[发明专利]基于车载激光扫描数据的单株树三维绿量自动估算方法

摘要

本发明提供一种基于车载激光扫描数据的单株树三维绿量自动估算方法，利用车载激光扫描点云数据以及车载激光扫描行径轨迹数据，对三维点云进行体元化并分配索引，考虑到构成单株行道树体元在三维空间上的邻近关系，通过结合不同的邻域搜索标记方法对单株行道树进行提取，继而实现三维绿量的估算。本发明实现了从大批量点云中进行单株行道树的自动提取，解决了树冠密集有重叠时的行道树提取问题，并进一步进行了三维绿量的快速估算，大大缩短了城市行道树三维绿量测算的工作量，并有效解决了三维绿量更新困难的问题。

主权项

1.一种基于车载激光扫描数据的单株树三维绿量自动估算方法，其特征在于：该方法利用构成单株行道树点云在三维空间中的邻近关系，通过构建三维体元，采用多邻域搜索以及竞争标记算法实现单株行道树的精确识别及提取，并进一步进行精细体元化，实现单株行道树三维绿量的自动估算；该方法包括步骤：单株行道树点云的提取；单株行道树点云体元化和单株行道树三维绿量估算三个步骤；其中：所述的单株行道树点云的提取：利用行道树在三维点云技术中是由多个三维点构成的特点，运用搭载有包括全球GPS定位系统、激光扫描仪、惯性导航系统、工业CCD相机以及计算机系统的移动实景采集系统，对道路两旁的地物进行采集后得到的三维坐标，经转换后将其显示在电脑屏幕上得到三维点云数据；所述的单株行道树点云体元化的具体工作步骤包含：a)体元化、b)体元值设定、c)邻域搜索及标记、d)提取候选单株树、e)去除其他杆状物諸步骤；所述体元化的过程如下：根据输入的三维点云数据构建出一个三维体元网格V，三维体元网格中每一个体元可以以列号i、行号j以及层号k进行索引，表示为v(i,j,k)；进一步的，可采用v(*,*,k)表示同属于k层的体元；所述三维体元网格的建立依赖于三维参考坐标系统的建立：该坐标系统的原点从输入的点云数据计算获得，可通过遍列输入的点云数据得到最小的x值和y值作为坐标系统原点的x₀,y₀平面坐标；以车载激光扫描系统行径轨迹的第一个轨迹点的高程值z_v作为坐标系统原点的高程坐标；并以XY水平面上以自西向东作为X轴方向，以自南向北方向作为Y轴方向；Z轴垂直XY平面向上；体元的大小：包括体元的长度l=Δx、宽度w=Δy、以及高度h，具体设置分别为：体元的长度以及宽度被设置为相等，大小可以根据输入的点云数据进行调整，一般选择0.25米；体元的高度设置采用如下规则：为了确保能准确提取主树干，第六层体元的高度被设置为0.2米，且距离地面1.2-1.4米处；第一层至第五层，各层体元高度为0.24米；第六层以上体元高度一般选用0.25米；由此建立一个包含点云的体元网格；所述体元值设定方法为：经过体元化，每一个激光点都被包含在各自对应的体元中，对于任意激光点，假设坐标为（x,y,z），与之对应的体元索引可以采用如下公式计算：其中x₀、y₀分别为点云中最小x值和最小y值，z_v是行径轨迹第一个轨迹点的高程值，Z₁为0.24m，int(.)是一个取整函数；当所有的激光点关联对应的体元索引后，每个体元中所包含的激光点就被确定，并将每个体元所包含的激光点个数设置为该体元的体元值；所述的邻域搜索及标记包括：选取体元种子、自上而下半径约束搜索标记、自下而上邻域竞争搜索标记三步骤；其中所述选取体元种子的步骤如下：考虑到体元网第六层相对于地面1.2-1.4米，该层记录了主树干的位置，因此体元种子是通过体元网的第六层选取出来的，针对第六层，按照逐行检测的方式，第一个体元值不为0的体元首先被找到，赋予一个数字g标记；以该标记体元为种子，搜索其8邻域内值不为0的体元，赋予相同的数字标记；依次并重复进行8邻域搜索操作，直到与连接的所有邻域体元都标记，即形成一个体元种子组；重复进行上述操作，直到第六层所有体元值不为0的体元都被分组，每组被不同的数字g标记；同时，作为构成行道树主树干部分的体元种子组，候选组必须满足以下两个条件：（1）、组内所有体元的投影面积必须尽量小；（2）组内所有体元的投影形状应该接近于圆形；因此选用两个特征指标：体元