[发明专利]点云树木单体分割方法、装置、电子设备及存储介质

说明书

本申请提供一种点云树木单体分割方法、装置、电子设备及存储介质，包括：根据预设高度，将原始树木点云数据划分为第一点集合和第二点集合，其中，第一点集合中的点的z坐标值大于预设高度，第二点集合中的点的z坐标值小于预设高度；采用预设聚类算法，对第二点集合进行处理，获取n个聚类点集合；将各聚类点集合中的第一点，分别与第一点集合中的点进行比较，根据比较结果将第一点集合中的点进行划分，获取n个目标分割结果。通过上述步骤，可以首先通过对树干上的点进行聚合分类，再将树冠层的点云数据按照树干上的点的聚类集合进行分割，可以充分适应树木的生长特点，使得对点的分类足够准确，从而使得点云树木单体分割的结果更加精准。

技术领域

本申请涉及点云数据处理技术领域，具体而言，涉及一种点云树木单体分割方法、装置、电子设备及存储介质。

背景技术

点云数据，是指在一个三维坐标系统中的一组向量的集合，这些向量通常以X，Y，Z三维坐标的形式表示，一般主要用来代表一个物体的外表面形状。点云数据除了代表物体上点的位置信息外，还可以表示点的RGB颜色、灰度值、深度以及分割结果等。激光雷达点云数据，是由激光探测与测量(Light Detection And Ranging，简称LiDAR)，也即激光雷达，扫描获取而得到的。激光雷达点云数据可以用来进行三维树木模型的建立，而一般通过激光雷达获得的树木的点云数据，都是一片树木或者森林区域的点云数据，如何准确地在点云数据中，识别并提取树木单体，是后续进行单个树木建模的基础。

现有的树木单体分割的过程，通常采用临近搜索算法或者区域生长算法，即，由一个随机点出发，寻找其周围的点与之相比，通过判断距离或者判断法线方向是否相近而决定是否进行归类，通过判断曲率值来决定是否作为种子点，再寻找种子点周围的点进行重复判断，直至种子点不再出现，则完成一团点云数据的分割。

但是，针对树木的点云数据存在的一些特点，例如：树龄较长的树木在树冠层存在枝叶重叠交叉现象、树干层底部也往往存在较多的噪声点等，会导致存在点分类不够精准，噪声点难以排除，从而导致最终的分割结果不够准确的问题。

发明内容

有鉴于此，本申请的目的在于，针对上述现有技术中的不足，提供一种点云树木单体分割方法、装置、电子设备及存储介质，以便解决现有技术中，存在的在基于点云数据进行树木单体分割的过程中，点分类不够精准，噪声点难以排除，从而导致最终的分割结果不够准确的问题。

为实现上述目的，本申请实施例采用的技术方案如下：

第一方面，本申请实施例提供了一种点云树木单体分割方法，所述方法包括：

根据预设高度，将原始树木点云数据划分为第一点集合和第二点集合，所述第一点集合中的点的z坐标值大于所述预设高度，所述第二点集合中的点的z坐标值小于所述预设高度；

采用预设聚类算法，对所述第二点集合进行处理，获取n个聚类点集合，其中n为大于0的整数，n用于标识所述原始树木点云数据中所包含树木的数量；

将各所述聚类点集合中的第一点，分别与所述第一点集合中的点进行比较，根据比较结果将所述第一点集合中的点进行划分，获取n个目标分割结果，其中，所述第一点为每个所述聚类点集合中z坐标值最大的点。

作为一种可能的实现方式，所述采用预设聚类算法，对所述第二点集合进行处理，获取n个聚类点集合，包括：

采用预设聚类算法，对所述第二点集合进行处理，获取m个初始聚类点集合，其中，m为大于0的整数；

将所述初始聚类点集合中点总数小于第一预设阈值的集合剔除，获取所述n个聚类点集合。

作为一种可能的实现方式，所述将各所述聚类点集合中的第一点，分别与所述第一点集合中的点进行比较，根据比较结果将所述第一点集合中的点进行划分，获取n个目标分割结果，包括：