[發明專利]一種基于點云數據的樹木自動分割方法

在審

• 申請號: 201611082678.4
• 申請日: 2016-11-30
• 公開（公告）號: CN106651863A
• 公開（公告）日: 2017-05-10
• 發明（設計）人: 陳一平;甕升霞;賈宏;李軍;王程
• 申請（專利權）人: 廈門大學
• 主分類號: G06T7/10
• 分類號: G06T7/10;G06T7/136
• 代理公司: 深圳市合道英聯專利事務所(普通合伙)44309
• 代理人: 劉輝,廉紅果

1.一種基于點云數據的樹木自動分割方法，其特征在于，包括以下步驟：

S1、預處理：包括噪聲點去除、數據抽稀、空間數據索引的建立以及地面濾波的預處理工作；

S2、空間網格化投影：將步驟S1中得到的點云數據根據離散點的空間密度分布自適應的將空間域劃分為若干正方形格網，將三維數據垂直投影到二維平面；

S3、濾除不合格網格：剔除步驟S2中帶有少量信息的網格；

S4、基于啟發式搜索的樹干位置識別：對步驟S3得到的網格進行搜索，得到樹干所在位置的網格；

S5、劃分單樹樹冠：利用步驟S4中得到的樹干位置作為初始種子，通過改進的分水嶺方法劃分個體樹冠。

2.如權利要求1所述的一種基于點云數據的樹木自動分割方法，其特征在于：其還包括步驟S6、驗證與矯正：對步驟S5中得到的分割結果進行驗證。

3.如權利要求1所述的一種基于點云數據的樹木自動分割方法，其特征在于，所述步驟S1包括以下分步驟：

S11、建立KD-tree空間數據索引；

S12、利用RANSAC自動檢測和剔除地面點，設置被檢測的目標函數模型為平面，同時設置距離參數閾值來決定RANSAC目標函數中的判斷為內點的準則，再利用生成的KD-tree索引有效地提取出城區中的平坦地面。

4.如權利要求1所述的一種基于點云數據的樹木自動分割方法，其特征在于，所述步驟S2包括以下分步驟：

S21、計算空間格網區域激光掃描點云的數量N，再根據點云數據的最小包圍矩陣，矩陣范圍為(x_range,y_range)，計算出該區域的面積S，其中x_range和y_range的范圍分別是點云數據里的(x_min，x_max)和(y_min，y_max)。由此可以計算出激光點云數據的密度D：

D＝N/S；

S22、根據計算出的數據密度D，以及空間網格所要求的平均點云數目得到單位網格的面積Sgrid，最后獲得網格大小GridSize以及空間網格所在的行列數目(Row，Col)；

S23、建立一個行乘以列大小的數組或容器，用于存儲每個網格的屬性信息；

S24、遍歷激光掃描點云最小包圍矩陣內的所有點，判斷每個點所在的格網位置，對于落在格網邊界上的點，規定每個格網包括落在其左邊界和下邊界的點，不包括其右邊界和上邊界的點。

5.如權利要求4所述的一種基于點云數據的樹木自動分割方法，其特征在于，所述步驟S24中，所述激光點P(x，y)落在格網ImageInfo[r][c]的判別公式為：

r＝(x-x_min)/GridSize

c＝(y-y_min)/GridSize 。

6.如權利要求1所述的一種基于點云數據的樹木自動分割方法，其特征在于，所述步驟S3包括以下分步驟：

S31、對于步驟S2得到的網格，如果網格中的最大高度小于設定的某一閾值，則刪除該網格中的所有點；

S32、對于步驟S2得到的網格，通過計算網格中的總點數除以網格面積得到網格密度值，如果小于某一閾值，則刪除該網格中的所有點。

7.如權利要求6所述的一種基于點云數據的樹木自動分割方法，其特征在于，所述步驟S31中的所述網格的高度閾值根據實際樹木高度進行設定，所述步驟S32中的所述網格的密度閾值根據激光點云的密度進行設定。

8.如權利要求1所述的一種基于點云數據的樹木自動分割方法，其特征在于：所述步驟S4包括以下分步驟：

S41、隨機的選擇初始網格位置，將其設置為當前網格；

S42、對當前網格的鄰域進行搜索，如果某個鄰域網格的密度高于當前網格，那么當前網格將往更高密度的鄰域網格移動。一次搜索過程將進行到所有的鄰域網格密度都小于當前網格時停止，此時當前網格被標記為樹干位置網格；

S43、重復步驟S41、S42直到該爬山搜索直到抵達設定的迭代次數。