CN104318611A - 一种基于激光扫描点云的三维树木重建方法 - Google Patents
一种基于激光扫描点云的三维树木重建方法 Download PDFInfo
- Publication number
- CN104318611A CN104318611A CN201410582575.9A CN201410582575A CN104318611A CN 104318611 A CN104318611 A CN 104318611A CN 201410582575 A CN201410582575 A CN 201410582575A CN 104318611 A CN104318611 A CN 104318611A
- Authority
- CN
- China
- Prior art keywords
- sectionn
- tree
- laser scanning
- point cloud
- level cross
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于激光扫描点云的三维树木重建方法，通过在激光点云数据中建立多个水平横截面，并搜寻底层水平横截面上的环状点集来确定树干位置，解决了采用手工标记树木位置时费时费力的问题，操作快速且精确度高；此外，本发明通过在高层水平横截面搜寻密集点片轮廓，确定树冠各横截面的宽度，从而曲线拟合出树木的形状和大小，有效提高了三维场景重建中树木效果的处理效率。
Description
技术领域
本发明属于计算机图形学和计算机视觉技术领域，具体涉及一种利用激光扫描点云数据生成三维树木模型的方法。
背景技术
近年来伴随数字化手段的快速发展，基于数字化的重建方法在场景重建中获得越来越多的重视，按照输入数据的不同，该方法又可以分为基于照片的重建和基于激光扫描点云的重建。例如，google和百度街景就是采用基于照片拼接的重建；而在城建规划、农林业测量等领域，多采用基于激光扫描点云的重建。
在采用激光扫描方法进行三维场景重建时，由于与树木对应的点云往往具有不规则、时变等特性，需要对树木进行特殊处理。在实践中最常用的是手工标记树木的位置，然而该方法只适用于树木量不大的情况下。当场景巨大、树木的数量繁多时，手工标记成为一件耗时耗力的事情，严重影响三维场景重建的效率。
发明内容
针对现有技术的不足，本发明的目的旨在于设计一种能够快速、准确的在激光扫描点云数据中判断树木位置的方法，以解决现有方法费时费力且不适用于大规模场景重建的问题。
为实现上述目的，本发明采用如下技术方案：
一种基于激光扫描点云的三维树木重建方法，其特征在于，该重建方法包括如下步骤：
步骤S1：在激光扫描获取到的点云数据中确定大地校准平面H0；
步骤S2：在距离大地校准平面H0上方h1处确定水平横截面H1，在距离水平横截面H1上方h2处确定水平横截面H2，在距离水平横界面H2上方h3处确定水平横截面H3…，在距离水平横截面Hn-1上方hn处确定水平横截面Hn；
步骤S3：在水平横截面H1中搜寻环状点集，由环状点集所在的位置确定树干所在位置；
步骤S4：在高水平横截面H2、H3…，Hn中圈定树冠考察区，并在树冠考察区内搜寻围绕树干的密集点片轮廓，获取各横截面上密集点片轮廓的直径；
步骤S5：依据各横截面上密集点片轮廓的直径，得到各横截面上的树冠宽度，曲线拟合树木形状。
进一步的，所述平面H1、H2、H3…，Hn不是固定的，可以在垂直方向上进行上下浮动。
进一步的，所述各横截面上密集点片轮廓的直径等于该横截面上树冠的宽度。
优选的，所述曲线拟合树木形状的方法包括最小二乘法、bessell曲线法或cubic曲线法。
优选的，若已知对应于不同树冠模型的典型曲线，则所述曲线拟合树木形状的方法还可以是神经网络法或贝叶斯网络分类法，利用上述方法在树木类库中进行匹配，所述树木类库中保存有对应于不同树木树冠类型的典型曲线。
与现有技术相比，本发明的优点和积极效果是：本发明通过在激光点云数据中建立水平横截面，并搜寻底层水平横截面上的环状点集来确定树干位置，避免了采用手工标记树木位置，操作快速且精确度高；此外，本发明通过在高层水平横截面搜寻密集点片轮廓，确定树冠各横截面的宽度，从而曲线拟合出树木的形状和大小，有效提高了三维场景重建中树木重建的效率。
结合附图阅读本发明实施方式的详细描述后，本发明的其他特点和优点将变得更加清楚。
附图说明
图1为本发明实施例中提出的激光扫描得到的三维点云数据。
图2为本发明实施例中提出的大地校准平面和各水平横截面。
图3为本发明实施例中提出的水平横截面H1的俯视图。
图4为本发明实施例中提出的水平横截面H1上的树干位置图。
图5为本发明实施例中提出的水平横截面H2的俯视图。
图6为本发明实施例中提出的水平横截面H3的俯视图。
图7为本发明实施例中提出的曲线拟合后得到的树木形状图。
图8为本发明实施例中提出的树木重建方法的流程图。
具体实施方式
下面结合附图对本发明的具体实施方式进行详细地描述。
本实施例以城建规划为例，给出基于激光扫描点云数据判断树木位置、形状和大小的方法。本实施例中所采取的激光扫描方法可以为车载雷达扫描、地面雷达扫描或低空航载雷达扫描，但并不局限于上述方式。
图1为本实施例所提供的通过激光扫描得到的三维点云数据，包括一组可以判定为建筑物的规则点云和三组可以模糊判断为树木的不规则点云。由规则点云的分布情况可以判断出建筑物的位置以及所占空间，但由于与树木对应的点云不规则，因此很难直接判断出树木所在的位置和其形状与大小。
