CN112712509A - 基于点云的树木参数获取方法、生长评估方法、装置及系统 - Google Patents
基于点云的树木参数获取方法、生长评估方法、装置及系统 Download PDFInfo
- Publication number
- CN112712509A CN112712509A CN202011643775.2A CN202011643775A CN112712509A CN 112712509 A CN112712509 A CN 112712509A CN 202011643775 A CN202011643775 A CN 202011643775A CN 112712509 A CN112712509 A CN 112712509A
- Authority
- CN
- China
- Prior art keywords
- point
- tree
- trunk
- skeleton
- point cloud
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000011156 evaluation Methods 0.000 title claims description 22
- 210000000481 breast Anatomy 0.000 claims abstract description 52
- 238000000926 separation method Methods 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000000605 extraction Methods 0.000 claims description 36
- 238000005457 optimization Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 9
- 238000006073 displacement reaction Methods 0.000 claims description 8
- 230000008602 contraction Effects 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 5
- 238000000513 principal component analysis Methods 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 abstract description 8
- 238000004364 calculation method Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于点云的树木参数获取方法、生长评估方法、装置及系统。包括:获取树木的点云数据,对点云数据进行树干树叶分离处理获得树干点集和树叶点集,树干点集包括主树干和树枝的数据点;执行S1、S2、S3三者中的全部或部分;S1,从树干点集中提取树干骨架,基于树干骨架获取树干重量和/或树木胸径;S2,将树叶点集投影在水平面xoy获得二维树叶点集,基于二维树叶点集获取树木冠径;S3,获取点云数据中最高点和最低点之间的距离,将距离作为树木株高。能够基于树木的点云数据获取树苗生长情况的主要判定依据,如树干重量、树木胸径、树木冠径、树木株高,能够更科学客观的评价树苗的生长情况,便于对树苗的生产历史进行回溯。
Description
技术领域
本发明涉及树木点云数据处理技术领域,特别是涉及一种基于点云的树木参数获取方法、生长评估方法、装置及系统。
背景技术
在树苗的培育过程中,需要对树苗的生长情况进行监控、及时发现生长情况异常的树苗至关重要。在全国农业和农村信息化建设的背景下,传统上过于依赖个人的主观经验来判断树苗的生长情况,需要大量有经验的员工,耗费人力。而随着3D扫描技术的进步,已能将一颗树的大部分外观信息以点云的方式数字化。因此,基于树木的点云数据如何准确获得树木的生长参数,实现通过该生产参数来远程地更为科学地判断树木的生长情况十分重要。
发明内容
本发明旨在至少解决现有技术中存在的技术问题,特别创新地提出了一种基于点云的树木参数获取方法、生长评估方法、装置及系统。
为了实现本发明的上述目的,根据本发明的第一个方面,本发明提供了一种基于点云的树木参数提取方法,包括:获取树木的点云数据,对所述点云数据进行树干树叶分离处理获得树干点集和树叶点集,所述树干点集包括主树干和树枝的数据点;执行步骤S1、S2、S3三者中的全部或部分;步骤S1,从树干点集中提取树干骨架,基于所述树干骨架获取树干重量和/或树木胸径;步骤S2,将所述树叶点集投影在水平面xoy获得二维树叶点集,基于所述二维树叶点集获取树木冠径;步骤S3,获取点云数据中最高点和最低点之间的距离,将所述距离作为树木株高。
