[發明專利]一種顧及LiDAR點云數據分布差異的植被三維實景建模方法

在審

• 申請號: 201710107389.3
• 申請日: 2017-02-27
• 公開（公告）號: CN107016725A
• 公開（公告）日: 2017-08-04
• 發明（設計）人: 羅欣;鐘明;趙翔宇;洪韜
• 申請（專利權）人: 電子科技大學
• 主分類號: G06T17/20
• 分類號: G06T17/20
• 代理公司: 電子科技大學專利中心51203
• 代理人: 張楊

1.一種顧及LiDAR數據分布差異的植被三維模型重建方法，其主要技術過程如下：

步驟1：對植被進行多角度激光掃描并在掃描過程中獲取各數據點的R、G、B光譜信息；

步驟2：對步驟1獲得的植被激光掃描點云數據進行預處理；

步驟2.1：將三維空間中包圍整個點云數據的最小立方體均勻劃分為具有相同大小的八個子立方體，稱為體元；對每個體元逐一進行判別，如果當前體元滿足給定的屬性，則該體元構成一個節點，并對應一個點云數據塊，否則將該體元繼續均勻劃分成八個更小的體元；通過這種循環遞進的方式對包含植被點云數據的三維空間進行劃分，使每個節點都滿足相同的屬性或者達到預先設定的分辨率閾值為止，最終生成一個具有根節點的多層次方向樹；

步驟2.2：對方向樹中各節點的地址信息和體元大小信息采用Morton碼進行編碼；

步驟2.3：對點云數據進行去噪處理；

步驟3：將預處理后的點云數據按植被的結構劃分為主干點云數據、分枝點云數據、葉片點云數據；

步驟3.1：提取植被點云數據中R、G、B各波段的信息；

步驟3.2：為R、G、B三個波段分別根據實際情況設定閾值，在每一波段上對枝干與葉片進行劃分；

步驟3.3：對R、G、B三個波段的劃分結果進行加權平均，根據平均后的值對該數據點進行劃分；

步驟3.4：將枝干中的點云數根據單位小平面密度均值差異設定經驗閾值劃分為主干點云數據和分枝點云數據；

步驟4：對步驟3得到的各角度點云數據進行配準；

步驟5：植被主干點云數據采用凸包算法進行三維重建；

步驟6：植被枝干點云數據采用最小二乘法進行枝干骨架提取，再進行三維重建；

步驟7：植被葉片點云數據采用Delaunay三角網格化進行三維模型重建；

步驟8：將植被主干三維模型、枝干三維模型和葉片三維模型進行拼合得到完整的植被三維模型。

2.如權利要求1所述的一種顧及LiDAR數據分布差異的植被三維模型重建方法，其特征在于所述步驟2.1中通過設置體元中包含的最小點數量作為判別是否繼續劃分的屬性。

3.如權利要求1所述的一種顧及LiDAR數據分布差異的植被三維模型重建方法，其特征在于所述步驟2.3的具體步驟為：

步驟2.3.1：利用包圍盒方法對點云數據進行柵格化，將其中所有的點分配到各柵格中；

步驟2.3.2：求取包含最多柵格的最大連通域，并去除孤立噪聲點；

步驟2.3.3：對去除孤立噪聲點后的點云數據進行第二次柵格劃分，建立各刪格內點云的k鄰域；

步驟2.3.4：用最小二乘法擬合出每個k鄰域的最佳擬合平面；

步驟2.3.5：計算k鄰域內所有點到最佳擬合平面的距離d_i，并設定一個閾值，把k鄰域內距佳擬合平面的距離大于該閾值的點去除。

4.如權利要求1所述的一種顧及LiDAR數據分布差異的植被三維模型重建方法，其特征在于所述步驟5的具體方法為：首先將玉蘭樹主干點云數據按照Z軸方向等距分層，然后將分層后的主干各層點云投影至該層垂直于Z軸的底面上，利用凸包算法提取出每一層點云的凸包折線，再以玉蘭樹最底層為起始層，逐層向上利用Delaunay三角網算法構建相鄰層間三角網格，直至最頂層，最終構建出玉蘭樹主干的三角網格曲面模型。

5.如權利要求1所述的一種顧及LiDAR數據分布差異的植被三維模型重建方法，其特征在于所述步驟6的具體方法為：首先將分枝點云沿Z軸方向進行等距分層，再將分層后的每一層點云投影至該層垂直于Z軸的底面上，然后利用最小二乘法求取每一層上點集的擬合圓，得到圓心及半徑參數，最后連結每一層擬合圓的圓心得到分枝的骨架，將每一層的擬合圓與相鄰層擬合圓相連結形成分枝曲面。