[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

说明书

本发明公开了基于车载激光雷达点云数据的单立木三维信息提取方法，包括：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，对分割后的树干点云数据进行树顶点提取，获得树高；以树干胸径和树高作为所述单立木的三维信息。本发明利用MLS的点云数据，提高信息提取精度和效率，先分割再补齐提升自适应性和鲁棒性，多层映射提取最优拟合模型，获得更可靠的结果。本发明通过对行道树的结构信息进行提取，有利于提高城市森林资源调查与监测的效率。

技术领域

本发明属于遥感信息自动提取领域，特别是涉及基于车载激光雷达点云数据的单立木三维信息提取方法。

背景技术

20世纪70年代，激光扫描技术兴起，美国将激光扫描仪搭载到卫星上获取卫星到地面的距离。20世纪末，LiDAR技术进入快速发展时期，激光扫描的数据获取方式由早期单点数据采集发展为连续多点采集，大大提高了采集效率和测量精度。机载LiDAR技术发展较早，早已形成许多稳健高效的机载雷达点云数据处理算法以及商业软件。相比之下，车载LiDAR技术起步较晚，无论是硬件还是软件都还处于早期试验以及应用阶段，对车载LiDAR点云数据的处理和信息提取，是现阶段研究的热点和难点。

车载激光雷达扫描系统作为一种先进的测量手段，能够快速的采集道路以及其周围地物的点云信息，速度快、精度高、时效性强、全天候等特性使其快速被各方面研究人员所采用。但车载激光雷达系统采集的行道树点云部分为残缺数据，背离道路的一侧点云信息很难采集完整。

根据车载激光雷达数据进行参数提取，主要面临这样几个问题：1、相邻单立木存在树冠重叠的部分，树高提取精确度不够，对精度造成严重影响。2、点云数据信息缺失，自动化提取难度大，胸径信息提取困难。

针对树冠点云，部分研究者使用应用于具有不同树冠大小的树冠模板匹配算法，但对于行道树密集相交部分难以拟合。针对单立木之间信息重叠的问题，很多学者从不同的角度基于不同种类遥感影像数据开展单株立木信息提取方法研究，其中局部最大值法可有利于识别单株立木，该方法通常以获取影像局部光谱的最大值作为树冠的中心点，并将其视为树木位置，其关键是设定符合小光斑影像中不同树冠大小的窗口以获取树冠光谱最大值。该方法相对简单且提取速度较快，但当光斑亮度值变化大或者影像背景较复杂时，识别效果不理想。为了解决这个问题，有人提出基于布朗运动原理的区域生长算法，并与模板匹配算法相结合，通过三维形状信息提升单立木信息提取精度。那么，消除噪声和准确搜寻最近点能有效提高单立木信息提取精度。

针对点云数据缺失的问题，研究人员研究了很多三维形状补全的方法。泊松重建方法可以将点云数据表面的漏洞补全，但只能在室内小面积物体上补充。利用物体的对称性特点，构建完整的三维轮廓，但由于单立木的外轮廓不规则性，树木的对称性无法满足，导致单立木信息提取误差较大。采用3D模型数据库中检索对象来替换实际三维物体，将检索到的模型与输入数据进行对齐和缩放，实现高质量真实物体虚拟表示，但模型库要求较高且迭代寻优速率慢。综上所述，三维形状补全的关键在于搜寻漏洞和补充漏洞，因此如何将关键要素分割出来是点云重建的关键。

发明内容

本发明的目的是提供了基于车载激光雷达点云数据的单立木三维信息提取方法，以解决上述现有技术存在的问题。

为实现上述目的，本发明提供了基于车载激光雷达点云数据的单立木三维信息提取方法，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；