组合并作为变量输入到SVM分类器中进行树种分类；

所述的步骤3中的树木相对聚类特征表示目标树的点云的聚集离散结构，分析目标树的树木相对聚类特征的具体步骤为：

(a)对目标树的点云数据进行计算，实现树冠的提取，将获取到的树冠自顶而下水平分割成10个相同高度的矩形层R_k，k＝1，2，…，10；取树高与冠底高度之差作为树冠高度H_Crown，则R_k的高度为H_Crown/10；R_k的长度为R_k的宽度为其中3D坐标系下任意点云坐标为j为目标树中的第j株树，i为第j株树内的第i个点云；

(b)将矩形层R_k分割成m个边长为H_Crown/10的正方形区域的样方，为R_k内第l个样方中的点云数量，在每个R_k内用特征值V_k描述对应k层点云的聚集离散结构，V_k定义为：

若V_k＜1，则R_k的结构特征为分散；若V_k＞1，则R_k的结构特征为聚集；若V_k＝1，则R_k的结构特征为随机；

(c)通过公式(2)将特征值V_k作0到1之间的归一化处理：

其中min(V)和max(V)分别为目标树的10个矩形层中对应的最小V_k值与最大V_k值；

(d)计算关于距离度量r的函数P_k(r)：

其中公式(3)中A_k代表R_k垂直于地面方向上的投影面积，n_k是R_k内的点云个数；公式(4)中为指标函数，代表任意两点和之间的距离，若则取值为1，否则为0；

求取P_k(r)函数的偏差：

其中r的取值为从0.2m至6m区间内间隔为0.2m的30个数值，则单株目标树的每个矩形层包含30个L_k(r)函数值，30个L_k(r)函数值中最大正值表示R_k在刻度r上存在最大程度的分散，30个L_k(r)函数值中最小负值表示R_k在刻度r上存在最大程度的聚集，从30个L_k(r)函数值中计算出最大正值L_{max_k}、最小负值L_{min_k}、最大正值处对应的距离度量r_{max_k}以及最小负值处对应的距离度量r_{min_k}；

(e)所述的树木相对聚类特征参数分为5种类别，分别为：V特征参数、L_max特征参数、L_min特征参数、r_max特征参数以及r_min特征参数，V特征参数包括V₁，V₂，…，V₁₀；L_max特征参数包括L_{max_1}，L_{max_2}，…，L_{max_10}；L_min特征参数包括L_{min_1}，L_{min_2}，…，L_{min_10}；r_max特征参数包括r_{max_1}，r_{max_2}，…，r_{max_10}；r_min特征参数包括r_{min_1}，r_{min_2}，…，r_{min_10}；因此所有类别的树木相对聚类特征参数的个数一共50个；

所述的步骤3中点云分布特征参数分别为点云高度均值、点云高度标准偏差、点云高度偏移量、点云高度峰值、树高的0％和20％之间的点云数量与整株树点云数量的比率、树高的20％和40％之间的点云数量与整株树点云数量的比率、树高的40％和60％之间的点云数量与整株树点云数量的比率、树高的60％和80％之间的点云数量与整株树点云数量的比率以及树高的80％和100％之间的点云数量与整株树点云数量的比率；

所述的步骤3中分析目标树的树木表观特征的具体步骤为：

(a1)获取树高H_Tree和树冠高度H_Crown，从扫描点云数据获取冠中最高分支高度H_maxb、冠中最低分支的高度H_minb、冠盖的最长分布L_Crown和与L_Crown垂直的冠盖最长分布

(b1)以树干为中心垂直于地面方向切割树冠，将其平均分成8段，将每个分段内的所有点云投影到各个分段的中心垂直剖面上，将中心垂直剖面划分为g×g的网格；

(c1)分别计算出等效冠直径、树冠高度与树高的比率、等效冠直径与树高的比率、树冠高度和等效冠直径的比率、(树高-H_minb)和(树高-H_maxb)的比率、L_crown和的比率、树冠椭球模型拟合参量、所有网格内点云的平均高度以及中心垂直剖面内的网格参量并将其作为树木表观特征参数，所述的等效冠直径为具有与冠盖相等面积的等效最小外接圆直径D_EA。