[发明专利]基于深度学习的激光扫描三维点云树木自动分类方法

摘要

本发明公开了一种基于深度学习的激光扫描三维点云树木自动分类方法，可以自动对已提取的单株树木进行分类，分类的单株树木包含树干和树冠结构。本发明采用旋转侧面投影的方法，在树木数据少情况下依然可以有效进行模型训练，由于采用了归一化的预处理方法，克服了点云数据密度远近(距离扫描仪)分布不均的缺点，使得结果受采集设备影响小，更具稳定性。此外，由于采用深度学习进行模型训练，提高了对多种树木的自动分类的准确性。本发明采用特征向量为单元进行计算，计算速度快，更适用于大规模点云场景，具有实际意义和应用价值。

主权项

基于深度学习的激光扫描三维点云树木自动分类方法，其特征在于，包括以下步骤：S1、在XYZ三维坐标系中，对原始单棵树木点云集P中的每个样本绕Z轴每隔一定角度旋转一次，保留每次旋转过后的结果作为新的单棵树木点云样本，整个数据集旋转过后获得新的单棵树木点云集P'；S2、遍历新的单棵树木点云集P'，将点云集P'中的每个样本投影到XOZ平面并对XOZ平面进行网格划分，记录每个网格的累积投影值；S3、生成以单棵树木点云数量为行数，以XOZ平面面积为列数的特征矩阵S；S4、对特征矩阵S的每一行做归一化处理；S5、使用深度置信网络对归一化后的数据集进行深度学习训练获得最终的分类模型；S6、使用分类模型对新扫描的数据自动化的进行预测，最后在原始点云中将属于单棵树木点云所属的类别标注出来，完成树木分类的操作。