CN111709986B - 一种基于激光点云的输电线下林木统计方法 - Google Patents

一种基于激光点云的输电线下林木统计方法 Download PDF

Info

Publication number
CN111709986B
CN111709986B CN202010418058.3A CN202010418058A CN111709986B CN 111709986 B CN111709986 B CN 111709986B CN 202010418058 A CN202010418058 A CN 202010418058A CN 111709986 B CN111709986 B CN 111709986B
Authority
CN
China
Prior art keywords
point cloud
tree
ground
distance
vegetation
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
Application number
CN202010418058.3A
Other languages
English (en)
Other versions
CN111709986A (zh
Inventor
王宁
李欣
陈杰
刘正林
滕杰
周伟
陈正宇
秦臻
徐君民
任亚群
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Energy Engineering Group Jiangsu Power Design Institute Co Ltd
Original Assignee
China Energy Engineering Group Jiangsu Power Design Institute Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Energy Engineering Group Jiangsu Power Design Institute Co Ltd filed Critical China Energy Engineering Group Jiangsu Power Design Institute Co Ltd
Priority to CN202010418058.3A priority Critical patent/CN111709986B/zh
Publication of CN111709986A publication Critical patent/CN111709986A/zh
Application granted granted Critical
Publication of CN111709986B publication Critical patent/CN111709986B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Image Processing (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种基于激光点云的输电线下林木统计方法，包括以下步骤：1：获取勘测区域的原始点云数据，采用布料模拟算法对原始点云数据进行数据滤波，区分出地面点云和非地面点云；2：分别利用地面点云构建地表DEM，以及利用分水岭算法从非地面点云中分出植被点云；3：计算植被点云与地表DEM竖直方向的空间距离，从所得的空间距离筛选出胸径点云；4：提取每棵树的胸径点云，之后采用最小二乘算法拟合圆，获取树木胸径和树木平面位置；5：以大于2倍半径的距离为新的检索半径在原始点云中进行Z方向检索，取其最大值，并据此获取树木高度。采用本发明的方法能够直接从原始的点云数据中提取树木胸径，位置和树高，提高统计效率和准确率。

Description

一种基于激光点云的输电线下林木统计方法
技术领域
本发明属于一种架空输电线路勘察设计领域的技术领域，具体涉及一种基于激光点云的输电线下林木统计方法。
背景技术
对高压输电线路而言，通道林木会成为线路安全运行的重要隐患之一。所以在输电线路工程勘测设计中，要求对线下规定范围内的林木生长状况进行统计，目的就是在设计阶段弄清林木分布和生长情况，避免建设阶段和运维阶段带来预期外的工作量。国家对生态保护的力度加大，林木砍伐难度越来越大。目前在设计阶段的林木统计调查所采用的主要手段就是人工调查，在终勘定位阶段，沿着线路路径，调查林木的树种、树高、胸径、密度等。这种人工统计方法往往会因各种原因(很难到达实际位置、调查结果与实际结果不对应)导致统计不全面，与实际结果相差较大。
随着激光雷达技术的成熟与成本的下调，该技术广泛应用输电线路勘察设计，特别是在山区及植被茂密的地区。激光雷达技术应用于输电线路勘测设计，并没有在林木统计方面有过多的研究和应用，更多是提取树木的高度。然而在林学领域，已有相关研究，利用激光点云进行森林密度，生长状况分析等，已有一些研究成果。所以，对于输电线路勘察设计而言，利用激光点云进行林木统计是一种值得研究的方法。
目前基于激光点云进行林木胸径提取算法更多是将点云降维成图像，利用图像学中的找圆算法(Hough找圆，最小外围边界找圆等)在图像上进行圆心和半径拟合。但是点云降维成图像的时候，由于点云密度较稀疏，点与点之间距离很难在二维图像上形成连线。这种情况会因数据密度不足而找圆失败。因此，直接利用点云数据进行林木统计是值得深入研究的。
发明内容
针对上述问题，本发明提出一种基于激光点云的输电线下林木统计方法。
实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：
一种基于激光点云的输电线下林木统计方法，包括以下步骤：
步骤1：获取勘测区域的原始点云数据，采用布料模拟算法对原始点云数据进行数据滤波，区分出地面点云和非地面点云；
步骤2：分别利用地面点云构建地表DEM，以及利用分水岭算法从非地面点云中分出植被点云；
步骤3：计算植被点云与地表DEM竖直方向的空间距离，从所得的空间距离筛选出胸径点云；
步骤4：提取每棵树的胸径点云，之后采用最小二乘算法拟合圆，获取树木胸径和树木平面位置；
步骤5：在拟合圆的基础上，以大于2倍半径的距离为新的检索半径在原始点云中进行Z方向检索，取其最大值，并据此获取树木高度。
作为本发明的进一步改进，所述步骤3中，计算植被点云与地表DEM竖直方向的空间距离的具体步骤包括：
步骤3-1：对于任一植被点云获取在xy平面上与其距离最小的地表DEM上的点云，具体计算如下：
设置Ri(xi,yi,zi)为地表DEM上的点云坐标；Cj(xj,yj,zj)为地表之上的植被点云坐标；对任一植被点云Cj(xj,yj,zj)，计算地表点云R在(xj-1,xj+1)∩(yj-1,yj+1)范围内的每一个点与Cj(xj,yj,zj)在xy平面的距离取所有的平面距离d中最小值为dmin及最小距离所对应的地表点云，其坐标记为Rn(xn,yn,zn)；
步骤3-2：计算任一植被点云Cj(xj,yj,zj)与其对应的在xy平面距离最小值的地表点云Rn(xn,yn,zn)在竖直方向上的距离
作为本发明的进一步改进，所述的步骤3中筛选出zh＝[1.1m,1.4m]的点云作为胸径处点云。
作为本发明的进一步改进，步骤4中提取的每棵树的胸径点云的具体步骤包括：
步骤4-1：沿着Z轴的投影方向，在XY平面上对步骤3所获得的胸径点云进行栅格化处理；
步骤4-2：采用连通区域标记算法对栅格化点云在三维空间进行剖分，划分出每棵树的胸径点云。
作为本发明的进一步改进，步骤4-1中进行栅格化处理时所设置的分辨率为0.01m-0.02m。
作为本发明的进一步改进，所采用的连通区域标记算法包括设置以下两个参数划分划分不同区域：
参数A：不同区域之间的最小间隔；
参数B：同一区域内所包括的最少点云数量；
对于相邻的两个点云应同时满足两个点云之间任意两点的距离大于参数A和某一区域内的点云数量大于或等于所设定的参数B两个条件才会被分隔在两个不同的区域中。
作为本发明的进一步改进，所述的参数A根据基于完成步骤3所获得的结果进行先验值设定，或根据完成所述步骤4-2的结果进行调节。
作为本发明的进一步改进，所述树木平面位置以圆心c(x,y)表示，所述的树木胸径为r，步骤5中计算树木高度的步骤包括：
步骤5-1：在植被点云库中，以c(x,y)为圆心，3r为半径检索范围内的点云，取检索范围内z最大值为zmax；
步骤5-2：在地表DEM点云中以c(x,y)为圆心，以2r为半径检索，检索距离圆心c(x,y)在xy平面最近的点，若Rm(xm,ym,zm)与c(x,y)在xy平面距离最近，则取zm地表高程，则树高H＝zmax-zm。
本发明的有益效果：采用本发明的方法能够直接从原始的点云数据中提取树木胸径，位置和树高，这种提取方法能够充分利用点云数据价值，能提高统计效率和准确率。
附图说明
图1是胸径点云提取算法流程图；
图2是每棵树胸径、位置、树高提取算法流程图；
图3点云栅格化示意图；
图4点云空间剖分及赋予唯一标签。
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。
下面结合附图对本发明的应用原理作详细的描述。
(一)采用机载激光雷达和地面激光扫描仪对勘测区域进行扫描，获取原始激光点云；以获得了原始激光点云为基础，首先利用布料模拟算法(CSF)，分辨率设置0.2m，阈值设置0.2m进行点云分类，将点云分出地面与非地面两大类。
(二)根据地面点数据利用Delauary算法进行地表DEM构建；构建好DEM后，在DEM上进行点云重采样，采样分辨率为0.2m，此处用R表示地面DEM点云集合。
(三)对非地面点云数据利用分水岭算法进行数据分类，分出植被点云，用C表示植被点云集合。
(四)计算出每一个植被点云与DEM在竖直方向(Z方向)的距离zd，具体计算如下：
设置Ri(xi,yi,zi)为地表DEM上的点云坐标；Cj(xj,yj,zj)为地表之上的植被点云坐标；对任一点Cj(xj,yj,zj)，在地表点云R中，在(xj-1,xj+1)∩(yj-1,yj+1)范围内计算每一个点与Cj(xj,yj,zj)在xy平面的距离取所有的平面距离d中最小值为dmin所对应的地表点Rn(xn,yn,zn)为准，计算其与点Cj(xj,yj,zj)的空间距离作为Cj(xj,yj,zj)与DEM在竖直方向的距离，具体为/>
胸径一般是指地面以上1.3米处作为树木的直径，为保证点云有足够计算密度，利用距离阈值筛选出zh＝[1.1m,1.4m]的点云作为胸径处点云D。
上述筛选出的点云是所有树木的胸径处的点云，并没有区分每棵树的胸径点云，在此基础上需进一步处理，提取每棵树的树木胸径点云，具体步骤如下：
(五)将步骤四所得胸径点云D栅格化处理，如图3所示，沿着Z轴方向投影，在XY平面上栅格化，设置分辨率为0.01m。林木统计结果中胸径是以cm作为统计精度的，在本发明中将分辨率设置为1cm，既可以满足统计精度要求降，又低了点云密度，所以运算速度将大幅提高。
(六)利用连通区域标记算法对栅格化点云在三维空间进行剖分
首先需要设置两个用于划分不同区域的参数：
参数A：定义两个区域之间最小间隔。
参数B：同一个区域所包含的点云最少数目。
在判断点与邻近点能否划分到同一区域中时，需要同时满足以上两个参数条件才能被划分到不到的区域中，即两点之间的距离大于参数A所设置的这个阈值，且任一点所在的区域中包含的点云数量应大于或等于设定的阈值。
在设定参数时，为了确保最小树木不被合并，也不被分割，选择的参数需要合理。例如，对于参数A的设置，若林木中最小树木胸径为r，则区域间最小间隔应设置为0.8r～0.9r。其中最小树木胸径为r可根据以下两种方式进行设定：(1)根据步骤四的结果进行预判，给出一个先验值；(2)根据完成连通区域标记算法所获得的结果进行调节，该步是基于若给定的数值过大或过小，分割出来的单颗树的胸径点云会存在偏离实际形状，不易于做后期拟合圆的步骤。对于参数B本发明经多次实验验证发现每个区域最小的点云数量为10所获得的结果准确率最高。剖分后，每棵树的胸径处点云将作为一个单独对象，并有唯一标签，其结果如图4所示。
(七)保存空间分割后的每棵树的胸径点云，保存为文本格式，每棵树的的胸径处点云作为一个独立的文件；
(八)以输出的每颗树的胸径处点云作为数据输入，利于最小二乘拟合算法，拟合圆心c(x,y)和半径r并作为输出结果。
(九)考虑到有些树木不一定笔直，树的最高点不一定位移胸径范围内，需要通过原始点云数据重新计算。根据拟合的树木位置即圆心c(x,y)，在原始点云库中，以c(x,y)为圆心，3r为半径检索范围内的点云，取检索范围内z最大值为zmax。该步骤中新的检索半径的确定是基于树与树之间的间距一般都是远大于两倍胸径的，同时为了减少计算步骤，确定以3r为新的检索半径。
以c(x,y)为圆心，2r为半径在地表DEM点云R中，检索距离圆心c(x,y)在xy平面最近的点，若Rm(xm,ym,zm)与c(x,y)在xy平面距离最近，则取zm地表高程，则树高H＝zmax-zm。
(十)利用圆心，胸径，树高数据这些数据进行统计根据可以快速计算出局部树木分布范围内的平均胸径、树高和密度。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (7)

1.一种基于激光点云的输电线下林木统计方法，其特征在于，包括以下步骤：
步骤1：获取勘测区域的原始点云数据，采用布料模拟算法对原始点云数据进行数据滤波，区分出地面点云和非地面点云；
步骤2：分别利用地面点云构建地表DEM，以及利用分水岭算法从非地面点云中分出植被点云；
步骤3：计算植被点云与地表DEM竖直方向的空间距离，从所得的空间距离筛选出胸径点云；
步骤4：提取每棵树的胸径点云，之后采用最小二乘算法拟合圆，获取树木胸径和树木平面位置；
步骤5：在拟合圆的基础上，以大于2倍半径的距离为新的检索半径在原始点云中进行Z方向检索，取其最大值，并据此获取树木高度；
其中，所述步骤3中，计算植被点云与地表DEM竖直方向的空间距离的具体步骤包括：
步骤3-1：对于任一植被点云获取在xy平面上与其距离最小的地表DEM上的点云，具体计算如下：
设置Ri(xi,yi,zi)为地表DEM上的点云坐标；Cj(xj,yj,zj)为地表之上的植被点云坐标；对任一植被点云Cj(xj,yj,zj)，计算地表点云R在(xj-1,xj+1)∩(yj-1,yj+1)范围内的每一个点与Cj(xj,yj,zj)在xy平面的距离取所有的平面距离d中最小值为dmin及最小距离所对应的地表点云，其坐标记为Rn(xn,yn,zn)；
步骤3-2：计算任一植被点云Cj(xj,yj,zj)与其对应的在xy平面距离最小值的地表点云Rn(xn,yn,zn)在竖直方向上的距离
2.根据权利要求1所述的一种基于激光点云的输电线下林木统计方法，其特征在于：所述的步骤3中筛选出zh＝[1.1m,1.4m]的点云作为胸径处点云。
3.根据权利要求1所述的一种基于激光点云的输电线下林木统计方法，其特征在于：
步骤4中提取的每棵树的胸径点云的具体步骤包括：
步骤4-1：沿着Z轴的投影方向，在XY平面上对步骤3所获得的胸径点云进行栅格化处理；
步骤4-2：采用连通区域标记算法对栅格化点云在三维空间进行剖分，划分出每棵树的胸径点云。
4.根据权利要求3所述的一种基于激光点云的输电线下林木统计方法，其特征在于：
步骤4-1中进行栅格化处理时所设置的分辨率为0.01m-0.02m。
5.根据权利要求3所述的一种基于激光点云的输电线下林木统计方法，其特征在于：所采用的连通区域标记算法包括设置以下两个参数划分不同区域：
参数A：不同区域之间的最小间隔；
参数B：同一区域内所包括的最少点云数量；
对于相邻的两个点云应同时满足两个点云之间的任意两点距离大于参数A和某一区域内的点云数量大于或等于所设定的参数B两个条件才会被分隔在两个不同的区域中。
6.根据权利要求5所述的一种基于激光点云的输电线下林木统计方法，其特征在于：
所述的参数A根据基于完成步骤3所获得的结果进行先验值设定，或根据完成所述步骤4-2的结果进行调节。
7.根据权利要求1所述的一种基于激光点云的输电线下林木统计方法，其特征在于：
所述树木平面位置以圆心c(x,y)表示，所述的树木胸径为r，步骤5中计算树木高度的步骤包括：
步骤5-1：在植被点云库中，以c(x,y)为圆心，3r为半径检索范围内的点云，取检索范围内z最大值为zmax；
步骤5-2：在地表DEM点云中以c(x,y)为圆心，以2r为半径检索，检索距离圆心c(x,y)在xy平面最近的点，若Rm(xm,ym,zm)与c(x,y)在xy平面距离最近，则取zm地表高程，则树高H＝zmax-zm。
CN202010418058.3A 2020-05-18 2020-05-18 一种基于激光点云的输电线下林木统计方法 Active CN111709986B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010418058.3A CN111709986B (zh) 2020-05-18 2020-05-18 一种基于激光点云的输电线下林木统计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010418058.3A CN111709986B (zh) 2020-05-18 2020-05-18 一种基于激光点云的输电线下林木统计方法

Publications (2)

Publication Number Publication Date
CN111709986A CN111709986A (zh) 2020-09-25
CN111709986B true CN111709986B (zh) 2023-11-03

Family

ID=72537214

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010418058.3A Active CN111709986B (zh) 2020-05-18 2020-05-18 一种基于激光点云的输电线下林木统计方法

Country Status (1)

Country Link
CN (1) CN111709986B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112381041A (zh) * 2020-11-27 2021-02-19 广东电网有限责任公司肇庆供电局 一种用于输电线路的树木识别方法、装置及终端设备
CN114241217B (zh) * 2021-11-25 2023-03-07 电子科技大学 一种基于圆柱特征的树干点云高效提取方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106815850A (zh) * 2017-01-22 2017-06-09 武汉地普三维科技有限公司 基于激光雷达技术获取甚高郁闭度森林蓄积量的方法
CN106815847A (zh) * 2017-01-12 2017-06-09 非凡智慧（宁夏）科技有限公司 基于激光雷达点云的树木分割方法及单棵树提取方法
CN107705309A (zh) * 2017-10-15 2018-02-16 南京林业大学 激光点云中林木参数评估方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106815847A (zh) * 2017-01-12 2017-06-09 非凡智慧（宁夏）科技有限公司 基于激光雷达点云的树木分割方法及单棵树提取方法
CN106815850A (zh) * 2017-01-22 2017-06-09 武汉地普三维科技有限公司 基于激光雷达技术获取甚高郁闭度森林蓄积量的方法
CN107705309A (zh) * 2017-10-15 2018-02-16 南京林业大学 激光点云中林木参数评估方法

Also Published As

Publication number Publication date
CN111709986A (zh) 2020-09-25

Similar Documents

Publication Publication Date Title
CN112070769B (zh) 一种基于dbscan的分层点云分割方法
CN105513127B (zh) 基于密度峰值聚类的杆状物规则化三维建模方法及系统
CN110223314B (zh) 一种基于树冠三维点云分布的单木分割方法
CN111709986B (zh) 一种基于激光点云的输电线下林木统计方法
CN106815847A (zh) 基于激光雷达点云的树木分割方法及单棵树提取方法
CN106918311A (zh) 基于车载激光点云数据的单株树树冠投影面积自动计算方法
CN111462134A (zh) 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
CN109919237B (zh) 点云处理方法及装置
CN105719249A (zh) 一种基于三维格网的机载激光雷达点云去噪方法
CN115063555A (zh) 高斯分布区域生长的车载LiDAR点云行道树提取方法
CN112241661A (zh) 一种结合机载LiDAR点云数据和航空影像的城市地物精细化分类方法
CN115018982A (zh) 一种基于地基激光雷达点云的树木数字孪生方法
CN110348478B (zh) 一种基于形状分类与组合的室外点云场景中树木提取方法
CN115390040A (zh) 一种基于分割几何特征的树林点云枝叶分离方法
CN116385801A (zh) 一种基于多光谱深度学习与点云技术的树木分类方法
Zheng et al. Single shot multibox detector for urban plantation single tree detection and location with high-resolution remote sensing imagery
CN110807832B (zh) 一种基于地面三维扫描仪的电力线自动提取方法
CN116704333A (zh) 一种基于激光点云数据的单株林木检测方法
CN112669461B (zh) 机场净空安全检测方法、装置、电子设备及存储介质
Selim et al. Automatic detection of forest trees from digital surface models derived by aerial images
CN111932574B (zh) 基于多层次语义特征的建筑立面点云提取系统及方法
CN116977593A (zh) 一种基于超体素凹凸性分割与颜色区域生长的单木分割方法
CN111553987B (zh) 一种基于海量数据的单木点云编辑方法及系统
CN115061150A (zh) 一种基于激光雷达点云数据伪波形特征处理的建筑物提取方法
CN116805357A (zh) 一种基于点云的高压输电线三维模型构建方法

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