[发明专利]基于城市点云数据的绿视率计算方法

说明书

本发明提出基于城市点云数据的绿视率计算方法，包括以下步骤；步骤S0：把点云数据分割为地面点云和非地面点云；步骤S1：提取非地面点云每个实体的每层中心位置，判断点云空间关系，进而对点云进行实体分割；步骤S2：对步骤S1的实体分割结果进行分类，提取绿色植物的点云；步骤S3：利用超体素几何特征的分类优化方法，以超体素作为分类基元，以几何特征作为分类特征，对植物中的枝干和其它地物进行进一步的去除；步骤S4：通过分类优化后的绿色植物点云数据来模拟人的视觉感知，得出每个观测点的绿视率；本发明利用点云三维空间特性，可计算任意视角任意角度的绿视率，更客观、灵活表达城市绿色空间的视觉感受，为城市绿化评估提供方法。

技术领域

本发明涉及测绘技术领域，尤其是基于城市点云数据的绿视率计算方法。

背景技术

城市绿地具有生态、文化、社会和审美等多重功能，逐渐受到城市规划者与管理者的关注，园林绿地规划设计方案的生态评估成为必然趋势。三维绿量和绿视率将是评估城市绿化空间的潜在指标，三维绿量侧重于衡量绿地生态功能，绿视率则侧重于衡量城市居住环境感知绿地空间的绿化环境。绿视率被定义为人的视野中绿色所占的百分比，是一种模拟人的视觉来量化人的心理感受的三维绿化指标。确定人眼视野范围是计算绿视率的必要条件。经研究证明，假设头部固定为一个方向，人眼视野范围水平方向为80°-160°，在垂直方向上为130°，水平与垂直方向均以60°为清晰视野范围(肖希等，2018)。

现有的绿视率计算方法主要有基于问卷调查的目视解译评估绿视率的方法、基于图像的RGB图谱信息计算绿视率的方法、基于语义分割神经网络识别绿色植物计算绿视率的方法。1977年，Downs等人通过调查、访谈、审计等研究方法，对居民关于不同城市绿化街道层次的态度、看法等进行统计研究，以此来评估街道的绿化感受，但这样的问卷调查不仅存在着主观感受，而且由于部分居民未处于实地而导致了判断偏差；随后，有学者将评估者迁移至“真实的”位置，并让他们评估所在位置的心理感受，这是一种进行主观评价的较为直接的方法，然而，这种方法虽然有着一定的准确性，但对不同的评价者总是主观的，而且招募和护送评估员至观测地点也是十分耗费时间，甚至难以执行的。Yang等人(2009)通过计算绿视率，利用彩色图片评价城市街道周边绿色植被的可见性来代表行人对街道周边绿化的感觉。他们利用相机在选定的研究区域内每个街道的交叉口分别于四个方向(东、南、西、北)拍摄一张照片。对拍摄的照片进行绿色植被区域的提取，从而进一步利用公式计算出绿视率。近年来，研究人员开始使用街景视图来代替实地收集图像。Li等人(2015)使用谷歌街景视图(GSV)获取街景图像来取代实地图像，在研究中采用了水平方向使用六个方向(0°(北)、60°、120°、180°、240°、300°、360°)以及垂直方向采用三个方向(-45°、0°、45°)的方式来获取一个视点位置的十八个方向的图像，从而保证可以完全覆盖观测者的球面视野，然后利用图像的光谱信息提取出图像的绿色植被区域，最后利用公式计算出绿视率。Yu等人(2018)基于百度街景视图提出了BGVI(Baidu Green View Index)，并利用BGVI对泰安地区的街道绿化进行了评价分析。尽管该方法可以快速获取图像，使工作量大量减少、工作效率大大提高，但是由于街景图像拍摄时间并不一致，且还有许多区域无法获取到其街景图像，导致计算出的绿视率针对性较差，还有随机性太大，存在一定的不确定性。张炜等人(2019)指出拍摄的照片依赖于照片的拍摄角度以及拍摄时镜头焦距，拍摄时会存在一定的主观性，从而对拍摄结果产生一定的影响，而全景影像摄影技术可以捕捉相机环绕360°的景象，相比于普通照片，全景拍摄更能客观反映人在空间位置的真实感受，通过全景相机获取球面全景照片，利用基于语义分割神经网络对照片中的植被区域自动识别，最后对全景绿视率进行计算。