上述技术方案:能够基于树木的点云数据获取树苗生长情况的主要判定依据,如树干重量、树木胸径、树木冠径、树木株高,能够更科学客观的评价树苗的生长情况,便于对树苗的生产历史进行回溯。在本发明的一种优选实施方式中,所述树干树叶分离处理的过程包括:预设存储树干点集的树干集合、存储树叶点集的树叶集合、以及第一半径阈值;将点云数据中竖直方向的最低点作为树干的根节点放入树干集合,将所有点云数据放入第一数据点集,循环执行步骤A:所述步骤A为:对于第一数据点集中的数据点,若数据点与树干集合中某一点的距离小于等于第一半径阈值,将所述数据点从第一数据点集中取出放入树干集合,更新树干集合和第一数据点集;若更新后第一数据点集中的数据点与树干集合中的所有数据点的距离均大于第一半径阈值,则停止执行步骤A,将第一数据点集中的数据点作为树叶点放入树叶集合,否则返回继续执行步骤A。
上述技术方案:实现通过第一半径阈值将树干和树叶从点云数据中快速分离,运算量小。
在本发明的一种优选实施方式中,在所述步骤S1中,通过将点云数据中的数据点向周围点的中心移动直到最终收缩为树干骨架,具体包括:步骤S11,设点云数据集合为设骨架点集合为Q,i表示数据点在点云数据集合中的索引,收缩前P=Q;步骤S12,建立最优化函数为:其中,I表示数据点的索引集合;k表示点云数据集合中某个数据点要搜索的近邻数据点的数量,为常数;Ni,k表示骨架点qi在集合Q中的k个近邻数据点的下标集合,qj表示骨架点qi的第j个近邻数据点,ψ表示位移控制参数;步骤S13,通过迭代算法求取最优化函数的最优解得到树干骨架,具体求取骨架点qi的每个近邻数据点的最优位置的过程包括:步骤S131,求取骨架点qi的第j个近邻数据点qj从第h次迭代位置到第h+1次迭代位置的位移量为:步骤S132,获取骨架点qi的第j个近邻数据点qj在第h+1次迭代后的位置为:步骤S133,位置附近的骨架点形成点云,对所述点云进行主成分分析得到第一特征值第二特征值和第三特征值 求取点qj的终止变量σj,若σj>0.99,则停止迭代点qj的位置,以位置作为点qj的最佳位置,若σj≤0.99,令h=h+1,返回步骤S131;其中,以点云数据集合中的位置为点qj的初始迭代位置,h表示迭代次数,初始值为0,表示点云数据集合中骨架点qi在第h次迭代后的位置,表示骨架点qi的第j个近邻数据点在第h次迭代后的位置,pi表示收缩后点云骨架点qi在收缩前的位置。
上述技术方案:实现了从单面树点云进行骨架提取,不断让点云数据中的点往周围点的中心移动,知道最终收缩为一个骨架,在最优化函数中,第一项为收缩项,触使骨架点朝k个最近点集合的中心进行收缩,在最优化函数中引入第二项用于约束收缩后点qi离处置位置qi不能太远,进而保证树木的整体拓扑结构。上述迭代方法,能够快速收敛迭代次数少,运算速度快。
在本发明的一种优选实施方式中,在所述步骤S1中,获取树干重量的过程为:步骤S14,获取树干骨架中各骨架点所在切面的近似圆半径,第i个骨架点qi所在切面的近似圆半径ri为:其中,表示骨架点qi在点云数据集合P上n个最接近点中的第j个最接近点;获取一个平面,所述平面以骨架点qi和骨架点qi的上一骨架点qi+1的连接线段为法线且经过骨架点qi,将点和骨架点qi的连接线段与所述平面的夹角作为θi,j;步骤S15,计算相邻骨架点qi和qi+1之间圆台的体积Vi为:所述ri+1表示骨架点qi+1所在切面的近似圆半径,qi和qi+1分别表示骨架点qi和qi+1的位置坐标;步骤S16,获取树干质量为:其中,ρ表示树木密度。
上述技术方案:将树干的切面近似为圆,两个相邻骨架点之间的数值近似为一个圆台,简化了重量计算过程,计算的重量的精度依赖于骨架点个数,保证了重量计算的精度。
在本发明的一种优选实施方式中,基于所述树干骨架获取树木胸径的过程为:选择高度为H的骨架点,计算所述骨架点在切面的直径,将所述直径作为树木的胸径,所述H为正数。
上述技术方案:能够准确快速获取树木胸径。
在本发明的一种优选实施方式中,所述步骤S2包括:步骤S21,将树叶点集T投影在水平面xoy获得二维树叶点集T':其中,ti'为(xi',yi'),ti'为二维树叶点集T'中第i个投影点;ti为(xi,yi,zi),ti为树叶点集T中第i个树叶点;步骤S22,在水平面xoy中构建一个矩形,所述矩形的长与水平面xoy的x轴平行,矩形的宽与水平面xoy的y轴平行,所述矩形满足如下条件:其中,xleft表示矩形的左下角和左上角的横坐标值,min(x')表示二维树叶点集T'中的最小横坐标值;xright表示矩形的右下角和右上角的横坐标值,max(x')表示二维树叶点集T'中的最大横坐标值;ybuttom表示矩形的左下角和右下角的纵坐标值,min(y')表示二维树叶点集T'中的最小纵坐标值;ytop表示矩形的左上角和右上角的纵坐标值,max(y')表示二维树叶点集T'中的最大纵坐标值;步骤S23,获取矩形的两条对角线交点c,以对角线交点c为中心点在xoy平面上做N条旋转分布的长为l宽为k'·l的矩形条,所述k'为比例系数,所述k'∈(0,0.5),所述l表示矩形的对角线长度,获取每个矩形条覆盖的二维树叶点中最远两点的距离,则树木冠径L为:其中,dn'表示第n'个矩形条覆盖的二维树叶点中最远两点的距离,n'为正整数,且n'∈[1,N],N为正整数。
