[發(fā)明專利]一種基于點(diǎn)云數(shù)據(jù)的樹(shù)木自動(dòng)分割方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201611082678.4
• 申請(qǐng)日: 2016-11-30
• 公開(kāi)（公告）號(hào): CN106651863A
• 公開(kāi)（公告）日: 2017-05-10
• 發(fā)明（設(shè)計(jì)）人: 陳一平;甕升霞;賈宏;李軍;王程
• 申請(qǐng)（專利權(quán)）人: 廈門(mén)大學(xué)
• 主分類號(hào): G06T7/10
• 分類號(hào): G06T7/10;G06T7/136
• 代理公司: 深圳市合道英聯(lián)專利事務(wù)所(普通合伙)44309
• 代理人: 劉輝,廉紅果

技術(shù)領(lǐng)域

本發(fā)明涉及點(diǎn)云數(shù)據(jù)處理方法和智慧交通領(lǐng)域，具體的說(shuō)是一種基于三維點(diǎn)云數(shù)據(jù)對(duì)樹(shù)木進(jìn)行自動(dòng)分割的方法。

背景技術(shù)

隨著經(jīng)濟(jì)和城市化的快速發(fā)展，交通擁堵等狀態(tài)也在不斷惡化，交通標(biāo)志牌的檢測(cè)及識(shí)別得到越來(lái)越多的關(guān)注。樹(shù)木遮擋是智能交通系統(tǒng)中主要的阻礙因素，因此單樹(shù)分割具有重要意義。樹(shù)木完成精確分割，可以進(jìn)一步獲得樹(shù)的結(jié)構(gòu)屬性，如樹(shù)木高度、樹(shù)冠直徑、樹(shù)冠高度，底面積，胸徑，木材體積以及物種類型，對(duì)林業(yè)也起到了重要的作用。

激光探測(cè)與測(cè)量(Light Detection and Ranging,LiDAR)是一種主動(dòng)遙感技術(shù)，該技術(shù)通過(guò)傳感器發(fā)出的激光脈沖來(lái)測(cè)定傳感器與目標(biāo)物之間的距離、探測(cè)目標(biāo)的位置、速度等特征，具有與被動(dòng)光學(xué)遙感不同的成像機(jī)理。為了滿足“精準(zhǔn)交通”的更精確、更自動(dòng)化、更細(xì)致的要求，利用先進(jìn)的遙感技術(shù)針對(duì)單株樹(shù)木進(jìn)行分割以減少對(duì)交通牌的遮擋已經(jīng)成為智慧城市信息化管理的必然趨勢(shì)。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于點(diǎn)云數(shù)據(jù)的樹(shù)木自動(dòng)分割方法，其可在無(wú)需人工干預(yù)的，快速準(zhǔn)確對(duì)點(diǎn)云數(shù)據(jù)中樹(shù)木進(jìn)行提取測(cè)量。

為實(shí)現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案：

一種基于點(diǎn)云數(shù)據(jù)的樹(shù)木自動(dòng)分割方法，包括以下步驟：

S1、預(yù)處理：包括噪聲點(diǎn)去除、數(shù)據(jù)抽稀、空間數(shù)據(jù)索引的建立以及地面濾波的預(yù)處理工作；

S2、空間網(wǎng)格化投影：將步驟S1中得到的點(diǎn)云數(shù)據(jù)根據(jù)離散點(diǎn)的空間密度分布自適應(yīng)的將空間域劃分為若干正方形格網(wǎng)，將三維數(shù)據(jù)垂直投影到二維平面；

S3、濾除不合格網(wǎng)格：剔除步驟S2中帶有少量信息的網(wǎng)格；

S4、基于啟發(fā)式搜索的樹(shù)干位置識(shí)別：對(duì)步驟S3得到的網(wǎng)格進(jìn)行搜索，得到樹(shù)干所在位置的網(wǎng)格；

S5、劃分單樹(shù)樹(shù)冠：利用步驟S4中得到的樹(shù)干位置作為初始種子，通過(guò)改進(jìn)的分水嶺方法劃分個(gè)體樹(shù)冠。