在图1所示的激光扫描获取到的三维点云数据中确定大地校准平面H0，所述大地校准平面H0用于对本实施例后续步骤中确定的各水平横截面提供水平校准。
在距离大地校准平面H0上方h1处确定水平横截面H1，在距离水平横截面H1上方h2处确定水平横截面H2，在距离水平横界面H2上方h3处确定水平横截面H3…，在距离水平横截面Hn-1上方hn处确定水平横截面Hn。
其中，所述距离h1，h2，h3…，hn均为变量，根据不同的情况可以使h1，h2，h3…，hn取不同的数值，即各个水平横截面并不是固定的，而是可以在一定的垂直距离内上下浮动。
如图2所示，基于扫描获取的点云中不规则点云分布的高度，本实施例在大地校准平面H0上方选定了三个水平横截面H1、H2、H3，并将三个距离值h1，h2，h3分别设定为0.8m，1.2m和1.8m。这样设置的目的是为了使水平横截面H1处于三组不规则点云对应的树木的树干位置，而使水平横截面H2、H3处于三组不规则点云对应的树木的树冠位置。
如图3、4所示，在水平横截面H1中搜寻环状点集，由环状点集所在的位置确定树干所在位置；由于树干在某一平面上的横截面为圆环形，因此扫描数据中环状点集所在的位置为实际中树木的树干所在的位置。
如图5、6所示，在高水平横截面H2、H3…，Hn中圈定树冠考察区，在树冠考察区内搜寻围绕树干的密集点片轮廓，并获取各横截面上密集点片轮廓的直径。
其中，所述各横截面上密集点片轮廓的直径与该横截面上树冠覆盖区域的宽度相等。
本实施例中，在水平横截面H2上对应的三颗树木的树冠宽度从左至右分别为0.4m，0.3m，0.5m，在水平横截面H3上对应的三颗树木的树冠宽度从左至右分别为0.2m，0m，0.3m。
如图7所示，依据在各横截面上获取到的树冠宽度，曲线拟合出树木形状。
所述曲线拟合树木形状的方法可以采用最小二乘法、bessell曲线法或cubic曲线法，但并不限于上述方法。
若预先设置有对应于不同树木树冠模型的典型曲线，则上述曲线拟合树木形状的方法还可以是神经网络法或贝叶斯网络分类法，利用上述方法在树木类库中进行匹配，所述树木类库中保存有对应于不同树木树冠类型的典型曲线，但并不限于上述方法。
本发明实施例所提供的基于激光扫描点云的树木重建方法的具体流程图如图8所示。
对本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其它各种相应的改变以及形变，而所有的这些改变以及形变都应该属于本发明权利要求的保护范围之内。
Claims (5)
1.一种基于激光扫描点云的三维树木重建方法，其特征在于，该重建方法包括如下步骤：
步骤S1：在激光扫描获取到的点云数据中确定大地校准平面H0；
步骤S2：在距离大地校准平面H0上方h1处确定水平横截面H1，在距离水平横截面H1上方h2处确定水平横截面H2，在距离水平横界面H2上方h3处确定水平横截面H3…，在距离水平横截面Hn-1上方hn处确定水平横截面Hn；
步骤S3：在水平横截面H1中搜寻环状点集，由环状点集所在的位置确定树干所在位置；
步骤S4：在高水平横截面H2、H3…，Hn中圈定树冠考察区，并在树冠考察区内搜寻围绕树干的密集点片轮廓，获取各横截面上密集点片轮廓的直径；
步骤S5：依据各横截面上密集点片轮廓的直径，得到各横截面上的树冠宽度，曲线拟合出树木形状。
2.根据权利要求1中所述的一种基于激光扫描点云的三维树木重建方法，其特征在于，所述平面H1、H2、H3…，Hn不是固定的，可以在垂直方向上进行上下浮动。
3.根据权利要求1中所述的一种基于激光扫描点云的三维树木重建方法，其特征在于，所述各横截面上密集点片轮廓的直径等于该横截面上树冠的宽度。
4.根据权利要求1中所述的一种基于激光扫描点云的三维树木重建方法，其特征在于，所述曲线拟合树木形状的方法可以是最小二乘法、bessell曲线法或cubic曲线法。
5.根据权利要求1中所述的一种基于激光扫描点云的三维树木重建方法，其特征在于，若已知对应于不同树冠模型的典型曲线，则所述曲线拟合树木形状的方法还可以是神经网络法或贝叶斯网络分类法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410582575.9A CN104318611B (zh) | 2014-10-27 | 2014-10-27 | 一种基于激光扫描点云的三维树木重建方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410582575.9A CN104318611B (zh) | 2014-10-27 | 2014-10-27 | 一种基于激光扫描点云的三维树木重建方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104318611A true CN104318611A (zh) | 2015-01-28 |
| CN104318611B CN104318611B (zh) | 2017-08-25 |
Family
ID=52373837
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410582575.9A Active CN104318611B (zh) | 2014-10-27 | 2014-10-27 | 一种基于激光扫描点云的三维树木重建方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104318611B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107045677A (zh) * | 2016-10-14 | 2017-08-15 | 北京石油化工学院 | 一种危化品仓库障碍物扫描定位还原方法、装置及系统 |
| CN109191519A (zh) * | 2018-09-07 | 2019-01-11 | 中科院金华信息技术有限公司 | 一种树木树干体积估算模型构建方法、体积估算方法及系统 |
| CN109523554A (zh) * | 2018-11-16 | 2019-03-26 | 北京建筑大学 | 一种基于木构件的古建筑点云自动分割方法 |
| CN109613552A (zh) * | 2018-12-07 | 2019-04-12 | 厦门大学 | 一种用于tls多回波点云植被遮挡目标的探测和分析方法 |
| TWI676151B (zh) * | 2018-06-06 | 2019-11-01 | 財團法人中興工程顧問社 | 用來提升點雲精度之方法與裝置 |
| CN110806585A (zh) * | 2019-10-16 | 2020-02-18 | 北京理工华汇智能科技有限公司 | 一种基于树干聚类跟踪的机器人定位方法及系统 |
| CN111882658A (zh) * | 2020-07-02 | 2020-11-03 | 电子科技大学 | 一种针对核电厂房内核设施的自动重构方法 |
| CN115311418A (zh) * | 2022-10-10 | 2022-11-08 | 深圳大学 | 一种多细节层次树木模型单体化重建方法及装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102305622A (zh) * | 2011-06-14 | 2012-01-04 | 北京林业大学 | 一种基于三维激光扫描仪的乔木三维绿量测定方法 |
| CN103206944A (zh) * | 2013-02-21 | 2013-07-17 | 北京林业大学 | 一种基于三维激光点云数据的树冠体积与表面积计测方法 |
-
2014
- 2014-10-27 CN CN201410582575.9A patent/CN104318611B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102305622A (zh) * | 2011-06-14 | 2012-01-04 | 北京林业大学 | 一种基于三维激光扫描仪的乔木三维绿量测定方法 |
| CN103206944A (zh) * | 2013-02-21 | 2013-07-17 | 北京林业大学 | 一种基于三维激光点云数据的树冠体积与表面积计测方法 |
Non-Patent Citations (3)
| Title |
|---|
| 熊妮娜等: "一种基于三维激光扫描系统测量树冠体积方法的研究——以油松为例", 《北京林业大学学报》 * |
| 王佳等: "基于三维激光扫描的树木三维绿量测定", 《农业机械学报》 * |
| 范海英: "Cyra三维激光扫描系统在精准林业中的应用研究", 《中国优秀博硕士学位论文全文数据库（硕士）农业科技辑（月刊）》 * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107045677A (zh) * | 2016-10-14 | 2017-08-15 | 北京石油化工学院 | 一种危化品仓库障碍物扫描定位还原方法、装置及系统 |
| TWI676151B (zh) * | 2018-06-06 | 2019-11-01 | 財團法人中興工程顧問社 | 用來提升點雲精度之方法與裝置 |
| CN109191519A (zh) * | 2018-09-07 | 2019-01-11 | 中科院金华信息技术有限公司 | 一种树木树干体积估算模型构建方法、体积估算方法及系统 |
| CN109523554A (zh) * | 2018-11-16 | 2019-03-26 | 北京建筑大学 | 一种基于木构件的古建筑点云自动分割方法 |
| CN109613552A (zh) * | 2018-12-07 | 2019-04-12 | 厦门大学 | 一种用于tls多回波点云植被遮挡目标的探测和分析方法 |
| CN109613552B (zh) * | 2018-12-07 | 2020-11-10 | 厦门大学 | 一种用于tls多回波点云植被遮挡目标的探测和分析方法 |
| CN110806585A (zh) * | 2019-10-16 | 2020-02-18 | 北京理工华汇智能科技有限公司 | 一种基于树干聚类跟踪的机器人定位方法及系统 |
| CN110806585B (zh) * | 2019-10-16 | 2021-10-19 | 北京理工华汇智能科技有限公司 | 一种基于树干聚类跟踪的机器人定位方法及系统 |
