[发明专利]基于模态点演化的地面LiDAR点云枝叶分离方法

说明书

本发明公开了一种基于模态点演化的地面LiDAR点云枝叶分离方法，包括以下步骤：S1，采用Mean Shift分割方法对地面LiDAR点云进行分割，以获取模态点；S2，利用模态点构建图形结构并进行最短路径分析；S3，基于路径回溯和节点演化进行叶子节点探测；S4，基于节点访问频率和节点演化进行枝干节点探测。根据本发明提供的基于模态点演化的地面LiDAR点云枝叶分离方法，首先采用Mean Shift方法获取模态点，每个模态点对应一个分割对象，进行将基于点的枝叶分离转化为基于对象的枝叶分离。相较于基于几何特征的枝叶分离，基于对象的方法能够大大减小计算量并能提高分离效率。

技术领域

本发明涉及枝叶分离方法技术领域，特别是涉及一种基于模态点演化的地面LiDAR点云枝叶分离方法。

背景技术

三维激光扫描(LiDAR)技术近年来发展迅猛。根据运行平台的不同，LiDAR系统可以分为机载LiDAR、地面LiDAR和手持型LiDAR。地面LiDAR是一种将三维激光扫描仪安装在三脚架上的LiDAR系统。它能够主动地向地面发射激光脉冲并接受来自地面目标物体的回波信息。与其他测量方式相比，地面LiDAR能够快速、准确地获取密集点云数据。因此，地面LiDAR现已广泛应用于森林资源调查中，例如植被参数估测、生物量估测以及叶面积指数计算等。

对于大多数采用地面LiDAR进行森林资源调查的后处理应用而言，枝叶分离是一个必须实现的前提条件。例如，当计算叶面积指数时首先需要将叶子提取出来。枝干的存在将会过高估计叶面积指数在3％-32％之间。此外，在计算蓄木量和估测地表生物量时，叶子的存在同样会影响估测结果。因此，在进行后续植被应用处理时需要首先将叶子和枝干进行准确的分离。然而，枝叶分离依然是一项富有挑战性的工作。尤其是在复杂的森林环境中，准确的枝叶分离依然很难实现。

基于几何特征的方法是现有技术中常用的枝叶分离方法，基于几何特征的方法主要基于叶子和枝干不同的几何特征来实现枝叶分离的。对于大多数的机器学习方法而言，采用几何特征进行枝叶分离时，均需要进行样本标记，此过程通常需要大量的时间，影响计算效率。此外，计算各个点的几何特征往往需要选择合适的领域半径。不准确的邻域半径往往会导致分类效果较差。尽管采用多尺度邻域能够获得更好的分类结果，但计算多尺度特征的计算量大，往往需要花费成倍的时间。

发明内容

本发明的目的在于提出一种基于模态点演化的地面LiDAR点云枝叶分离方法，以解决现有技术计算量大、效率低的问题。

一种基于模态点演化的地面LiDAR点云枝叶分离方法，包括以下步骤：

S1，采用Mean Shift分割方法对地面LiDAR点云进行分割，以获取模态点；

S2，利用模态点构建图形结构并进行最短路径分析；

S3，基于路径回溯和节点演化进行叶子节点探测；

S4，基于节点访问频率和节点演化进行枝干节点探测。

根据本发明提供的基于模态点演化的地面LiDAR点云枝叶分离方法，首先采用Mean Shift方法获取模态点，每个模态点对应一个分割对象，进行将基于点的枝叶分离转化为基于对象的枝叶分离。相较于基于几何特征的枝叶分离，基于对象的方法能够大大减小计算量并能提高分离效率。通过路径回溯以及计算各个节点的访问频率，实现叶子节点和枝干种子节点的探测。最后，基于演化得到的枝干节点以及Mean Shift分割结果获取最终的枝干点云。该方法过程简单、易于实现，能够为后续地面LiDAR在森林区域的应用提供良好的基础。

另外，根据本发明上述的基于模态点演化的地面LiDAR点云枝叶分离方法，还可以具有如下附加的技术特征：

进一步地，步骤S1中，采用下式计算Mean Shift向量：