[发明专利]树木点云数据的自动分割方法

说明书

技术领域

本发明属于微分几何、计算数学、计算机图形学和计算机视觉技术领域，涉及一种利用三维激光扫描仪进行树木测量得到树木点云数据，并根据点云数据来进行属于不同器官间点云的自动分割的方法。在虚拟现实、电脑游戏、数据压缩、特征提取、林业测量、植物三维3D重建等领域具有重要的应用价值。

背景技术

点云模型是一种无组织的点云集合(Unorganized Points)。在几何压缩和传输、交互编辑、纹理映射、参数化等应用方面，需要将点云数据划分为特征单一，互不重叠的区域，这需要使用点云分割技术。

针对树木的生物学特点，树木扫描点云可以被分为树枝点云和树叶点云，其中位于树枝上的点云又可以按照所处的不同的枝干进行进一步划分。树木点云模型的准确分割对模型的应用具有重要意义。在进行模型重建的过程中，由于树枝与树叶的重建方法有较大的区别，所以已有的大部分重建方法在重建之前需要对点云进行树枝树叶的分离。同样道理，直接在点云模型上进行的林业测量工作也需要明确的知道哪些点云位于树枝哪些点云位于树干上。树木点云模型的配准工作中，如果能对不同的树枝上的点云进行准确的区分会对配准工作带来很大的帮助。

尽管近年来树木点云的分割算法没有被单独的研究过，但在近年的许多基于点云的树木重建方法中，提出了一些针对树木点云的形状分解或者三维分割方法。

Xu利用将到根节点的最短路径相似的点归类的方法进行点云的分组，每个根节点的选取对最后的分割结果具有重大影响，然而根节点的选取并不是自动的，这导致点云的分组工作需要较多的手工交互。同时在树枝的分叉处，不同树枝上的点可能具有相同的到根节点的最短路径，这样的结果就是属于不同树枝的点可能被划归到同一组中。Cheng使用手工的方法进行树叶与树枝的分离，大量属于细枝的点云被当作位于树叶上的点云被处理。同时，Cheng使用不同枝干在深度图像中会发生深度跳变的性质进行树干点云的分离，不同枝干间如果深度相似的话将无法成功区分。

在Quan的重建算法中，从图像中恢复三维点云，然后对三维点云进行手工交互的分割，但三维分割的准确性受到相机参数估计准确性的影响。所以该方法虽然可以获得较好的视觉效果，但是实际准确性并不理想。另外手工交互可以处理叶片较大，树叶与树枝区分明显的植物，但如果树叶分布密集，与树枝大量混杂在一起就难于靠手工分割获得较好的效果。

Bucksch提出了一套基于八叉树和图论的方法从树木点云模型中实现树枝分割和骨架提取的算法，这套算法只能用于没有树叶的模型，并且在分割过程中无法克服过分割的问题。

发明内容

本发明欲解决在分割过程中无法克服过分割的技术问题，本发明的目的是针对现实世界中由激光扫描得到的树木点云数据，提供一个激光扫描点云模型符合树木实际器官分布的准确的分割方法。

为实现上述目的，本发明的技术解决方案是提供一种基于主曲率分析的树木点云分割方法，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。