[发明专利]一种背包点云数据配准下的行道树三维绿量变化检测方法

权利要求书

1.一种车载与背包点云数据配准下的行道树三维绿量变化检测方法，其特征在于采用聚类以及圆形拟合算法对单株行道树的点云进行提取，基于公共子图的节点匹配和SVD分解进行不同时相的车载和背包激光平台扫描数据的配准，通过比较不同时相下的体元结果，实现单株行道树三维绿量的自动估算和变化检测。

2.根据权利要求1所述车载与背包点云数据配准下的行道树三维绿量变化检测方法，其特征在于所述单株行道树的点云提取具体包括：数据预处理、胸径点云提取、圆形拟合和单株树提取，所述数据预处理是在车载和背包点云数据去噪的基础上，依据点云范围建立0.5m*0.5m格网大小的平面网格，提取每个格网内最低点往上0.3m范围内的点标记为地面点，并将其它非地面点的高程值归一化到相对地面的高度值；所述胸径点云提取是将数据预处理后的点云数据中过滤出距离地面1.2-1.4m处(即行道树胸径测量的高度)的点云，利用DBSCAN聚类方法实现行道树胸径点云的粗提取，然后对DBSCAN聚类得到的点云分别进行外接矩形的计算，通过对外接矩形的长和宽设定一定的阈值剔除非行道树胸径点云，最终得到精确的行道树胸径点云；所述圆形拟合是对提取的行道树胸径点云采用最小二乘法进行圆形拟合，使所有的胸径点云到该圆形的距离平方和最小，从而得到每组胸径点云的圆心坐标和胸径所述单株树提取是在提取出胸径点云的基础上，采用最短路径算法提取出完整的单株树点云。

3.根据权利要求1所述车载与背包点云数据配准下的行道树三维绿量变化检测方法，其特征在于所述车载和背包激光平台扫描数据的配准具体包括：构建最小生成树、基于公共子图的节点匹配和刚体变换矩阵的计算，所述构建最小生成树采用prim算法，基于节点之间的欧式距离将所有胸径中心点连接成最小生成树T＝(V，E)；其中，V为节点(每棵树的胸径中心点)；E为节点之间的边(节点之间的欧式距离)；所述基于公共子图的节点匹配是通过最小生成树的构建，将与节点相连的边的欧式距离作为该节点的属性，每个节点Vi描述为：Vi(e1，e2，...，ek)；其中e代表边；k表示与该节点所连的边的个数；对于一个节点Vi来说至少有一条边与之相连，即k≥1；给定两个最小生成树Ta＝(Va，Ea)和Tb＝(Vb，Eb)，设Ta有m个节点，m-1条边，Tb有n个节点，n-1条边；定义节点之间的相似关系，对于Ta的一个节点Vai(e1，e2，...，ek)，若在Tb中存在一个节点Vbi(e1，e2，...，ep)，满足k＝p，且|ei-ej|≤λ，i＝1，2，...k，j＝1，2，...p(λ为欧氏距离阈值)，则Vai与Vbi为一对相似节点，按上述方式依次为Ta中每个节点寻找在Tb中对应的相似节点，在获得节点之间的相似关系后，通过寻找公共子图进一步约束对应关系，从而实现节点匹配；所述刚体变换矩阵的计算是利用SVD分解算法，在获得的匹配点对基础上计算出从源点云到目标点云的坐标转换关系，即旋转矩阵和平移矩阵，将平移矩阵和旋转矩阵合并形成变换矩阵，对待匹配点云进行坐标变换。

4.根据权利要求1所述车载与背包点云数据配准下的行道树三维绿量变化检测方法，其特征在于所述单株行道树三维绿量的自动估算和变化检测具体包括：体元化、体元变化检测和三维绿量变化计算，所述体元化是选取一组配准好的行道树点云的最小坐标作为坐标原点，以正北方向为Y轴方向，正东方向为X轴方向，Z轴垂直XY平面向上，以0.1米作为体元大小对行道树构成的三维空间进行格网化，并对包含有行道树点云的三维网格进行X、Y、Z三个方向的索引；所述体元变化检测是通过对一组不同时相的行道树点云进行体元索引号的遍历检索，具有相同索引号的体元即为未发生改变部分，而不存在相同索引号的体元即为行道树发生改变的部分；所述三维绿量变化计算是指计算出行道树发生改变体元的体积，通过统计所有发生变化的体元数量，发生变化的三维绿量即为体元数量和体元体积的乘积。