[发明专利]一种基于圆柱特征的树干点云高效提取方法

权利要求书

1.一种基于圆柱特征的树干点云高效提取方法，其特征在于，包括以下步骤：

步骤1、场景点云地面点滤波：

将场景点云中的地面点与非地面点分离；

步骤2、归一化分层：

对步骤1获取的非地面点数据按照相对地面高度等水平间距分层，具体做法如下：

2-1、遍历每个非地面点，搜索离其最近的地面点，二者的高度差即为该非地面点的相对地面高度H；

2-2、按如下公式确定每个非地面点所属的层号，对非地面点数据对应分层为L_i：

式中，dz为分层间距，取20～30cm；floor表示向下取整，L_i∈(0，1，2，3，...)；

步骤3、树干定位：

3-1、在步骤2得到的分层点云中，从下至上抽取至少2层；再对每层点云进行欧氏距离聚类，聚类距离阈值大于两倍该层点云的平均最近邻距离f₁，小于30cm；

3-2、对步骤3-1得到的每一类簇，均对其依次进行以下判断：

条件1：类簇高度E满足，E＞dz-2f₂，f₂为当前类簇点云的平均最近邻距离；

条件2：对类簇进行圆柱模型拟合，拟合误差≤0.15；

3-2-1、构建初始圆柱模型：

首先，从当前类簇点云的最高点向下和最低点向上分别按垂直距离D，5cm≤D≤10cm，分别水平截取一段点云；

然后，将截取的两段点云分别投影到水平面，使用最小二乘法拟合得到两个圆，再将两个圆沿垂直方向分别移动到所属分段的中间高度位置；

最后，以两个圆圆心的连线作为圆柱模型轴线，两个圆的平均半径作为圆柱模型半径，从而得到初始圆柱模型C′＝(L′(x′₀，y′₀，z′₀，l′，m′，n′)，r′)，C′包含圆柱轴线L′上的一点(x′₀，y′₀，z′₀)、圆柱轴线L′的方向向量(l′，m′，n′)和圆柱半径r′七个参数；

3-2-2、圆柱模型优化：

采用Levenberg-Marquardt非线性最小二乘法对步骤3-2-1所得初始圆柱模型C′进行优化，得到优化圆柱模型C″＝(L″(x″₀，y″₀，z″₀，l″，m″，n″)，r″)，以及相应的圆柱轴线L″上的一点x″₀，y″₀，z″₀、圆柱轴线L″的方向向量l″，m″，n″和圆柱半径r″七个参数；

3-2-3、将各类簇分别采用相应的优化圆柱模型拟合计算拟合误差；

拟合误差用于表征圆柱模型与类簇点云的匹配度，计算公式如下：

式中，N为当前类簇点云的点数，d_i为当前类簇中点i到相应优化圆柱模型轴线的距离，r为当前类簇相应圆柱模型的半径；

如果依次满足条件1和条件2则判定该类簇为树干段点云，则取位于L″上且在该类簇中间高度位置的一点作为定位点；

3-3、合并定位点：步骤3-2对每个判定为树干段的类簇点云均生成了一个定位点；先将步骤3-2得到的所有定位点投影到水平面，再通过欧氏聚类将属于同一棵树的定位点合并，当某棵树的定位点至少有两个时，把这些点中的最低点作为该树唯一的定位点，并保存该定位点的坐标和相应的模型半径，用于该棵树后续树干点云提取；其中，聚类距离阈值为0.1～0.5m；最终得到场景点云中各棵树的定位点；

当某棵树的定位点只有一个时，认为该点是错误的判断，将其去除；

步骤4、树干点云提取：

4-1、将步骤3得到的定位点坐标和模型半径赋值给(p_x，p_y，p_z，p_r)；

4-2、以圆柱中心为(p_x，p_y，p_z)，圆柱半径为R(1.5p_r～2p_r)，圆柱高度为h，生成一个微圆柱，5cm≤h≤10cm；

4-3、先为场景点云构建K-D tree，再通过K-D tree按如下公式确定的搜索半径来快速搜索微圆柱外接球内的点；最后，在这些外接球内点中遍历搜索位于微圆柱内部的点；

4-4、确定微圆柱内部的点是否为树干点；

将微圆柱柱内点投影到二维平面，再进行最小二乘圆拟合，得到拟合圆心(p_x`，p_y`)和拟合半径p_r`，最终得到一个轴线铅垂，轴线上一点为(p_x`，p_y`，p_z)，半径为p_r`的圆柱模型，用步骤3-2-3中的方法计算拟合误差；

若拟合误差小于0.25，且|(p_r`-p_r)/p_r|小于0.3，则认为该柱内点为树干点，此时，提取柱内点并更新定位参数中的p_x＝p_x`，p_y＝p_y`，p_z＝p_z(operator)pace，p_r＝p_r`，跳到步骤4-2；其中pace为步长，0＜pace≤h；

否则，柱内点不为树干点，提取结束；

operator分别取+和-，operator取+或-需分别以步骤3得到的定位点坐标和模型半径赋初值各自进行，不论先后但不能混用；operator为+是从定位点向上的树干点云的提取，operator为-是从定位点向上的树干点云的提取。

2.如权利要求1所述基于圆柱特征的树干点云高效提取方法，其特征在于：所述步骤1中采用CSF算法分离场景点云中的地面点与非地面点。