数量n以及紧凑度CI用于对各体元种子组的筛选；其中，紧凑度CI的公式定义为：CI=4πA/P²其中A是体元种子组的平面投影面积，可由公式A=nΔxΔy计算得出，P是体元种子组的平面投影周长，可由公式其中，m₁是X轴方向的边界体元个数，m₂是Y轴方向的边界体元个数，m₃是对角线上的体元数量计算得出；由紧凑度公式CI=4πA/P²可以看出，形状越接近圆形，紧凑度CI越趋近于1；只有同时满足n<N₀，N₀为体元数量阈值，以及CI>CI₀，CI₀为紧凑度阈值的组将会被保留，其余的将会被删除；进一步的，依据被保留的各体元种子组计算出各自的主树干中心（tx_g,ty_g），计算公式为：txg=Σp=1mgxpmgtyg=Σp=1mgypmg]]>其中：x_p、y_p为体元种子组g中第p个激光点的x、y坐标，m_g是体元种子组g中所有激光点的个数；所述的自上而下半径约束搜索标记过程如下：自上而下半径约束搜索标记是用来搜索和标记位于体元网第六层以下构成行道树主树干至地面部分的体元，自上而下半径约束搜索标记开始于第五层，并逐层向下标记；在L_k(0≤k<5)层的搜索标记过程中，L_k层中值不为0且处于L_k+1被标记体元底面邻域的体元将被赋予与L_k+1对应标记体元相同的组号；这些L_k层中被标记的体元将作为体元种子进行半径约束邻域搜索标记：在进行8邻域的搜索过程中，以主树干中心（tx_g,ty_g）为圆心，采用半径为R₀的圆用来限制搜索过程，即落在该圆内或者与该圆相交并且体元值不为0体元才能作为邻域扩展的候选体元，并用相同的组号标记；重复进行以上过程，直到L₀层的体元被搜索和标记；所述的自下而上邻域竞争搜索标记过程如下：自下而上邻域竞争搜索标记是用来搜索标记在体元网中位于L₅层以上构成树干以及树冠部分的体元；自下而上邻域竞争搜索标记开始于第七层，并逐层向上标记。在L_k(k>5)层的搜索标记的过程中，L_k层中体元值不为0且处于L_k-1被标记体元顶面邻域的体元将被赋予与L_k-1标记体元相同的组号；这些L_k层中被标记的体元将作为该层的体元种子进行邻域搜索标记；为了解决树冠密集时有交叉重叠部分的体元邻域搜索问题，引入竞争搜索标记算法：首先得到各体元种子组的8邻域体元，对于每一组，分别计算8邻域各体元中心与对应各组主树干中心(tx_g,ty_g)的距离，各组内的最小距离d_g会被记录下来；然后将所有组中距离值最小的体元加入对应的体元种子组中，赋予对应的组标记，并重新搜索该组的8邻域，更新该组的最小d_g值；紧接着又对所有组中距离值最小的体元进行标记并赋予对应的组标记，更新最小d_g值；重复上述竞争搜索标记过程，直到各组对应与之连接的8邻域体元都被标记；在进行自下而上邻域竞争搜索标记时，将会逐层向上标记直到达到体元网的顶层或者搜索标记体元层所在的高度大于H_max；其中：H_max为搜索的高度阈值；主树干中用“tx_g,ty_g”表示；所述提取候选单株树的步骤为：在经过邻域搜索标记过程中，体元网中的体元被分为两类：标记体元和未被标记体元；将具有相同组号标记的体元所包含的激光点确定为组成候选单株树的点；按照组标记，分别对各组体元内的激光点进行输出，由此得到对应的候选单株树点云数据；所述去除其他杆状物处理步骤为：，对候选单株树进行进一步筛选，利用行道树有别于其他杆状物，往往具有一定的树高H、冠径范围CD；因此选用一定的树高阈值H₀和冠径阈值CD₀用来对候选单株树进行筛选，并且对单株行道树树点云体元化处理：所述的单株行道树点云体元化处理，是指对提取出的单株行道树三维点云重新进行三维网格划分，得到构成该行道树更为精细的三维体元；具体步骤是：首先根据单株树点云的立体坐标范围以及设定的长、宽、高标准体元建立一个三维体元网，将体元网中未包含激光点的体元去除，剩下的即是构成单株行道树的体元；所述单株行道树三维绿量的估算方法如下：通过统计单株行道树点云体元化后的所有体元的体积即可得到单株树的三维绿量，首先统计单株行道树点云体元化后的所有体元数量，同时计算标准体元的体积，按照三维绿量=体元数量*体元体积计算出单株行道树三维绿量。