[发明专利]一种基于重建点云的区域植被三维绿量估算方法

权利要求书

1.一种基于重建点云的区域植被三维绿量估算方法，其特征在于，包括以下步骤：

步骤1.选定一处分布有典型植被的城市区域作为待测区域，使用无人机倾斜摄影测量作业系统对该处测区进行倾斜摄影测量，得到倾斜影像数据；

步骤2.基于开源三维重建算法，对步骤1得到的倾斜影像数据集分别进行稀疏重建和稠密重建，得到被测区的场景三维重建点云数据；

步骤3.对步骤2得到的场景三维重建点云数据，使用点云语义分割神经网络模型提取出植被点云数据；

步骤4.对步骤3得到的植被点云数据，构建区域三维绿量量化模型，具体为：先建立八叉树搜索结构下的体元模型，再使用扫描线填充算法，修正区域植被的体元结构，从而得到区域三维绿量量化模型；

步骤5.将步骤3提取的植被点云数据输入至步骤4得到的区域三维绿量量化模型，从而对三维绿量进行估算。

2.如权利要求1所述的基于重建点云的区域植被三维绿量估算方法，其特征在于，步骤1中的典型植被是指具有规则几何形状的冠层，能够使用“冠径-冠高”方程计算三维绿量真值的植被。

3.如权利要求1所述的基于重建点云的区域植被三维绿量估算方法，其特征在于，步骤1中的无人机倾斜摄影测量作业系统由大疆经纬M300 RTK和禅思P1图像传感器构成；其中，图像传感器固定在无人机上，并设置无人机相关航测参数，包括航高h＝60m，航速v＝3m/s，航向重叠率为80％，旁向重叠率为70％等。

4.如权利要求1所述的基于重建点云的区域植被三维绿量估算方法，其特征在于，步骤1中待测区内布设置3-4个像控点，并用RTK基站测定它们的空间位置信息；每个像控点都应该尽可能多地被多张倾斜影像捕获，并且应当选定在易于识别的角点位置。

5.如权利要求1所述的基于重建点云的区域植被三维绿量估算方法，其特征在于，步骤2的具体过程为：

步骤2.1.基于步骤1得到的倾斜影像数据集，采用尺度不变特征变换算法进行特征点的提取，然后对提取的特征点进行匹配，得到特征匹配点；

步骤2.2.基于特征匹配点，采用运动恢复结构算法进行稀疏点云重建，得到稀疏点云数据；

步骤2.3.在稀疏点云的基础上，采用基于聚簇和面片模型的多视角密集匹配算法进行稠密点云重建，得到稠密点云数据；所述稠密点云数据即为场景三维重建点云数据。

6.如权利要求1所述的基于重建点云的区域植被三维绿量估算方法，其特征在于，步骤3中点云语义分割神经网络模型包括编码器和解码器，所述编码器用于得到特征提取结果，所述解码器用于得到和原始点云数据量相同的植被点云数据；

其中，编码器由采样层和组合层组成；采样层将稠密点云数据表征到一个由坐标值和特征值共同组成的高维空间，通过最远点采样法从度量空间的N个输入点云中选取间距最远的N₁个点云，将这组点云作为一组区域中心点；在组合层，通过选取每个区域中心点最近邻k个点来表征这一区域，得到特征提取结果；

解码器由若干组解码单元组成，每组解码单元包括插入层和PointNet单元层组成；在编码器完成特征提取后，模型将接入PointNet层作为特征提取器，通过可训练的权重汇聚k个近邻的特征；

插入层首先通过k个最近邻点的距离加权特征完成点云升采样，如式(1)所示：

其中，d(x,x_i)为点x到第i个近邻点的欧式距离，P表示欧式距离的幂次，f_i^(j)表示第j层的第i个近邻点，总共k个，f^(j)(x)表示第j层点x的输出，C为总计层数。