[发明专利]基于三维形态特征的树木点云单体化提取方法

说明书

本发明公开了基于三维形态特征的树木点云单体化提取方法，方法包括：获取原始点云数据，通过统计滤波算法对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切片点云中的树干结构，得到树干点云；根据树干点云，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。本发明以大范围区域森林点云数据作为数据来源，实现在复杂森林结构下单颗树木点云的高精度提取。

技术领域

本发明涉及三维激光点云技术领域，尤其涉及的是基于三维形态特征的树木点云单体化提取方法。

背景技术

随着生态文明建设进程的不断加快，森林资源监测与保护变得越来越重要，树木是森林的基本单位，其空间结构和生物-物理-化学成分是森林资源调查和生态环境建模的关键因素。因此，获得关于森林中每棵树的准确结构信息对于实现林业资源管理现代化、开发适当的管理实践以及对全球碳储量进行定量估计具有重要意义。

近年来，激光雷达技术的发展为采集精确的单棵树分割数据创造了机会。激光雷达将激光脉冲入射到植被上，并接收包含所需信息的回波信号，例如树木的三维位置信息，然后，接收到的反射信号用于生成点云。由于具有高效率、高精度、高抗干扰能力等优点，三维激光点云成为获取森林树木结构信息的主要数据来源；因此，基于激光扫描技术的森林树木单体化提取方式是当前的研究热点及未来的发展趋势。然而，在森林中，树木的生长通常非常茂密，其树冠之间会存在较为明显的交叉重叠，而在面对此场景时，目前主流的树木点云单体化提取方法存在较为明显的过分割或欠分割问题，导致获取的树木结构信息与实际情况相比误差较大，因此如何在大范围粘连场景下实现单木点云高精度提取仍是一个具有挑战性的问题。

因此，现有技术还有待改进。

发明内容

本发明要解决的技术问题在于，针对现有技术缺陷，本发明提供基于三维形态特征的树木点云单体化提取方法，以解决现有的树木点云单体化提取方法在大范围粘连场景下精度低的技术问题。

本发明解决技术问题所采用的技术方案如下：

第一方面，本发明提供基于三维形态特征的树木点云单体化提取方法，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。

在一种实现方式中，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。

在一种实现方式中，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：