[发明专利]一种基于激光点云数据的真实阔叶树器官分类识别方法

摘要

本发明公开了一种基于激光点云数据的真实阔叶树器官分类识别方法，本方法利用流形学习的思想来描述非线性局部曲面特性，并设定局部邻域为线性结构，在枝叶的原始点云中融入流行结构的思想，同时根据叶面与枝干形体差异，结合点云的非线性局部切平面分布、空间离散点分布特征和局部离散点法向特征，根据叶面与枝干形体差异，最后结合监督分类的思想，设计了GEPSVM分类器，从训练样本中找寻类别特征，对测试样本进行分类，进而提取阔叶树中复杂点云的枝叶数据。本发明结合枝叶的各种基本特征的优势，提出了基于特征融合的点云活立木枝叶分离的方法，从实验结果看，是切实可行并且高效的，并为林学参数的精确求取打下基础。

主权项

1.一种基于激光点云数据的真实阔叶树器官分类识别方法，其特征在于：使用激光扫描仪扫描活立木，对离散点云数据进行计算，综合离散点云的非线性局部切平面分布特征FLTS、空间离散点分布特征Fsaliency、局部离散点法向特征Fnormal和原始数据Forigin，借助改进监督识别方法，对离散点云进行分类，最终获得属于同一条枝上的样本点和属于同一片叶上的样本点，而达到枝叶分离；求取局部切平面分布特征FLTS的步骤如下：(1)使用激光扫描仪扫描活立木，获取活立木的原始三维点云数据记为Forigin，扫描数据中元素为离散点云，其中，第i个点云记为样本点xi；(2)记样本点的空间体k邻域为N_k，N_k表示为其中为距离样本点x_i最近的k个近邻样本点，所述k个近邻样本点在局部切空间上的投影误差满足模型：上式中，向量表示样本点x_i处切空间的原点；列正交矩阵表示样本点x_i处切空间的一组正交基；表示的离散点的局部切平面坐标；表示和x_i之间的误差向量；表示空间，的上标表示空间的维度；最小化即可计算出c_i、Q_i和的值，如下式：对中心化后做特征值分解得到：其中：为正交矩阵，对角矩阵Λ_i的对角元素单调递减，样本点x_i的离散局部切空间的信息为：其中，Θ_i为样本点x_i的邻域点在其切空间的投影坐标，(3)计算非线性局部切平面分布特征，具体包括在k邻域进行的如下步骤：首先，将样本点xi在对应的正交基Qi上拉成一个6维行向量，将获得的6维行向量记为局部切平面向量qi；然后，计算非线性局部切平面向量qi在Nk中的协方差矩阵SLTS：其中：为N_k内样本点x_i的所有邻近样本点的非线性局部切平面向量的均值，求解S_LTS的特征值为D_LTSi＝[λ_LTS1,λ_LTS2,…,λ_LTS6]，将D_LTSi与非线性局部切平面向量q_i一起作为样本点x_i的非线性局部切平面分布特征F_LTS：FLTS＝[qi,DLTSi]。