[发明专利]基于车载激光雷达点云数据的单立木三维信息提取方法

权利要求书

1.基于车载激光雷达点云数据的单立木三维信息提取方法，其特征在于，包括以下步骤：

获取预设高程区间内的树干点云数据；

采用欧式聚类分割算法，对所述树干点云数据进行分割；

对分割后的树干点云数据进行多层映射，再利用RANSAC对映射后的树干点云数据进行拟合，并对拟合的结果计算平均值，获得树干胸径；

采用局部最大值搜索法，对所述分割后的树干点云数据进行树顶点提取，获得树高；

以所述树干胸径和所述树高作为所述单立木的三维信息。

2.根据权利要求1所述的基于车载激光雷达点云数据的单立木三维信息提取方法，其特征在于，获取树干点云数据的过程包括：根据树木的长势特性，采用高程滤波算法，获取树干点云数据。

3.根据权利要求2所述的基于车载激光雷达点云数据的单立木三维信息提取方法，其特征在于，采用欧式聚类分割算法，对所述树干点云数据进行分割的过程包括：

设定树干之间的距离阈值和树干点云数据的数量阈值；

将所述树干点云数据中点与点之间距离小于所述树干之间的距离阈值的点聚类到一起，生成一个数据集；

若所述数据集的点数量在所述树干点云数据的数量阈值内，则保留，生成一个树干点云数据；

若所述数据集的点数量不在所述树干点云数据的数量阈值内，则舍弃；

直至循环遍历所述树干点云数据的所有点，完成树干的点云数据聚类，实现所述树干点云数据的分割。

4.根据权利要求3所述的基于车载激光雷达点云数据的单立木三维信息提取方法，其特征在于，所述树干点云数据中点与点之间距离计算公式

5.根据权利要求3所述的基于车载激光雷达点云数据的单立木三维信息提取方法，其特征在于，对分割后的树干点云数据进行多层映射的过程包括：将分割后的树干点云数据分成若干段，并分别投影到二维平面上。

6.根据权利要求5所述的基于车载激光雷达点云数据的单立木三维信息提取方法，其特征在于，利用RANSAC对映射后的树干点云数据进行拟合，并对拟合的结果计算平均值，获得树干胸径的过程包括：

步骤一：随机抽取若干个投影到二维平面上的点，并对抽取的点进行RANSAC圆的拟合；

步骤二：计算投影到二维平面上的剩余点分别到RANSAC圆的距离，若所述距离小于预设的距离阈值，则所述剩余点归为拟合点；

步骤三：重复步骤一～步骤二，达到预设的迭代次数，生成拟合点最多的拟合模型，所述拟合模型为最优模型；

步骤四：利用所述最优模型计算胸径拟合参数，并对所述拟合参数取平均值，获得树干胸径。

7.根据权利要求3所述的基于车载激光雷达点云数据的单立木三维信息提取方法，其特征在于，采用局部最大值搜索法，对所述分割后的树干点云数据进行树顶点提取前，还包括：

以树干的几何中心向上延伸建立中轴线，获得单木的空间位置，以所述空间位置作为局部最大值搜索的中心，对所述分割后的树干点云数据进行树顶点提取。

8.根据权利要求7所述的基于车载激光雷达点云数据的单立木三维信息提取方法，其特征在于，对所述分割后的树干点云数据进行树顶点提取的过程包括：

在预设半径阈值的搜索窗口中随机选定一点记为最大值点；

依次比较所述最大值点与剩余点的高程值大小，当某一点的高程值比所述的最大值点大时，则替代所述最大值点成为新的最大值点；

遍历比较所有点，最后的最大值点即为极大值点，其值为最大值；以所述最后的最大值点作为所述分割后的树干点云数据的树顶点。