CN109002418B - 基于体素生长和地面激光点云的树木胸径自动计算方法 - Google Patents
基于体素生长和地面激光点云的树木胸径自动计算方法 Download PDFInfo
- Publication number
- CN109002418B CN109002418B CN201810638020.XA CN201810638020A CN109002418B CN 109002418 B CN109002418 B CN 109002418B CN 201810638020 A CN201810638020 A CN 201810638020A CN 109002418 B CN109002418 B CN 109002418B
- Authority
- CN
- China
- Prior art keywords
- trunk
- point cloud
- point
- tree
- slice
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于体素生长和地面激光点云的树木胸径自动计算方法,该方法基于地面激光扫描获取的三维点云数据,首先截取地面以上3米以下的点云,只留下胸径测量所需要的树干部分,再将地面点滤除;然后,利用点法向量的Z分量滤波,并对剩下的点进行体素化,利用从上向下的生长方法提取树干;再对树干切片,利用树干点法向量的相互叉乘,得出与树干垂直的平面;最后,对点云切片投影到该平面并进行圆拟合得到树木胸径。本发明计算速度快,准确率高,具有普适性,能够适用于复杂茂密的林区环境,可以在森林资源规划调查中发挥较好的作用。
Description
技术领域
本发明涉及一种树木胸径的计算方法,具体涉及一种基于体素生长和地面激光点云的树木胸径自动计算方法。
背景技术
地面激光扫描技术被广泛地应用在森林资源调查中树木胸径的测算工作中,这项工作的重难点之一是如何从地面激光扫描采集到的大量点云数据中迅速、准确地提取出树干,并克服噪声。
目前,利用地面激光扫描得到的点云数据进行树木胸径测算的方法主要有四种:
第一种方法是直接测量两点之间的距离计算树木胸径,其通过目测选点的方式进行测算,通常因为选择的两点不是组成直径的两点或者树干形状变化导致计算不准确;
第二种方法是对树干的点云切片进行圆拟合得到直径,其一般是在树干的1.3米处,截取一定厚度的切片,然后垂直地投影到XOY平面,再直接利用圆拟合得到树干胸径,这样直接投影到XOY平面,将会影响树干具有一定倾斜度的树木胸径拟合准确度,并且切片厚度越大,影响越大;
第三种方法是利用霍夫变换检测树干并测算其胸径,由于点云数量大,霍夫变换需要大量的计算,耗时长;
第四种方法是对树干点云进行圆柱拟合得到树木胸径,但是无论是利用高斯图法、遗传算法还是特征算法进行圆柱拟合,计算过程都过于繁琐,且该方法对具有一定倾斜度的树干拟合准确度不够。
发明内容
本发明的目的在于提供一种基于体素生长和地面激光点云的树木胸径自动计算方法,其能克服现有技术的不足,具有普适性,计算速度快,准确率高。
为实现上述目的,本发明采用以下技术方案:
一种基于体素生长和地面激光点云的树木胸径自动计算方法,其包括以下步骤:
S1、从利用地面激光扫描装置获取的三维森林点云数据集cloud1中截取出距离地面一定距离内的点云并滤除其中的地面点,得到点云数据集cloud2;
S2、对步骤S1得到的cloud2中的每个点估计法向量,利用法向量的Z分量对cloud2滤波,从而减小树叶噪声的干扰提高树干提取和胸径测量的准确度,滤波后得到点云数据集cloud3;
S3、对步骤S2得到的cloud3以一定长宽高进行体素化划分,并计算每个体素中存在的点数量,然后在最顶层的体素搜索出点数量大于阈值N的体素,向下生长出树干;再从次顶层搜索出点数大于阈值N的体素,向下生长出树干,此过程不包括最顶层中已被生长过的体素;依次操作,直到最底层的体素,生长出全部竖条状的可能树干,滤除树干高度差小于阈值H的树干点云,以排除树叶噪声的干扰,最后得到树干treei,i∈[1,tn],tn为整个cloud3中树干的数量;
S4、从距离步骤S3得到的treei最低点1.3米处开始,向上截取一定厚度的树干点云切片,并将树干点云切片记为slicei。利用slicei中每个点的法向量相互叉乘,得到与树干treei位于slicei处垂直的平面,将slicei中的点投影到该平面,获得每棵树在1.3米处的切片投影,投影得到的点云数据集记为Pcloudi,i∈[1,tn];
S5、对步骤S4中得到的Pcloudi进行圆拟合,得到每颗树干所处位置的XY值及其直径di,所述直径即该树木的胸径。
进一步地,步骤S4中所述的树干点云切片厚度为5cm。
进一步地,步骤S2中利用法向量的Z分量对cloud2滤波的具体步骤为:对cloud2中的每个点,利用其最近的50个点估计该点所在平面的法向量ni=(nix,niy,niz),当该点的niz的绝对值大于一定的阈值nzth,就将该点滤除,以减小树叶噪声的干扰,余下的点云记为cloud3。
采用上述技术方案后,本发明与背景技术相比,具有如下优点:
(1)本发明可以对大规模的森林三维点云数据进行直接的处理,进而自动获得场景中树木的数量、单木的具体位置以及其1.3米处的胸径。由于只保留了树干部分的点云数据,大大地减少了计算量,提高了计算速度。
