[发明专利]树木点云数据的自动分割方法

权利要求书

1.一种树木点云数据的自动分割方法，其特征在于，该点云分割步骤包括：

步骤S1：利用激光扫描仪扫描直接采集树木的扫描点云数据并对点云数据预处理，按照点云数据中每个点的坐标进行空间划分，实现三维空间的数据存储结构称为kd树(k-dimensional tree)；

步骤S2：对于点云数据的每一个点，利用点云数据的kd树查找多个近邻点，根据最小二乘方法把这些点拟合出一个平面，以这个平面的法向量作为点云法向量的初始估计值；

步骤S3：对于点云数据的每一个点，利用其法向量、切平面构造局部三维直角坐标系；利用点云数据的kd树查找多个近邻点；

步骤S4：对于查找到的近邻点，利用这些近邻点拟合二次曲面；

步骤S5：对于点云数据的每一个点，利用该点拟合出的二次曲面计算主曲率；

步骤S6：对于点云数据的每一个点，利用主曲率方向计算轴向分布密度；

步骤S7：利用轴向分布密度将属于树枝上的点云与属于树叶上的点云区分；

步骤S8：对于属于树枝上的点云，利用主曲率方向进行区域生长，产生过分割的分割结果；

步骤S9：对于过分割的树枝上的点云，依照相邻组内的点云数量以及依照分组中所有点云的主曲率方向的平均值所确定的组角度进行区域合并，得到符合树木树枝器官分布的分割结果。

2.按权利要求1所述的树木点云数据的自动分割方法，其特征在于，所述拟合二次曲面为h(u，v)＝c₀u²+2c₁uv+c₂v²，其中(u，v，h(u，v))为空间中的点，该二次曲面h(u，v)＝c₀u²+2c₁uv+c₂v²的系数c₀c₁c²通过最小化获得，其中A、B、μ为矩阵：

A=u122u1v1v12u222u2v2v22.........un22unvnvn2,μ=c0c1c2,B=h1h2...hn,]]>

u_i、v_i、h_i为n个近邻点的坐标值，i＝1，…，n，c₀ c₁ c₂为二次曲面的系数，通过μ＝[c₀ c₁ c₂]^T＝(A^TA)^-1A^TB得到二次曲面的系数，其中T表示转置，[c₀ c₁ c₂]^T表示矩阵[c₀ c₁ c₂]的转置矩阵；利用拟合二次曲面计算出点云模型P中p点处的局部几何量，包括两个主曲率k₁(p)和k₂(p)，k₁(p)＜＝k₂(p)以及对应的主曲率方向和