還包括步驟S6、驗(yàn)證與矯正：對(duì)步驟S5中得到的分割結(jié)果進(jìn)行驗(yàn)證。

所述步驟S1包括以下分步驟：

S11、建立KD-tree空間數(shù)據(jù)索引；

S12、利用RANSAC自動(dòng)檢測(cè)和剔除地面點(diǎn)，設(shè)置被檢測(cè)的目標(biāo)函數(shù)模型為平面，同時(shí)設(shè)置距離參數(shù)閾值來(lái)決定RANSAC目標(biāo)函數(shù)中的判斷為內(nèi)點(diǎn)的準(zhǔn)則，再利用生成的KD-tree索引有效地提取出城區(qū)中的平坦地面。

所述步驟S2包括以下分步驟：

S21、計(jì)算空間格網(wǎng)區(qū)域激光掃描點(diǎn)云的數(shù)量N，再根據(jù)點(diǎn)云數(shù)據(jù)的最小包圍矩陣，矩陣范圍為(x_range,y_range)，計(jì)算出該區(qū)域的面積S，其中x_range和y_range的范圍分別是點(diǎn)云數(shù)據(jù)里的(x_min，x_max)和(y_min，y_max)。由此可以計(jì)算出激光點(diǎn)云數(shù)據(jù)的密度D：

D＝N/S；

S22、根據(jù)計(jì)算出的數(shù)據(jù)密度D，以及空間網(wǎng)格所要求的平均點(diǎn)云數(shù)目得到單位網(wǎng)格的面積Sgrid，最后獲得網(wǎng)格大小GridSize以及空間網(wǎng)格所在的行列數(shù)目(Row，Col)；

S23、建立一個(gè)行乘以列大小的數(shù)組或容器，用于存儲(chǔ)每個(gè)網(wǎng)格的屬性信息；

S24、遍歷激光掃描點(diǎn)云最小包圍矩陣內(nèi)的所有點(diǎn)，判斷每個(gè)點(diǎn)所在的格網(wǎng)位置，對(duì)于落在格網(wǎng)邊界上的點(diǎn)，規(guī)定每個(gè)格網(wǎng)包括落在其左邊界和下邊界的點(diǎn)，不包括其右邊界和上邊界的點(diǎn)。

上述步驟S24中，所述激光點(diǎn)P(x，y)落在格網(wǎng)ImageInfo[r][c]的判別公式為：

r＝(x-x_min)/GridSize

c＝(y-y_min)/GridSize

所述步驟S3包括以下分步驟：

S31、對(duì)于步驟S2得到的網(wǎng)格，如果網(wǎng)格中的最大高度小于設(shè)定的某一閾值，則刪除該網(wǎng)格中的所有點(diǎn)；

S32、對(duì)于步驟S2得到的網(wǎng)格，通過(guò)計(jì)算網(wǎng)格中的總點(diǎn)數(shù)除以網(wǎng)格面積得到網(wǎng)格密度值，如果小于某一閾值，則刪除該網(wǎng)格中的所有點(diǎn)。

上述步驟S31中的所述網(wǎng)格的高度閾值根據(jù)實(shí)際樹(shù)木高度進(jìn)行設(shè)定，所述步驟S32中的所述網(wǎng)格的密度閾值根據(jù)激光點(diǎn)云的密度進(jìn)行設(shè)定。

所述步驟S4包括以下分步驟：

S41、隨機(jī)的選擇初始網(wǎng)格位置，將其設(shè)置為當(dāng)前網(wǎng)格；

S42、對(duì)當(dāng)前網(wǎng)格的鄰域進(jìn)行搜索，如果某個(gè)鄰域網(wǎng)格的密度高于當(dāng)前網(wǎng)格，那么當(dāng)前網(wǎng)格將往更高密度的鄰域網(wǎng)格移動(dòng)。一次搜索過(guò)程將進(jìn)行到所有的鄰域網(wǎng)格密度都小于當(dāng)前網(wǎng)格時(shí)停止，此時(shí)當(dāng)前網(wǎng)格被標(biāo)記為樹(shù)干位置網(wǎng)格；

S43、重復(fù)步驟S41、S42直到該爬山搜索直到抵達(dá)設(shè)定的迭代次數(shù)。