(2)本发明利用法向量的Z分量对树干上的点云进行滤波,可以将树叶噪声滤除,减小了噪声的干扰,提高树干提取和胸径测量的准确度。
(3)本发明对每棵树1.3米处的切片点云集进行法向量的相互叉乘,得出与1.3米处树干相互垂直的平面,再将切片点云集投影到该平面,解决了现有技术中直接投影到XOY平面对具有一定倾斜度的树干计算不准确的问题,提高算法的鲁棒性,具有普适性,能够适用于复杂茂密的林区环境,可以在森林资源规划调查中发挥较好的作用。
附图说明
图1为本发明的流程示意图;
图2为截取出距离地面3米以内的点云并滤除其中的地面点后,得到的树干部分点云;
图3为自顶向下生长的树干点云;
图4为生长的单木树干点云,其中A区域内的树干部分为切片部分;
图5为图4中A区域内的切片投影后的点云。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例
图1示出了本实施例的实施流程,参考图1所示,本发明公开了一种基于体素生长和地面激光点云的树木胸径自动计算方法,其包括以下步骤:
S1、从利用地面激光扫描装置获取的三维森林点云数据集cloud1中截取出距离地面3米以内的点云并滤除其中的地面点,得到点云数据集cloud2;
具体过程如下:
首先,在XOY平面以一定宽度wb的网格将cloud1分割成许多长方体形的点云块Bi,i=1,2,3......Nv,其中Nv为局部点云块的数量;
然后对每一个点云块Bi,利用八叉树索引结构划分,细分成一系列的点云体素Vj,对每个点云体素实施向上生长过程:每个点云体素生长出其上方最邻近的9个点云体素,再将这9个点云体素分别作为起点继续重复向上生长,直到没有上面9个邻域时,结束并完成向上生长过程;
最后计算每个点云体素的局部高度值和全局高度值,其中:某个点云体素Vj的局部高度值为该点云体素Vj与其所在点云块Bi的所有点云体素中高度值最小体素间的高度差,记为LHj;体素Vj的全局高度值为体素Vj与整个场景最低体素的高度差,记为GHi。如果点云体素Vi的局部高度值LHj小于局部阈值Hl且全局高度值GHi小于全局阈值Hg,则该体素Vj则标记为地面点,滤除该点云体素。如果没有同时满足这两条件,该点云体素标记为非地面点,保留该点云体素。如果点云体素Vj的局部高度值LHj大于3米,将该点云体素Vj滤除,只保留距离地面3米以内的点云,最终得到点云数据集cloud2。
图2示出了截取出距离地面3米以内的点云并滤除其中的地面点后,得到的树干部分点云的示意图。
S2、对步骤S1得到的cloud2中的每个点估计法向量,利用法向量的Z分量对cloud2滤波,从而减小树叶噪声的干扰,提高树干提取和胸径测量的准确度,滤波后得到点云数据集cloud3;
具体为:对cloud2中的每个点,利用其最近的50个点估计该点所在平面的法向量ni=(nix,niy,niz)。由于树干上点法向量的Z分量相对都较小,而树叶噪声法向量的Z分量相对都较大,所以当该点的niz的绝对值大于一定的阈值nzth,就将该点滤除,余下的点云记为cloud3。
S3、对步骤S2得到的cloud3以一定长宽高进行体素化划分,并计算每个体素中存在的点数量,然后在最顶层的体素搜索出点数量大于阈值N的体素,向下生长出树干;再从次顶层搜索出点数大于阈值N的体素,向下生长出树干,此过程不包括最顶层中已被生长过的体素;依次操作,直到最底层的体素,生长出全部竖条状的可能树干,滤除树干高度差小于阈值H的树干点云,以排除树叶噪声的干扰,最后得到树干treei,i∈[1,tn],tn为整个cloud3中树干的数量;
具体过程为:
首先对步骤S2得到的cloud3以一定的长宽高进行体素化,得到一系列的体素,计算出每个体素中的点数量,记为Ni,j,k,其中k∈[0,Nk],Nk是体素的层数,该层对应的Z坐标最大;
然后从最顶层的体素中搜索体素内点数量Ni,j,k大于阈值Nth的体素从体素向下生长出树干,生长的条件同样为体素内点数量Ni,j,k大于阈值Nth,生长出来的树干点云存储到treei,如果treei中最高点与最低点的高度差小于阈值Hth,将treei舍弃,以排除树叶噪声的干扰,当完成对最顶层全部体素的搜索并生长后,对次顶层中的体素(已经被生长的体素除外)进行同样条件的搜索和生长,依次对每一层体素不断重复该过程,直到最底层的体素Vi,j,0结束树干的搜索和生长。
最后,得到全部的树干treei,i∈[1,tn],tn为整个cloud3中树干的数量。
图3示出了自顶向下生长的树干点云的示意图。
S4、从距离步骤S3得到的treei最低点1.3米处向上截取5厘米的树干点云切片,并将树干点云切片记为slicei。利用slicei中每个点的法向量相互叉乘,得到与树干treei位于slicei处垂直的平面,将slicei中的点投影到该平面,获得每棵树在1.3米处的切片投影,投影得到的点云数据集记为Pcloudi,i∈[1,tn];
图4示出了生长的单木树干点云,其中A区域内的树干部分为切片部分。
S5、对步骤S4中得到的Pcloudi进行圆拟合,得到每颗树干所处位置的XY值及其直径di,所述直径即该树木的胸径。
图5示出了图4中A区域内的切片投影后的点云。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (3)
1.一种基于体素生长和地面激光点云的树木胸径自动计算方法,其特征在于:包括以下步骤:
S1、从利用地面激光扫描装置获取的三维森林点云数据集cloud1中截取出距离地面一定距离内的点云并滤除其中的地面点,得到点云数据集cloud2;
S2、对步骤S1得到的cloud2中的每个点估计法向量,利用法向量的Z分量对cloud2滤波,得到点云数据集cloud3;
S3、对步骤S2得到的cloud3以一定长宽高进行体素化划分,并计算每个体素中存在的点数量,然后在最顶层的体素搜索出点数量大于阈值N的体素,向下生长出树干;再从次顶层搜索出点数大于阈值N的体素,向下生长出树干,此过程不包括最顶层中已被生长过的体素;依次操作,直到最底层的体素,生长出全部竖条状的可能树干,滤除树干高度差小于阈值H的树干点云,以排除树叶噪声的干扰,最后得到树干treei,i∈[1,tn],tn为整个cloud3中树干的数量;
S4、从距离步骤S3得到的treei最低点1.3米处开始,向上截取一定厚度的树干点云切片,并将树干点云切片记为slicei,利用slicei中每个点的法向量相互叉乘,得到与树干treei位于slicei处垂直的平面,将slicei中的点投影到该平面,获得每棵树在1.3米处的切片投影,投影得到的点云数据集记为Pcloudi,i∈[1,tn];
S5、对步骤S4中得到的Pcloudi进行圆拟合,得到每棵 树干所处位置的XY值及其直径di,所述直径即该树木的胸径。
2.如权利要求1所述的基于体素生长和地面激光点云的树木胸径自动计算方法,其特征在于:步骤S4中所述的树干点云切片厚度为5cm。
3.如权利要求2所述的基于体素生长和地面激光点云的树木胸径自动计算方法,其特征在于:步骤S2中利用法向量的Z分量对cloud2滤波的具体步骤为:对cloud2中的每个点,利用其最近的50个点估计该点所在平面的法向量ni=(nix,niy,niz),当该点的niz的绝对值大于一定的阈值nzth,就将该点滤除,余下的点云记为cloud3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810638020.XA CN109002418B (zh) | 2018-06-20 | 2018-06-20 | 基于体素生长和地面激光点云的树木胸径自动计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810638020.XA CN109002418B (zh) | 2018-06-20 | 2018-06-20 | 基于体素生长和地面激光点云的树木胸径自动计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109002418A CN109002418A (zh) | 2018-12-14 |
CN109002418B true CN109002418B (zh) | 2020-08-11 |
Family
ID=64600775
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810638020.XA Active CN109002418B (zh) | 2018-06-20 | 2018-06-20 | 基于体素生长和地面激光点云的树木胸径自动计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109002418B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110298875A (zh) * | 2019-06-28 | 2019-10-01 | 福建农林大学 | 一种三维激光点云数据自动获取林木树高的方法 |
CN111428784B (zh) * | 2020-03-23 | 2024-06-18 | 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 |
CN112179308A (zh) * | 2020-09-11 | 2021-01-05 | 山东钢铁集团日照有限公司 | 一种热轧钢带横截面轮廓局部高点分级判别方法 |
CN112946669B (zh) * | 2021-02-05 | 2023-04-25 | 国际竹藤中心 | 基于地基激光雷达的毛竹林数量识别方法及装置 |
CN116817771B (zh) * | 2023-08-28 | 2023-11-17 | 南京航空航天大学 | 一种基于圆柱体素特征的航天零件涂层厚度测量方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102682475A (zh) * | 2012-05-11 | 2012-09-19 | 北京师范大学 | 一种基于地面激光雷达点云数据自适应构建三维树木骨架的方法 |
CN104123746A (zh) * | 2014-07-10 | 2014-10-29 | 上海大学 | 一种三维扫描点云中实时法向量的计算方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101839701B (zh) * | 2010-05-27 | 2012-03-21 | 中国科学院自动化研究所 | 树木点云数据的自动分割方法 |
GB2532948B (en) * | 2014-12-02 | 2021-04-14 | Vivo Mobile Communication Co Ltd | Object Recognition in a 3D scene |
CN106383998B (zh) * | 2016-09-09 | 2019-03-12 | 厦门大学 | 一种基于地面激光雷达扫描的树木胸径自动计算方法 |
CN106408608A (zh) * | 2016-09-30 | 2017-02-15 | 信阳师范学院 | 一种从地面激光雷达点云数据中提取树干直径的方法 |
CN106651863A (zh) * | 2016-11-30 | 2017-05-10 | 厦门大学 | 一种基于点云数据的树木自动分割方法 |
CN107705309B (zh) * | 2017-10-15 | 2020-12-04 | 南京林业大学 | 激光点云中林木参数评估方法 |
-
2018
- 2018-06-20 CN CN201810638020.XA patent/CN109002418B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102682475A (zh) * | 2012-05-11 | 2012-09-19 | 北京师范大学 | 一种基于地面激光雷达点云数据自适应构建三维树木骨架的方法 |
CN104123746A (zh) * | 2014-07-10 | 2014-10-29 | 上海大学 | 一种三维扫描点云中实时法向量的计算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109002418A (zh) | 2018-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109002418B (zh) | 基于体素生长和地面激光点云的树木胸径自动计算方法 | |
CN110717983B (zh) | 一种基于背包式三维激光点云数据的建筑物立面三维重建方法 | |
CN111724433B (zh) | 一种基于多目视觉的作物表型参数提取方法及系统 | |
CN102096818B (zh) | 面向对象的遥感影像树冠轮廓及参数自动提取方法及系统 | |
CN106407925B (zh) | 基于局部区间极大值的激光扫描点云树木自动提取方法 | |
CN109816664B (zh) | 一种三维点云分割方法及装置 | |
CN103218787B (zh) | 多源异构遥感影像控制点自动采集方法 | |
CN111598780B (zh) | 一种适用于机载LiDAR点云的地形自适应插值滤波方法 | |
CN103714541A (zh) | 一种利用山体轮廓区域约束识别定位建筑物的方法 | |
WO2011078920A1 (en) | Method and apparatus for for analyzing tree canopies with lidar data | |
KR100963651B1 (ko) | 항공라이다자료를 이용한 건물외곽선 자동 추출 방법 | |
CN114266987A (zh) | 一种无人机高边坡危岩体智能识别方法 | |
KR101080985B1 (ko) | 항공 라이다 성과를 이용한 수고 및 개체 수 확인방법 | |
Arachchige et al. | Automatic processing of mobile laser scanner point clouds for building facade detection | |
Smits et al. | Individual tree identification using different LIDAR and optical imagery data processing methods | |
CN110910435A (zh) | 建筑物点云提取方法、装置、计算机设备及可读存储介质 | |
KR20110094957A (ko) | 레인지 영상으로부터의 객체 분할 장치 및 방법 | |
CN116523898A (zh) | 一种基于三维点云的烟草表型性状提取方法 | |
CN110569805B (zh) | 一种基于无人机影像点云的人工林单木提取及立地质量评价的方法 | |
CN114136208A (zh) | 一种无损估算立木材积的低成本树木结构自动重建方法 | |
CN107993242B (zh) | 基于机载LiDAR点云数据缺失区域边界提取方法 | |
Zhu et al. | Research on deep learning individual tree segmentation method coupling RetinaNet and point cloud clustering | |
CN117152172A (zh) | 一种基于点云数据的输电线路杆塔和电力线提取方法 | |
CN115631136A (zh) | 基于3d点云图像的木荷苗表型参数快速测量方法 | |
CN117253205A (zh) | 一种基于移动测量系统的道路面点云快速提取方法 |
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 |