[發(fā)明專利]一種面向樹木激光點(diǎn)云的有效特征抽取與樹種識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201811263570.4
• 申請(qǐng)日: 2018-10-28
• 公開（公告）號(hào): CN109446986B
• 公開（公告）日: 2021-09-24
• 發(fā)明（設(shè)計(jì)）人: 云挺;盧曉藝;曹林;薛聯(lián)鳳
• 申請(qǐng)（專利權(quán)）人: 南京林業(yè)大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06T5/00
• 代理公司: 北京科億知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11350
• 代理人: 王清義

1.一種面向樹木激光點(diǎn)云的有效特征抽取與樹種識(shí)別方法，其特征在于，包括：

步驟1：獲取目標(biāo)樹的全覆蓋點(diǎn)云數(shù)據(jù)；

步驟2：對(duì)目標(biāo)樹的全覆蓋點(diǎn)云數(shù)據(jù)進(jìn)行降噪處理以去除異常點(diǎn)；

步驟3：根據(jù)降噪后獲得的點(diǎn)云數(shù)據(jù)分別分析目標(biāo)樹的三種類別的樹木特征，所述三種類別的樹木特征分別為樹木相對(duì)聚類特征、點(diǎn)云分布特征和樹木表觀特征，從而獲得多個(gè)樹木相對(duì)聚類特征參數(shù)、多個(gè)點(diǎn)云分布特征參數(shù)和多個(gè)樹木表觀特征參數(shù)；

步驟4：將所有樹木相對(duì)聚類特征參數(shù)按類別分別進(jìn)行交叉組合，將得到的所有組合方式作為SVM分類器的輸入變量進(jìn)行分類，獲得所有組合方式的分類精度，根據(jù)分類精度抽取基于樹木相對(duì)聚類特征的最優(yōu)特征參數(shù)組；將所有點(diǎn)云分布特征參數(shù)進(jìn)行交叉組合，將得到的所有組合方式作為SVM分類器的輸入變量進(jìn)行分類，獲得所有組合方式的分類精度，根據(jù)分類精度抽取基于點(diǎn)云分布特征的最優(yōu)特征參數(shù)組；將所有樹木表觀特征參數(shù)進(jìn)行交叉組合，將得到的組合方式作為SVM分類器的輸入變量進(jìn)行分類，獲得所有組合方式的分類精度，根據(jù)分類精度抽取基于樹木表觀特征的最優(yōu)特征參數(shù)組；

步驟5：將基于樹木相對(duì)聚類特征的最優(yōu)特征參數(shù)組、基于點(diǎn)云分布特征的最優(yōu)特征參數(shù)組以及基于樹木表觀特征的最優(yōu)特征參數(shù)組進(jìn)行組合并作為變量輸入到SVM分類器中進(jìn)行樹種分類；

所述的步驟3中的樹木相對(duì)聚類特征表示目標(biāo)樹的點(diǎn)云的聚集離散結(jié)構(gòu)，分析目標(biāo)樹的樹木相對(duì)聚類特征的具體步驟為：

(a)對(duì)目標(biāo)樹的點(diǎn)云數(shù)據(jù)進(jìn)行計(jì)算，實(shí)現(xiàn)樹冠的提取，將獲取到的樹冠自頂而下水平分割成10個(gè)相同高度的矩形層R_k，k＝1，2，…，10；取樹高與冠底高度之差作為樹冠高度H_Crown，則R_k的高度為H_Crown/10；R_k的長度為R_k的寬度為其中3D坐標(biāo)系下任意點(diǎn)云坐標(biāo)為j為目標(biāo)樹中的第j株樹，i為第j株樹內(nèi)的第i個(gè)點(diǎn)云；

(b)將矩形層R_k分割成m個(gè)邊長為H_Crown/10的正方形區(qū)域的樣方，為R_k內(nèi)第l個(gè)樣方中的點(diǎn)云數(shù)量，在每個(gè)R_k內(nèi)用特征值V_k描述對(duì)應(yīng)k層點(diǎn)云的聚集離散結(jié)構(gòu)，V_k定義為：

若V_k＜1，則R_k的結(jié)構(gòu)特征為分散；若V_k＞1，則R_k的結(jié)構(gòu)特征為聚集；若V_k＝1，則R_k的結(jié)構(gòu)特征為隨機(jī)；

(c)通過公式(2)將特征值V_k作0到1之間的歸一化處理：

其中min(V)和max(V)分別為目標(biāo)樹的10個(gè)矩形層中對(duì)應(yīng)的最小V_k值與最大V_k值；

(d)計(jì)算關(guān)于距離度量r的函數(shù)P_k(r)：

其中公式(3)中A_k代表R_k垂直于地面方向上的投影面積，n_k是R_k內(nèi)的點(diǎn)云個(gè)數(shù)；公式(4)中為指標(biāo)函數(shù)，代表任意兩點(diǎn)和之間的距離，若則取值為1，否則為0；

求取P_k(r)函數(shù)的偏差：

其中r的取值為從0.2m至6m區(qū)間內(nèi)間隔為0.2m的30個(gè)數(shù)值，則單株目標(biāo)樹的每個(gè)矩形層包含30個(gè)L_k(r)函數(shù)值，30個(gè)L_k(r)函數(shù)值中最大正值表示R_k在刻度r上存在最大程度的分散，30個(gè)L_k(r)函數(shù)值中最小負(fù)值表示R_k在刻度r上存在最大程度的聚集，從30個(gè)L_k(r)函數(shù)值中計(jì)算出最大正值L_{max_k}、最小負(fù)值L_{min_k}、最大正值處對(duì)應(yīng)的距離度量r_{max_k}以及最小負(fù)值處對(duì)應(yīng)的距離度量r_{min_k}；

(e)所述的樹木相對(duì)聚類特征參數(shù)分為5種類別，分別為：V特征參數(shù)、L_max特征參數(shù)、L_min特征參數(shù)、r_max特征參數(shù)以及r_min特征參數(shù)，V特征參數(shù)包括V₁，V₂，…，V₁₀；L_max特征參數(shù)包括L_{max_1}，L_{max_2}，…，L_{max_10}；L_min特征參數(shù)包括L_{min_1}，L_{min_2}，…，L_{min_10}；r_max特征參數(shù)包括r_{max_1}，r_{max_2}，…，r_{max_10}；r_min特征參數(shù)包括r_{min_1}，r_{min_2}，…，r_{min_10}；因此所有類別的樹木相對(duì)聚類特征參數(shù)的個(gè)數(shù)一共50個(gè)；

所述的步驟3中點(diǎn)云分布特征參數(shù)分別為點(diǎn)云高度均值、點(diǎn)云高度標(biāo)準(zhǔn)偏差、點(diǎn)云高度偏移量、點(diǎn)云高度峰值、樹高的0％和20％之間的點(diǎn)云數(shù)量與整株樹點(diǎn)云數(shù)量的比率、樹高的20％和40％之間的點(diǎn)云數(shù)量與整株樹點(diǎn)云數(shù)量的比率、樹高的40％和60％之間的點(diǎn)云數(shù)量與整株樹點(diǎn)云數(shù)量的比率、樹高的60％和80％之間的點(diǎn)云數(shù)量與整株樹點(diǎn)云數(shù)量的比率以及樹高的80％和100％之間的點(diǎn)云數(shù)量與整株樹點(diǎn)云數(shù)量的比率；

所述的步驟3中分析目標(biāo)樹的樹木表觀特征的具體步驟為：

(a1)獲取樹高H_Tree和樹冠高度H_Crown，從掃描點(diǎn)云數(shù)據(jù)獲取冠中最高分支高度H_maxb、冠中最低分支的高度H_minb、冠蓋的最長分布L_Crown和與L_Crown垂直的冠蓋最長分布

(b1)以樹干為中心垂直于地面方向切割樹冠，將其平均分成8段，將每個(gè)分段內(nèi)的所有點(diǎn)云投影到各個(gè)分段的中心垂直剖面上，將中心垂直剖面劃分為g×g的網(wǎng)格；

(c1)分別計(jì)算出等效冠直徑、樹冠高度與樹高的比率、等效冠直徑與樹高的比率、樹冠高度和等效冠直徑的比率、(樹高-H_minb)和(樹高-H_maxb)的比率、L_crown和的比率、樹冠橢球模型擬合參量、所有網(wǎng)格內(nèi)點(diǎn)云的平均高度以及中心垂直剖面內(nèi)的網(wǎng)格參量并將其作為樹木表觀特征參數(shù)，所述的等效冠直徑為具有與冠蓋相等面積的等效最小外接圓直徑D_EA。