[发明专利]一种基于多光谱LiDAR数据的单木自动提取方法

摘要

本发明公开了一种基于多光谱LiDAR数据的单木自动提取方法。它包括如下步骤：以LiDAR数据中任意一个波段的点云为基准数据，对基准点云数据中的每个激光点，采用最邻近搜索方法，分别在其他波段数据中获得最邻近激光点的波段信息，生成一个包含多光谱信息的单一融合点云数据；沿着包含有多光谱信息的单一融合点云数据的Z方向上进行多视角投影，将点云数据分割为地面点云数据和非地面点云数据；对非地面点云数据进行聚类和归一化割，根据点云数据的几何和光谱特征进行分割，分离出语义独立的局部点云块；建立基于三维局部抽象类特征的树木目标整体特征描述模型，进行基于深度学习的单木自动提取处理。具有提高树木识别精度的优点。

主权项

一种基于多光谱LiDAR数据的单木自动提取方法，其特征在于：包括如下步骤：步骤1：以LiDAR数据中任意一个波段的点云为基准数据，对基准点云数据中的每个激光点，采用最邻近搜索方法，分别在其它波段数据中获得最邻近激光点的波段信息，生成一个包含多光谱信息的单一融合点云数据；步骤2：沿着包含有多光谱信息的单一融合点云数据的Z方向上进行多视角投影，产生一系列投影数据，根据点云数据的光谱和几何特性将点云数据分割为地面点云数据和非地面点云数据；步骤3：对非地面点云数据进行聚类和归一化割，根据点云数据的几何和光谱特征进行分割，分离出语义独立的局部点云块；步骤4：对语义独立的局部点云块，建立基于三维局部抽象类特征的树木目标整体特征描述模型，进行基于深度学习的单木自动提取处理。