CN106815847B - 基于激光雷达点云的树木分割方法及单棵树提取方法 - Google Patents
基于激光雷达点云的树木分割方法及单棵树提取方法 Download PDFInfo
- Publication number
- CN106815847B CN106815847B CN201710022884.4A CN201710022884A CN106815847B CN 106815847 B CN106815847 B CN 106815847B CN 201710022884 A CN201710022884 A CN 201710022884A CN 106815847 B CN106815847 B CN 106815847B
- Authority
- CN
- China
- Prior art keywords
- segmentation
- grid
- point
- point cloud
- tree
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 230000011218 segmentation Effects 0.000 claims abstract description 75
- 230000004927 fusion Effects 0.000 claims abstract description 30
- 238000003709 image segmentation Methods 0.000 claims abstract description 13
- 238000005520 cutting process Methods 0.000 claims abstract description 4
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 5
- 238000000926 separation method Methods 0.000 claims description 2
- 238000004513 sizing Methods 0.000 claims description 2
- 239000000284 extract Substances 0.000 abstract description 5
- 238000000638 solvent extraction Methods 0.000 abstract description 5
- 239000002023 wood Substances 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- 239000004135 Bone phosphate Substances 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G06T3/067—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
Abstract
一种基于激光雷达点云的树木分割方法及单棵树提取方法,其树木分割过程为:1)从原始的激光雷达点云中将树的点云分离出来;2)将三维的原始激光雷达点云投影到二维平面,并利用图像分割算法对树的点云进行初始分割;3)将二维的初始分割结果转到三维网格环境下确定每个分割组块的根网格和树枝网格,利用3D网格融合算法将过分割的点云进行融合。本发明利用图像分割算法获取初始分割结果,然后通过3D网格融合算法对过度分割进行融合,并利用单棵树的三维模型提取出单棵树并获取每棵树的高度、体积和树冠面积,修正了传统图像分割算法中出现的过度分割问题,提供准确的单木提取结果,且不受点云密度的限制,极大地减少了人工干预。
Description
技术领域
本发明涉及一种基于激光雷达点云的树木分割方法及单棵树提取方法,属于激光雷达点云数据处理技术领域。
背景技术
机载激光雷达数据一般用于城市场景以及自然环境的三维模型重建。然而,目前基于激光雷达数据的三维重建方法需要繁重的人工干预。而自动算法产生的模型会产生许多错误,也需要人工进行修正。
