[發明專利]一種基于無人機影像與重建點云的城市植被分類方法

有效

• 申請號: 201810181133.1
• 申請日: 2018-03-06
• 公開（公告）號: CN108363983B
• 公開（公告）日: 2021-05-18
• 發明（設計）人: 于海洋;李瑩;王燕燕;吳建鵬;楊禮
• 申請（專利權）人: 河南理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 鄭州德勤知識產權代理有限公司 41128
• 代理人: 宋文龍

1.一種基于無人機影像與重建點云的城市植被分類方法，其特征在于，包括以下步驟：

步驟1、對原始無人機影像進行點云重建

拍攝研究區的原始無人機影像，采用SFM算法，獲得研究區的稀疏點云，采用CMVS/PMVS算法將稀疏點云擴展為密集點云；

對密集點云進行克里金插值建模，生成紋理，獲得研究區的正射影像DOM，并對正射影像DOM進行影像分割；

步驟2、生成研究區的nDSM信息

對獲得的密集點云進行抽稀處理，獲得抽稀點云；

對所述抽稀點云進行濾波，濾除非地貌特征點，獲得地面點云集合，經克里金插值處理后，獲得研究區的數字高程模型DEM；

對所述抽稀點云進行克里金插值處理，獲得研究區的數字表面模型DSM；

對所述數字高程模型DEM與所述數字表面模型DSM進行求差分析獲得研究區的nDSM信息；

步驟3、基于可見光的植被指數計算

取含可見光波段的研究區的正射影像，計算歸一化綠-紅差異指數NGRDI和可見光波段差異植被指數VDVI，以NGRDI值和VDVI值的大小表示植被的覆蓋度；其中，

式中，G，R，B，分別表示綠、紅和藍三個波段的反射率或像元值；NGRDI和VDVI的值域均為[-1，1]；

步驟4、影像對象的分類判別

所述影像對象包括草地、灌木、喬木、水生植被、建筑物、水泥硬化地面和水體；

4.1設定DEM的值域范圍以及VDVI的值域范圍，再加設nDSM的值域范圍，進行水體與水生植被的分類判別；

4.2、設定DEM的值域范圍以及NGRDI的值域范圍，進行陸生植被與非陸生植被的分類判別；

4.2.1、加設nDSM的值域范圍，進行草地、灌木和喬木的分類判別，以及建筑物和水泥硬化地面分類判別；

4.2.2、計算nDSM的標準偏差standard deviation nDSM，在區分建筑物與小喬木時，加設standard deviation nDSM的值域范圍。

2.根據權利要求1所述的基于無人機影像與重建點云的城市植被分類方法，其特征在于，所述步驟4中：

當NGRDI＞0.2、nDSM＜0.26、DEM＞94.1時判定為草地；

當NGRDI＞0.2、0.26＜nDSM＜1.5、DEM＞94.1時判定為灌木；

當NGRDI＞0.2、nDSM＞1.5時判定為喬木；

當NGRDI＜0.2、nDSM＞5、Standard deviation nDSM＜0.1時判定為建筑物；

當NGRDI＜0.2、2＜nDSM＜9、Standard deviation nDSM＞0.1時判定為小喬木；

當NGRDI＜0.2、nDSM＜0.055、DEM＞94.1時判定為水泥地面；

當VDVI＞0.168、nDSM＜1.6、DEM＜94.1時判定為水生植物；

當VDVI＜0.168、nDSM＜0.01、DEM＜94.1時判定為水體。

3.根據權利要求1或2所述的基于無人機影像與重建點云的城市植被分類方法，其特征在于：所述步驟2中，對所述抽稀點云采用自適應不規則三角網點云濾波算法濾除非地貌特征點；

1.1、預設閾值條件，任取局部區域最低點構建一自適應不規則三角網TIN模型；

1.2、計算目標點到不規則三角網TIN中相應三角形頂點角度和該目標點到相應三角形面的距離，并與預設的閾值條件進行比較；

1.3、如果目標點的距離和角度小于預設閾值，將該點加入到地面點云集合，再用地面點云集合構建一個新的不規則三角網TIN模型，返回步驟1.2直到濾除所有非地面特征點。

4.根據權利要求1所述的基于無人機影像與重建點云的城市植被分類方法，其特征在于：所述步驟1中，對正射影像DOM進行影像分割時，采用ESP軟件確定影像的最優分割尺度。