| CN111882658A (zh) * | 2020-07-02 | 2020-11-03 | 电子科技大学 | 一种针对核电厂房内核设施的自动重构方法 |
| CN111882658B (zh) * | 2020-07-02 | 2022-08-09 | 电子科技大学 | 一种针对核电厂房内核设施的自动重构方法 |
| CN115311418A (zh) * | 2022-10-10 | 2022-11-08 | 深圳大学 | 一种多细节层次树木模型单体化重建方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104318611B (zh) | 2017-08-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104318611A (zh) | 一种基于激光扫描点云的三维树木重建方法 | |
| CN106204547B (zh) | 从车载激光扫描点云中自动提取杆状地物空间位置的方法 | |
| CN107085710B (zh) | 一种基于多光谱LiDAR数据的单木自动提取方法 | |
| Ramiya et al. | Segmentation based building detection approach from LiDAR point cloud | |
| AU2013317709B2 (en) | On-ground or near-ground discrete object detection method and system | |
| Chen et al. | Multiscale grid method for detection and reconstruction of building roofs from airborne LiDAR data | |
| Kwong et al. | Tree height mapping and crown delineation using LiDAR, large format aerial photographs, and unmanned aerial vehicle photogrammetry in subtropical urban forest | |
| CN104463164B (zh) | 一种基于伞骨法与冠高比的树木冠层结构信息提取方法 | |
| CN103679655A (zh) | 一种基于坡度与区域生长的LiDAR点云滤波方法 | |
| CN107977992A (zh) | 一种基于无人机激光雷达的建筑物变化检测方法及装置 | |
| CN105260737A (zh) | 一种融合多尺度特征的激光扫描数据物理平面自动化提取方法 | |
| CN104298998A (zh) | 一种3d点云的数据处理方法 | |
| CN102708587A (zh) | 一种快速获取三维建筑信息的方法及系统 | |
| CN102521835A (zh) | 一种基于空间三维模板的点云数据树高提取方法 | |
| CN113916130B (zh) | 一种基于最小二乘法的建筑物位置测量方法 | |
| Aljumaily et al. | Big-data approach for three-dimensional building extraction from aerial laser scanning | |
| CN106780586A (zh) | 一种基于地面激光点云的太阳能潜力评估方法 | |
| Aljumaily et al. | Voxel change: Big data–based change detection for aerial urban LiDAR of unequal densities | |
| CN103268632A (zh) | 一种机载激光雷达扫描生成地形信息的方法 | |
| Boerner et al. | Voxel based segmentation of large airborne topobathymetric lidar data | |
| CN111583406A (zh) | 杆塔脚基点坐标计算方法、装置及终端设备 | |
| Tompalski et al. | A comparison of LiDAR and image-derived canopy height models for individual tree crown segmentation with object based image analysis | |
| CN114387293A (zh) | 道路边缘检测方法、装置、电子设备及车辆 | |
| Nagy et al. | The fitting disc method, a new robust algorithm of the point cloud processing | |
| Gu et al. | Ground point extraction using self-adaptive-grid and point to surface comparison |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |