[发明专利]一种基于大小和局部混乱距离的林地点云枝叶分离方法

说明书

本发明属于地面激光雷达点云数据处理技术领域，具体涉及一种基于大小和局部混乱距离的林地点云枝叶分离方法。本发明使用地基激光雷达获取的林地数据，首先基于区域增长对林地的点云进行聚类，通过聚类后类簇的大小和点云中点数的多少进行初分割；然后对剩余的每一类簇，通过该类簇外接长方体的最长边大小和混乱距离en，进行精细分割，划分出剩余的枝干，进行林地尺度的枝叶分离。还可通过调节聚类时搜索的临近点数目和平滑度阈值调整分离精度和效率。本发明提供了一种兼顾精度和效率的林地激光雷达点云枝叶分离的新思路，并可进一步运用于测量林地树干平均直径和树高，测量叶面积指数，林地三维建模等领域。

技术领域

本发明属于地面激光雷达点云数据处理技术领域，具体涉及一种基于大小和局部混乱距离的林地点云枝叶分离方法。

背景技术

近年来，随着摄影测量和激光雷达(Light Detection and Ranging，LiDAR)技术的快速发展，激光雷达三维点云数据可以很容易地获取。激光雷达是一种主要用于距离测量的光学探测技术，它通过测量激光脉冲与目标物体的反射时间来确定距离，并通过计算回波脉冲的能量和时间来获得有关目标物体形状、表面和材料的信息。相比其他方法采集的数据，激光雷达三维点云数据可以更清晰、直观地显示物体表面、形态等信息，因此，三维点云数据被用于许多领域，例如地理信息系统，机器人视觉，环境监测，电力线检查，城市3D建模，“智慧农业”，“智慧森林”，生物量的估计以及无人驾驶技术等，激光雷达有较高的发展潜力和蓬勃的发展前景。

在林业相关的研究中，激光雷达技术也得到了广泛的应用，三维点云数据有非常大的优势，地基激光雷达(Terrestrial Laser Scanning，TLS)数据提供了三维点云的坐标和回波强度，二者均有重要的用途，三维点云数据尤其TLS数据可以精确地反映一些传统的光学遥感技术并不能精确反映的一些林地的特征参数，如树干直径和树高，叶面积指数，树冠的大小等。

在样地和森林测量以上一些特征参数时，使用点云数据进行较为精确的枝叶分离是必不可少的一个重要的过程。由于森林结构、树木结构较为复杂，手工实现枝叶分离虽然可以保证精度，但是缺点十分明显——成本高且耗时。为解决这一问题，国内外出现了很多自动、准确进行枝叶分离的方法。

传统的枝叶分离方法主要使用传统光学遥感数据，依靠植被指数、高度差等特征对数据进行分析，存在分割精度较低、易受植被遮挡影响等问题。而激光雷达技术提供的三维点云数据，可以通过分析回波强度、反射率、波形、三维坐标等多个维度的数据来实现较高精度的枝叶分离。由于回波强度易受到周围环境的影响和干扰，并不能直接用来精确地进行枝叶分离的工作。目前多数激光雷达枝叶分离有关的研究都集中于对单木的枝叶分离和使用机器学习的方法，在已有的枝叶分离的方法中，实现单木层面的枝叶分离并不能完全满足实际使用时的需求；而机器学习的方法需要大量的数据进行人工训练，需要最初在设计机器程序上投入大量的精力和时间，且鲁棒性、效率和精度不能兼得，也难以对林地进行枝叶分离。

综上，虽然激光雷达发展前景十分乐观，能够提供非常多的较高精度的数据，但目前对枝叶分离的研究仍有很多的不足之处，已有方法并不能很好地满足实际作业时的需求。

发明内容

针对上述存在的问题或不足，为解决林地枝叶分离的精度低、成本较高、鲁棒性较低等问题，本发明提供了一种基于大小和局部混乱距离的林地点云枝叶分离方法，通过聚类的大小初步分割和判断类簇的混乱距离较精确地分割，能够在保证精度较高的情况下，减小成本，提高效率。

一种基于大小和局部混乱距离的林地点云枝叶分离方法，包括以下步骤：

步骤1、初步分割：对目标林地的地基激光雷达数据点云进行聚类，并初步提取树干点云：

1-1、使用基于区域增长的聚类算法对目标林地的地基激光雷达数据点云进行聚类，设置参数：搜索的临近点数目设置为30-60，平滑阈值为0.05π-0.07π。