在基于激光雷达数据的树模型三维重建的过程中,其中最困难的部分之一是如何准确地在激光雷达点云中识别并提取单个树木,以便于后续进行树木的建模。而精确的树模型不仅仅关系到高度还原城市以及自然场景,对于森林、农业等行业的应用也有着至关重要的意义。例如,在准确地单棵树识别与建模的基础上,可以得到精确的树木总量,并从中计算出树木高度、胸径、树冠、体积等参数。进而可以提高估算森林生物量、树木年龄分布的准确度。这样,可以指导经济树种的砍伐,提高产量,保证林业生产和木材采伐的可持续性。并有利于森林资源的集约利用以及可持续发展,对生态环境保护也产生重要的作用。
然而,目前传统方法很难满足精确识别单棵树的需求,尽管这些方法可以较准确地区分树和建筑物等其它地物。但是受点云密度影响,这些方法都不能很好地将单棵树的点云从一群树的点云中分割出来。特别地,在树冠茂密,树叶互相重叠的情况下,传统方法会造成多棵树被认作为一棵树,由此造成最终树木参数的计算结果不准确。
发明内容
针对现有技术的不足,本发明提出了一种基于激光雷达点云的树木分割方法及单棵树提取方法,其通过树木分割能够精确识别出单棵树。
本发明解决其技术问题采取的技术方案是:基于激光雷达点云的树木分割方法,其特征是,它通过图像初始分割和过分割点云融合处理来对激光雷达点云中的树木进行分割。
进一步地,所述树木分割过程包括以下步骤:
1)从原始的激光雷达点云中将树的点云分离出来;
2)将三维的原始激光雷达点云投影到二维平面,并利用图像分割算法对树的点云进行初始分割;
3)将二维的初始分割结果转到三维网格环境下,首先确定每个分割组块的根网格和树枝网格,然后利用3D网格融合算法将过分割的点云进行融合。
进一步地,在步骤1)中,树的点云的分离过程是通过滤波方法先将原始激光雷达点云分为地面点和非地面点,再利用分类方法将非地面点分为树的点云和非树点云。
进一步地,所述将原始激光雷达点云分为地面点和非地面点的过程包括以下步骤:
1)选取初始种子点构建初始TIN:确定点云的边界,并以最大建筑物尺寸为网格大小,构建网格,选取每个网格中的最低点作为种子点,四个角点的高程等于距离该角点最近的种子点高程,剩下的点则定义为待定点;
2)TIN迭代加密:对待定点进行判定是否为地面点并且刷新三角网,根据待定点的坐标位置,确定待定点所在的三角面片,计算其与所在三角面片的角度和距离,如果角度和距离均小于给定阈值则定义为地面点;否则计算三角面片的坡度,如果坡度小于阈值则判定该点为非地面点;否则,对该点的镜像点判断是否为地面点,如果是则该点为地面点,否则为非地面点;
3)将新增的地面点加入TIN,并重复TIN迭代加密过程,直到将所有地面点加入TIN为止。
进一步地,所述将非地面点分为树的点云和非树点云的过程就是通过获取点云数据的DSM和DEM进行构建nDSM来确定树的点云和非树点云。
进一步地,在步骤2)中,利用分水岭分割算法,以二维图像作为输入参数,通过区域增长对雷达点云进行图像分割。
进一步地,将三维的原始激光雷达点云投影到二维平面的过程就是将激光雷达点云划分在规则三维网格中的过程。
进一步地,所述根网格和树枝网格的确定是通过以下两个标准来实现的,对于每一个分割组块及其邻接分割组块:
1)每个分割组块中,具有最小高程的格网为根网格;
2)按照每个分割组块为单位,直接或间接连接到根网格的网格均为树枝网格。
进一步地,利用3D网格融合算法将过分割的点云进行融合的过程包括以下步骤:
1)如果一个分割组块的根网格与其邻接分割组块的根网格之间的二维距离超过规定的阈值时则不进行融合,否则进入下一步;
2)如果该分割组块的根网格与其邻近分割组块的树枝网格之间的二维或者三维距离超过规定的阈值时则不进行融合,否则进入下一步;
3)如果该分割组块的每个树枝网格与其邻近分割组块的树枝网格之间的二维或者三维距离超过规定阈值时则不进行融合,否则将该分割组块与其邻接分割组块进行融合;
4)重复上述步骤继续对两个相邻分割组块进行融合。
本发明还提供了一种基于激光雷达点云的单棵树提取方法,其特征是,包括以下过程:
利用上述所述的基于激光雷达点云的树木分割方法对激光雷达点云进行树木分割;
建立单棵树的三维模型;
利用单棵树的三维模型提取出单棵树并获取每棵树的高度、体积和树冠面积。
进一步地,利用LOD2数据来建立单棵树的三维模型。
本发明的有益效果如下:
本发明提出了一种基于激光雷达点云的树木分割方法及单棵树提取方法,利用图像分割算法获取初始分割结果,然后通过3D网格融合算法对过度分割进行融合,并利用单棵树的三维模型提取出单棵树并获取每棵树的高度、体积和树冠面积。
采用本发明的方法可以修正传统图像分割算法中出现的过度分割问题,提供准确的单木提取结果,而且不受点云密度的限制,极大地减少了人工干预。此外,根据分割结果建立的三维树模型,可以获取相应的森林参数,为森林应用提供较为准确的树木生长参考数据。
附图说明
图1是本发明的树木分割方法流程图;
图2是本发明的单棵树提取方法流程图;
图3是本发明基于激光雷达点云的树木分割及单棵树提取的方法流程图;
图4是3D网格融合算法的流程图;
图5是两个邻接分割组块在三维网格中的示例;
图6-a是组块1的根网格和叶子网格;
图6-b是三维网格搜索邻接网格的方向;
图7是三维网格中根网格和树枝网格的分布图;
图8-a是测试数据的侧面图;
图8-b是测试数据的顶视图;
图9-a是分水岭分割算法初始分割结果的侧视图;
图9-b是分水岭分割算法初始分割结果的顶视图;
图10-a是3D网格融合算法分割结果的侧视图;
图10-b是3D网格融合算法分割结果的顶视图;
图11为将三维体划分成很多个小的网格的示意图;
图12为单棵树的三维模型示意图。
具体实施方式
为能清楚说明本方案的技术特点,下面通过具体实施方式,并结合其附图,对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开,下文中对特定例子的部件和设置进行描述。此外,本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的,其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意,在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。
如图1所示,本发明的一种基于激光雷达点云的树木分割方法,它通过图像初始分割和过分割点云融合处理来对激光雷达点云中的树木进行分割,所述树木分割过程包括以下步骤:
1)从原始的激光雷达点云中将树的点云分离出来;
2)将三维的原始激光雷达点云投影到二维平面,并利用图像分割算法对树的点云进行初始分割;
3)将二维的初始分割结果转到三维网格环境下,首先确定每个分割组块的根网格和树枝网格,然后利用3D网格融合算法将过分割的点云进行融合。
如图2所示,本发明的一种基于激光雷达点云的单棵树提取方法,它包括以下过程:
利用本发明所述的基于激光雷达点云的树木分割方法对激光雷达点云进行树木分割;
建立单棵树的三维模型;
利用单棵树的三维模型提取出单棵树并获取每棵树的高度、体积和树冠面积。
本发明针对传统分割方法存在的过分割现象以及受点云密度限制而导致多棵树被认作为一棵树的问题,将三维点云投影到二维平面,利用基于图像的分割算法获取初始分割;将初始分割结果转到三维环境下,利用3D网格融合算法,判断相邻分割是否需要进行融合,以此来解决过度分割问题;此外,根据最终的分割结果,通过构建单棵树的三维模型,可以获取相应的树高、体积以及树冠面积等参数。
如图3所示,本发明基于激光雷达点云的树木分割及单棵树提取的具体过程如下:
一、从原始的激光雷达点云中将树的点云分离出来
激光雷达数据经过滤波先被分为地面点以及非地面点云;再用分类算法将非地面点云分为树的点云和非树点云。
本发明区分地面点(可以采用开源的lastool进行实现),主要采用了渐进三角网滤波方法:
1)选取初始种子点构建初始TIN(triangular irregular network,不规则三角网):确定点云的边界, 并以最大建筑物尺寸为网格大小,构建网格,选取每个网格中的最低点作为种子点,四个角点的高程等于距离该角点最近的种子点高程,剩下的点则定义为待定点。
2)TIN迭代加密:对待定点进行判定是否为地面点并且刷新三角网。根据待定点的坐标位置,确定待定点所在的三角面片,计算其与所在三角面片的角度和距离,如果角度和距离均小于给定阈值则定义为地面点;否则计算三角面片的坡度,如果坡度小于阈值则判定该点为非地面点;否则,对该点的镜像点(镜像点为当前点以所在面片三个顶点中的最高点为基准来确定的)判断是否为地面点,如果是则该点为地面点,否则为非地面点;最终将新增的地面点加入三角网,并刷新,重复上述过程。
用分类算法将非地面点云分为树的点云和非树点云的过程为:由于森林地区,建筑较少,可以通过构建nDSM来确定。即获取测区的DSM(Digital Surface Model, 数字表面模型)和DEM(Digital Elevation Model,数字高程模型),二者差值即为nDSM(NormalizedDigital Surface Model,归一化数字表面模型)。
如图8-a和图8-b所示,激光雷达数据是由一定数量的点组成,每一个点都包括有三维坐标(长,宽,高),即X,Y,Z坐标。用滤波方法将激光雷达数据分为地面点和非地面点。地面点可以进行后期处理用于其他应用,如建立地面模型等。接下来将非地面点分类为树的点云和非树木点云。树的点云是由一棵或者多棵树的点组成。非树木点云可以继续处理用于其他应用,如房屋建模、桥梁建模、电力网建模等。
二、将三维的原始激光雷达点云投影到二维平面,并利用图像分割算法对树的点云进行初始分割
将三维的原始激光雷达点云投影到二维平面,即激光雷达点云被划分在规则三维网格中,每个网格(像素)的值是相应落在网格里点云的平均、最大、或者最小高程值。规则三维格网根据激光雷达数据预先计算得出长、宽、高。如果网格中有激光雷达点云数据,则此格网数值不为零。每个三维格网大致为5-50 cm。比如,树点云整体的长为100m, 高为20m, 宽为100m, 按照每个格网长宽高各50 cm,来划分格网。一般情况下,优先选择正方体格网,也可以是长方体格网。
三维点云本身就是具有x ,y,z三个基本的坐标信息,划分网格其实就是以一个格网大小为单元,将这个三维体划分成很多个小的网格,如图11所示。
基于图像分割的算法对树的点云进行初始分割,并确定每个分割组块的根网格和树枝网格。该算法来源于遥感图像分割和识别不同物体的算法。在激光雷达领域中,多用此种算法来进行分割提取单棵树。但是,此种算法具有很多缺陷。特别是传统图像分割算法会导致过度分割的问题,即原本是一棵树的点云在采用这类图像算法计算后,会被过度分割,识别为几颗小树的点云,如此导致单棵树提取过程中的错误。
基于图像的分割方法,主要是利用分水岭分割算法,以二维图像作为输入参数,通过区域增长,分割出特定的类别。分水岭算法是图像分割算法中用的比较多的方法,效果较佳。
三、将二维的初始分割结果转到三维网格环境下,首先确定每个分割组块的根网格和树枝网格,然后利用3D网格融合算法将过分割的点云进行融合。
确定根网格和树枝网格的过程即根据初始分割的结果,将二维分割结果转到三维网格下,确定每个分割组块的根网格和树枝网格。如图5所示,两个相邻接的分割组块1(自下而上斜线)和2(自上而下的斜线)各自包含一定数量的点,当某些网格没有点落入时定义为空白网格,其值为0。如同6-a所示,定义网格下面具有相同组块编号,且非零的网格被称为“直接父亲网格”;则以分割组块1为例,网格A下方没有直接的父亲网格,则查看其邻接网格B有没有直接父亲网格。在此例中,网格B下方也没有直接的父亲网格,则再查看与其邻接的网格C有无直接父亲网格,因此网格D是网格C的直接父亲网格,则此网格D是网格A、B的间接父亲网格,以此来确定每个分割组块的根网格和树枝网格;图6-b表示搜索邻接网格的方向,包括垂直朝下的方向共有九个方向;如图7所示为三维网格环境下,最终确定的根格网和树枝格网,这里定义非零网格内具有最小高度值的格网作为根网格,其他点则为树枝网格。根网格没有直接或者间接父亲网格,叶子网格是非零值并且含有组块最大高程值的一组网格,因此先是通过确定树枝网格后,才最终确定根网格。
基于图像分割算法出现的过分割现象,本发明利用基于图像分割算法对树的点云进行初始分割的结果,并在此基础上,根据确定的根网格和树枝网格,利用3D网格融合算法将过分割的点云进行融合,以此来改进和修正过度分割的错误。
利用3D网格融合算法将过分割的点云进行融合的过程为:如果两个相邻分割组块判定为融合,则两个组块并为一类,继续与周边进行比较判断。比如,得到组块A,B,C。B是A的邻接组块,C与B邻接。使用步骤3D融合算法进行第一次迭代后,判定A与B融合,并得到新的组块A’。在下一次迭代时,则使用新的组块A’与组块C进行判断。利用3D网格融合算法将过分割的点云进行融合,解决了图像分割算法中出现的过分割问题。
如图4所示,利用3D网格融合算法对过分割的组块否与邻接组块融合的过程如下,对于相邻接的两个分割组块1和2,首先判断第一组块与第二组块根网格之间的二维距离是否超过给定阈值1,若超过则不进行融合;否则进入下一个判别条件,判断第一组块的根网格与第二组块的树枝格网之间的二维和三维距离是否超过给定阈值2,若满足条件则不进行融合;否则进入到下一个判别条件,判断第一组块的每一树枝网格与第二组块的每一树枝网格之间的二维与三维距离是否超过给定阈值3,若满足条件则不进行融合;否则判定分割组块1与分割组块2进行融合。即具有组块编号1的所有点云与具有组块编号2的所有点云融合为新的组块。若上述三个判定条件中有任意判定不被满足,则第一组块与第二组块将不会融合。
如图8-a和8-b所示,为两棵邻接树的点云分布图,分水岭分割算法造成的过分割现象如图9-a和9-b所示,图10-a和10-b为经过3D网格融合算法后的分割结果,最后组块所对应的是实际中的单棵树的点云组块。
四、单棵树提取
根据最终的分割结果,通过建立单棵树的三维模型来获取单棵树的树高、蓄积量以及树冠面积等参数。
单棵树的三维模型是利用LOD2(简单粗模)来建立的,由于提取出单棵树的时候,每棵树的信息是可以获得的,如树高,树冠范围等,可以根据树木的生长关系计算获得胸径,这样可以根据基本的胸径和冠径以及树的顶点来确定模型,如图12所示。
以上所述只是本发明的优选实施方式,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也被视为本发明的保护范围。
Claims (6)
1.基于激光雷达点云的树木分割方法,其特征是,它通过图像初始分割和过分割点云融合处理来对激光雷达点云中的树木进行分割;所述树木分割过程包括以下步骤:
1)从原始的激光雷达点云中将树的点云分离出来;
树的点云的分离过程是通过滤波方法先将原始激光雷达点云分为地面点和非地面点,再利用分类方法将非地面点分为树的点云和非树点云;
2)将三维的原始激光雷达点云投影到二维平面,并利用图像分割算法对树的点云进行初始分割;
利用分水岭分割算法,以二维图像作为输入参数,通过区域增长对雷达点云进行图像分割;
3)将二维的初始分割结果转到三维网格环境下,首先确定每个分割组块的根网格和树枝网格,然后利用3D网格融合算法将过分割的点云进行融合;
所述将原始激光雷达点云分为地面点和非地面点的过程包括以下步骤:
1)选取初始种子点构建初始TIN:确定点云的边界,并以最大建筑物尺寸为网格大小,构建网格,选取每个网格中的最低点作为种子点,四个角点的高程等于距离该角点最近的种子点高程,剩下的点则定义为待定点;
2)TIN迭代加密:对待定点进行判定是否为地面点并且刷新三角网,根据待定点的坐标位置,确定待定点所在的三角面片,计算其与所在三角面片的角度和距离,如果角度和距离均小于给定阈值则定义为地面点;否则计算三角面片的坡度,如果坡度小于阈值则判定该点为非地面点;否则,对该点的镜像点判断是否为地面点,如果是则该点为地面点,否则为非地面点;
3)将新增的地面点加入TIN,并重复TIN迭代加密过程,直到将所有地面点加入TIN为止。
2.根据权利要求1所述的基于激光雷达点云的树木分割方法,其特征是,将三维的原始激光雷达点云投影到二维平面的过程就是将激光雷达点云划分在规则三维网格中的过程。
3.根据权利要求1所述的基于激光雷达点云的树木分割方法,其特征是,所述根网格和树枝网格的确定是通过以下两个标准来实现的,对于每一个分割组块及其邻接分割组块:
1)每个分割组块中,具有最小高程的网格为根网格;
2)按照每个分割组块为单位,直接或间接连接到根网格的网格均为树枝网格。
4.根据权利要求1所述的基于激光雷达点云的树木分割方法,其特征是,利用3D网格融合算法将过分割的点云进行融合的过程包括以下步骤:
1)如果一个分割组块的根网格与其邻接分割组块的根网格之间的二维距离超过规定的阈值时则不进行融合,否则进入下一步;
2)如果该分割组块的根网格与其邻近分割组块的树枝网格之间的二维或者三维距离超过规定的阈值时则不进行融合,否则进入下一步;
3)如果该分割组块的每个树枝网格与其邻近分割组块的树枝网格之间的二维或者三维距离超过规定阈值时则不进行融合,否则将该分割组块与其邻接分割组块进行融合;
4)重复上述步骤继续对两个相邻分割组块进行融合。
5.基于激光雷达点云的单棵树提取方法,其特征是,包括以下过程:
利用权利要求1至4任意一项所述的基于激光雷达点云的树木分割方法对激光雷达点云进行树木分割;
建立单棵树的三维模型;
利用单棵树的三维模型提取出单棵树并获取每棵树的高度、体积和树冠面积。
6.根据权利要求5所述的基于激光雷达点云的单棵树提取方法,其特征是,利用LOD2数据来建立单棵树的三维模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710022884.4A CN106815847B (zh) | 2017-01-12 | 2017-01-12 | 基于激光雷达点云的树木分割方法及单棵树提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710022884.4A CN106815847B (zh) | 2017-01-12 | 2017-01-12 | 基于激光雷达点云的树木分割方法及单棵树提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106815847A CN106815847A (zh) | 2017-06-09 |
CN106815847B true CN106815847B (zh) | 2019-11-22 |
Family
ID=59109684
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710022884.4A Active CN106815847B (zh) | 2017-01-12 | 2017-01-12 | 基于激光雷达点云的树木分割方法及单棵树提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106815847B (zh) |
Families Citing this family (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107274417B (zh) * | 2017-07-05 | 2020-06-16 | 电子科技大学 | 一种基于机载激光点云聚集关系的单木分割方法 |
CN107507207B (zh) * | 2017-07-07 | 2020-09-08 | 中国农业大学 | 一种基于果树冠层光照分布计算的修剪评价方法 |
CN107705344A (zh) * | 2017-09-27 | 2018-02-16 | 中国舰船研究设计中心 | 激光扫描环境点云数据中树冠模型提取方法 |
CN107818550B (zh) * | 2017-10-27 | 2021-05-28 | 广东电网有限责任公司机巡作业中心 | 一种基于LiDAR的点云顶部噪点剔除方法 |
CN108038433B (zh) * | 2017-12-01 | 2020-06-23 | 厦门大学 | 基于多回波机载激光扫描数据的城市树木碳含量估计方法 |
CN108198241A (zh) * | 2018-02-02 | 2018-06-22 | 北京卡雷尔机器人技术有限公司 | 一种三维图像构建的方法和装置 |
US10916014B2 (en) | 2018-06-01 | 2021-02-09 | Ford Global Technologies, Llc | Distinguishing virtual objects from one another |
CN109410225A (zh) * | 2018-08-30 | 2019-03-01 | 浙江工业大学 | 基于多层级树木结构分析的树木分割方法 |
CN109117847A (zh) * | 2018-08-31 | 2019-01-01 | 阿里巴巴集团控股有限公司 | 用于车辆损伤识别的部件分割方法及装置 |
CN109345510A (zh) | 2018-09-07 | 2019-02-15 | 百度在线网络技术(北京)有限公司 | 物体检测方法、装置、设备、存储介质及车辆 |
CN109697731B (zh) * | 2018-12-21 | 2020-10-27 | 北京林业大学 | 基于点云数据的植物冠层体积计算方法、系统及相关设备 |
CN109766404B (zh) * | 2019-02-12 | 2020-12-15 | 湖北亿咖通科技有限公司 | 点云处理方法、装置及计算机可读存储介质 |
CN111754385A (zh) * | 2019-03-26 | 2020-10-09 | 深圳中科飞测科技有限公司 | 数据点模型处理方法及系统、检测方法及系统、可读介质 |
CN109993748B (zh) * | 2019-03-30 | 2023-06-20 | 华南理工大学 | 一种基于点云处理网络的三维网格物体分割方法 |
CN110196432B (zh) * | 2019-04-28 | 2021-04-02 | 湖南工学院 | 基于小光斑机载雷达的落叶林树级参数测定方法 |
CN110223314B (zh) * | 2019-06-06 | 2021-09-24 | 电子科技大学 | 一种基于树冠三维点云分布的单木分割方法 |
CN110853081B (zh) * | 2019-11-18 | 2022-08-19 | 武汉航测空间信息技术有限公司 | 基于单木分割的地面和机载LiDAR点云配准方法 |
CN111428784A (zh) * | 2020-03-23 | 2020-07-17 | 湖南工学院 | 采用机载激光雷达对落叶林树级参数测定的鲁棒分割方法 |
CN111487646A (zh) * | 2020-03-31 | 2020-08-04 | 安徽农业大学 | 一种玉米植株形态在线检测方法 |
CN111462134A (zh) * | 2020-03-31 | 2020-07-28 | 武汉大学 | 高分遥感影像和激光雷达点云融合的单木分割方法及系统 |
CN111709986B (zh) * | 2020-05-18 | 2023-11-03 | 中国能源建设集团江苏省电力设计院有限公司 | 一种基于激光点云的输电线下林木统计方法 |
CN111612896B (zh) * | 2020-05-28 | 2023-02-03 | 西北农林科技大学 | 一种基于机载激光雷达树点云重建三维树模型的方法 |
CN112487571A (zh) * | 2020-11-24 | 2021-03-12 | 上海市建工设计研究总院有限公司 | 外包装树树冠枝条的设计方法 |
CN112906627B (zh) * | 2021-03-15 | 2022-11-15 | 西南大学 | 一种基于语义分割的青花椒识别方法 |
CN113204998B (zh) * | 2021-04-01 | 2022-03-15 | 武汉大学 | 一种基于单木尺度的机载点云森林生态估测方法及系统 |
CN114463512B (zh) * | 2021-12-24 | 2023-04-07 | 广州极飞科技股份有限公司 | 点云数据的处理方法、矢量化方法及装置 |
CN115620171B (zh) * | 2022-12-20 | 2023-03-14 | 中化现代农业有限公司 | 树林蓄积量评估方法、装置、设备及存储介质 |
CN115861549B (zh) * | 2023-02-27 | 2023-05-30 | 航天宏图信息技术股份有限公司 | 一种自动替换实景三维数据中树木模型的方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102103202A (zh) * | 2010-12-01 | 2011-06-22 | 武汉大学 | 一种融合影像的机载激光雷达数据半监督分类方法 |
CN105488770A (zh) * | 2015-12-11 | 2016-04-13 | 中国测绘科学研究院 | 一种面向对象的机载激光雷达点云滤波方法 |
CN105513127A (zh) * | 2015-12-25 | 2016-04-20 | 武汉大学 | 基于密度峰值聚类的杆状物规则化三维建模方法及系统 |
CN105574929A (zh) * | 2015-12-15 | 2016-05-11 | 电子科技大学 | 一种基于地面LiDAR点云数据的单株植被三维建模方法 |
-
2017
- 2017-01-12 CN CN201710022884.4A patent/CN106815847B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102103202A (zh) * | 2010-12-01 | 2011-06-22 | 武汉大学 | 一种融合影像的机载激光雷达数据半监督分类方法 |
CN105488770A (zh) * | 2015-12-11 | 2016-04-13 | 中国测绘科学研究院 | 一种面向对象的机载激光雷达点云滤波方法 |
CN105574929A (zh) * | 2015-12-15 | 2016-05-11 | 电子科技大学 | 一种基于地面LiDAR点云数据的单株植被三维建模方法 |
CN105513127A (zh) * | 2015-12-25 | 2016-04-20 | 武汉大学 | 基于密度峰值聚类的杆状物规则化三维建模方法及系统 |
Non-Patent Citations (3)
Title |
---|
基于植被指数限制分水岭算法的机载;赵宗泽,张永军;《光学学报》;20161031;第36卷(第10期);第1-7页 * |
激光雷达点云辅助的高分影像分水岭分割方法;王贵叶,徐景中;《测绘科学》;20150228;第40卷(第2期);第93-96页 * |
车载LiDAR点云中行道树信息提取研究;杨莎莎;《中国优秀硕士学位论文全文数据库 基础科学辑》;20161115(第11期);第10-11,21,24-31,35,40-49页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106815847A (zh) | 2017-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106815847B (zh) | 基于激光雷达点云的树木分割方法及单棵树提取方法 | |
CN106529469B (zh) | 基于自适应坡度的无人机载LiDAR点云滤波方法 | |
Koreň et al. | Accuracy of tree diameter estimation from terrestrial laser scanning by circle-fitting methods | |
CN110363861B (zh) | 基于激光雷达点云的田地作物三维重构方法 | |
KR101165534B1 (ko) | 수관 식물점 그룹에 대해 시뮬레이트된 나무 줄기 및 나무 가지를 제공하는 지리공간 모델링 시스템 | |
CN102103202B (zh) | 一种融合影像的机载激光雷达数据半监督分类方法 | |
CN109242862B (zh) | 一种实时的数字表面模型生成方法 | |
CN103871102B (zh) | 一种基于高程点和道路轮廓面的道路三维精细建模方法 | |
Koch et al. | Segmentation of forest to tree objects | |
CN113034689A (zh) | 基于激光点云的地形三维模型及地形图构建方法和系统、存储介质 | |
Lin et al. | A multi-level morphological active contour algorithm for delineating tree crowns in mountainous forest | |
CN114332366A (zh) | 数字城市单体房屋点云立面3d特征提取方法 | |
WO2022067598A1 (en) | Method of individual tree crown segmentation from airborne lidar data using novel gaussian filter and energy function minimization | |
CN108919295A (zh) | 机载LiDAR点云道路信息提取方法及装置 | |
CN107479065A (zh) | 一种基于激光雷达的林窗立体结构量测方法 | |
CN115205690B (zh) | 基于mls点云数据的行道树单体化提取方法及装置 | |
EP3341753A1 (en) | Method for identifying individual trees in airborne lidar data and corresponding computer program product | |
CN104866840A (zh) | 一种从机载激光点云数据识别架空电力线的方法 | |
Özdemir et al. | Automatic extraction of trees by using multiple return properties of the lidar point cloud | |
Hu et al. | A fast and simple method of building detection from LiDAR data based on scan line analysis | |
CN104318611A (zh) | 一种基于激光扫描点云的三维树木重建方法 | |
CN107358640A (zh) | 一种晕渲目标区域的地形和地物的方法及装置 | |
Sun et al. | Feasibility study on the estimation of the living vegetation volume of individual street trees using terrestrial laser scanning | |
CN114353680A (zh) | 森林资源信息生成构造、方法及存储介质 | |
CN104951752A (zh) | 一种从机载激光点云数据提取房屋的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |