[发明专利]基于三维形态特征的树木点云单体化提取方法

权利要求书

1.一种基于三维形态特征的树木点云单体化提取方法，其特征在于，包括：

获取原始点云数据，通过统计滤波算法对所述原始点云数据进行去噪处理，并通过点云语义分类网络进行语义分类；

对语义分类得到的植被点云进行空间切片处理，获取包含树干的切片点云，并根据主成分分析后的超体素聚类识别出所述切片点云中的树干结构，得到树干点云；

根据所述树干点云，采用自适应半径圆柱滤波算法粗提取得到树冠，并通过山谷结构特征精提取得到树冠，以获得单体化的树木点云；

所述对语义分类得到的植被点云进行空间切片处理，获取包含树干的切片点云，包括：

将得到的植被点云在XY平面分割成若干个子空间，并将若干个所述子空间中的点按照Z值大小进行升序排列；

选取排列中的前M个作为地面点，并选取所有地面点中的最大Z值作为当前子空间的地面高度；

以所述地面高度为基础，采用直通滤波器对每个子空间点云进行Z维度上的直通滤波，获得每个子空间对应的点云切片；

所述根据主成分分析后的超体素聚类识别出所述切片点云中的树干结构，得到树干点云，包括：

根据八叉树算法对每个子空间对应的切片点云进行体素化处理，并以均匀分布为准则在对应的切片点云中随机选取若干个体素作为种子体素；

计算各种子体素之间的特征距离，并根据所述特征距离进行聚类，生成若干个超体素点云簇；其中，各种子体素之间的特征距离的计算公式为：

，

其中，D_c为颜色空间中欧式距离，D_s为空间距离，D_Hik为点特征直方图空间中的距离，m为一个归一化常数，、、分别为颜色权重、空间权重和法向量权重；

根据主成分分析算法计算每个超体素的几何张量特征值；

计算每个超体素的几何结构，并分别计算所有面性超体素的法向量和线性超体素的主方向向量；

随机选取一个平面超体素作为种子超体素，查找所述种子超体素的空间相邻的K个超体素，并将K个所述超体素作为候选生长超体素进行聚类；

对生长后的所有线性超体素进行垂直性判断，并根据判断结果确定所述树干点云。

2.根据权利要求1所述的基于三维形态特征的树木点云单体化提取方法，其特征在于，所述通过统计滤波算法对所述原始点云数据进行去噪处理，并通过点云语义分类网络进行语义分类，包括：

遍历所述原始点云数据中的每个点，并根据最近邻算法查找每个点对应的K个紧邻点，并计算每个点到对应的K个紧邻点的第一平均距离；

根据所有第一平均距离计算得到第二平均距离，并根据各第一平均距离与所述第二平均距离的差值计算得到标准差；

根据所述第二平均距离和所述标准差，确定所述原始点云数据中的噪声点，并去除所确定的噪声点；

选取目标点云所在区域的其他点云作为训练数据集，对所述训练数据集进行分割并赋予地面语义标签和植被语义标签；

根据所述地面语义标签和所述植被语义标签进行语义分类，得到地面点云和植被点云。

3.根据权利要求1所述的基于三维形态特征的树木点云单体化提取方法，其特征在于，所述将K个所述超体素作为候选生长超体素进行聚类，包括：

判断所述候选生长超体素与所述种子超体素之间的法向量之间的夹角是否小于第一阈值；

若小于所述第一阈值，则将满足生长条件的超体素合并成新的种子超体素。

4.根据权利要求1所述的基于三维形态特征的树木点云单体化提取方法，其特征在于，所述对生长后的所有线性超体素进行垂直性判断，并根据判断结果确定所述树干点云，包括：

判断各生长后的线性超体素的主方向向量与Z轴之间的夹角小于第二阈值；

若小于所述第二阈值，则将当前超体素设为树木的树干结构。