[发明专利]一种基于圆柱特征的树干点云高效提取方法

说明书

本发明属于地面激光雷达点云数据处理技术领域，具体涉及一种基于圆柱特征的树干点云高效提取方法。本发明利用地面激光雷达获取的森林植被内部三维激光点云数据，基于树干的圆柱特征，经历地面点滤波、归一化分层、树干定位和树干提取处理，建立从地面激光雷达森林点云中提取树木树冠以下树干点云的树干点云提取方法。相比现有的树干点云提取方法，本发明能够准确定位树干，并精细提取树干点云，同时，算法效率高，鲁棒性强，适用于森林等大场景中树干点云的提取，能应用于林业资源调查、森林场景重建、森林结构参数提取等诸多领域。

技术领域

本发明属于地面激光雷达点云数据处理技术领域，具体涉及一种基于圆柱特征的树干点云高效提取方法。

背景技术

激光雷达技术是一种主动遥感技术，它能够无接触的测量物体的三维表面形态，并以海量坐标点进行表达，即点云数据。地面激光雷达，包括固定式激光雷达、车载激光雷达，以及背包式激光雷达，能够获取高精度、高密度的林下点云数据，为林业资源调查、森林场景重建、森林结构参数提取等应用提供了高效便捷的技术手段。

可以将树大致分为两部分，包括树干和树冠。相比机载激光雷达，地面激光雷达能够获取详细的树干点云，这使得树干点云提取成为可能。从树干点云中能够直接获取树木位置、胸径、树干高度等参数，树干点云还可以间接辅助森林单木分割，进一步提取树高、冠幅、生物量，叶面积指数LAI等参数，因此，树干点云提取具有巨大的现实意义。

树干点云提取的关键步骤包括树干定位和树干提取。树干定位是指从森林场景点云中确定树干所在的位置，这方面的研究较多，例如，Tao等(2015)通过欧氏聚类进行树干定位，但聚类方法缺少语义信息，易将其他地物纳入树干，Safaie等(2021)将分层的树干段点云投影到平面，转换为二维图像后，通过Hough变换检测圆形特征，显然，将三维点云转换为二维图像，不但繁琐，还丢失了树干段的高度、倾角信息，降低了树干定位的正确性和完整性，Burt等(2019)通过随机采样一致性RANSAC算法进行圆柱拟合来定位树干，该方法充分基于树干的几何特征，并且有一定的抗噪能力，但相关参数较多，不好确定，此外RANSAC算法具有随机性，估算稳健的模型需要足够的迭代次数，因此，算法效率也较低。

树干提取是指在树干定位的基础上，提取定位点所在的树干点云。大部分研究在树干定位后先进行单木分割，之后再进行树干提取、枝叶分离、参数提取等操作，现有研究表明在树干定位后可以直接提取树干点云，Burt等(2019)在树干定位后，先抽取距离树干一定水平距离内的点，然后通过一系列方法去除地面、邻近低矮植被、细枝和叶，仅保留树干和主枝，最后同样用RANSAC算法逐段提取树干点云，可见该方法对树干的提取还不够直接，效率同样较低。Safaie等(2021)同样先抽取距离树干一定水平距离内的点，然后按一定高度进行水平切片，将切片转换为二值图像后，计算每一切片的点密度，在此基础上得到切片点密度随高度变化的高度密度直方图，基于树干与冠层交界处点密度发生突变这一现象，确定分割高度，将该高度以下且邻近树干位置的点划分为树干点，由上述算法思想可以看出，该方法存在上部树干提取不完整和下部过提取地面点的问题。

发明内容

针对上述存在问题或不足，为解决现有树干点云提取方法存在效率低，以及精度较低(如上部树干欠提取、下部树干过提取)的问题；本发明提供了一种基于圆柱特征的树干点云高效提取方法，以地面激光雷达场景点云为处理对象，先通过圆柱拟合及判断方法准确高效地定位树干，再通过树干点微圆柱搜索方法精细高效地提取场景树干点云。

一种基于圆柱特征的树干点云高效提取方法，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；优选的，采用CSF算法。

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：