上述技术方案:能够准确获取树木冠径。
为了实现本发明的上述目的,根据本发明的第二个方面,本发明提供了一种树木生长评估方法,按照本发明所述的基于点云的树木参数提取方法从点云数据中提取树木的树干重量、树木胸径、树木冠径和树木株高四者中的全部或部分,将树干重量、树木胸径、树木冠径、树木株高分别与各自对应的预设标准进行比对判断是否达标。
上述技术方案:基于树木的点云数据能够快速准确的获取树苗生长情况的主要判定依据,如树干重量、树木胸径、树木冠径、树木株高,将获取的树干重量、树木胸径、树木冠径、树木株高与各自预设的标准进行比对,若低于预设标准则认为不达标,高于预设标准则认为达标,这样能够更科学客观的评价树苗的生长情况,也便于对树苗的生产历史进行回溯。
为了实现本发明的上述目的,根据本发明的第三个方面,本发明提供了一种基于点云的树木参数提取装置,包括点云存储单元、树干树叶分离模块、树干骨架提取模块,还包括树干重量获取模块、树木胸径获取模块、树木冠径获取模块、树木株高获取模块四者中的全部或部分;所述点云存储单元分别与树干树叶分离模块和树木株高获取模块连接;所述树干树叶分离模块的树干点集输出端与树干骨架提取模块的输入端连接,树干骨架提取模块的输出端分别与树干重量获取模块的输入端和树木胸径获取模块的输入端连接;所述树干树叶分离模块的树叶点集输出端与树木冠径获取模块的输入端连接;所述树干树叶分离模块从点云存储单元获取树木的点云数据,对所述点云数据进行树干树叶分离处理后获得树干点集和树叶点集,所述树干点集包括主树干和树枝的数据点;所述树干骨架提取模块从树干点集中提取树干骨架;所述树干重量获取模块基于所述树干骨架获取树干重量;所述树木胸径获取模块基于所述树干骨架获取树干胸径;所述树木冠径获取模块将所述树叶点集投影在水平面xoy获得二维树叶点集,并基于所述二维树叶点集获取树木冠径;所述树木株高获取模块获取点云数据中最高点和最低点之间的距离,将所述距离作为树木株高。
上述技术方案:能够基于树木的点云数据获取树苗生长情况的主要判定依据,如树干重量、树木胸径、树木冠径、树木株高,能够更科学客观的评价树苗的生长情况,便于对树苗的生产历史进行回溯。
为了实现本发明的上述目的,根据本发明的第四个方面,本发明提供了一种基于点云的树木参数提取系统,包括树木点云扫描设备、以及如本发明所述的基于点云的树木参数提取装置;所述点云扫描设备对待测树木进行扫描并将获得的点云数据输出至树木参数提取装置。
上述技术方案:能够基于树木的点云数据获取树苗生长情况的主要判定依据,如树干重量、树木胸径、树木冠径、树木株高,能够更科学客观的评价树苗的生长情况,便于对树苗的生产历史进行回溯。
为了实现本发明的上述目的,根据本发明的第五个方面,本发明提供了一种树木生长评估系统,包括树木点云扫描设备和评估单元,所述点云扫描设备对待测树苗进行扫描,所述点云扫描设备向所述评估单元输入树苗的点云数据,所述评估单元按照本发明所述的树木生长评估方法对待测树苗的生长进行评估。
上述技术方案:基于树木的点云数据能够快速准确的获取树苗生长情况的主要判定依据,如树干重量、树木胸径、树木冠径、树木株高,将获取的树干重量、树木胸径、树木冠径、树木株高与各自预设的标准进行比对,若低于预设标准则认为不达标,高于预设标准则认为达标,这样能够更科学客观的评价树苗的生长情况,也便于对树苗的生产历史进行回溯。
附图说明
图1是本发明一具体实施方式中基于点云的树木参数获取方法的流程示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,需要理解的是,术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明的描述中,除非另有规定和限定,需要说明的是,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是机械连接或电连接,也可以是两个元件内部的连通,可以是直接相连,也可以通过中间媒介间接相连,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
本发明公开了一种基于点云的树木参数提取方法,在一种优选实施方式中,如图1所示,包括:获取树木的点云数据,对点云数据进行树干树叶分离处理获得树干点集和树叶点集,树干点集包括主树干和树枝的数据点;执行步骤S1、S2、S3三者中的全部或部分;
步骤S1,从树干点集中提取树干骨架,基于树干骨架获取树干重量和/或树木胸径;
步骤S2,将树叶点集投影在水平面xoy获得二维树叶点集,基于二维树叶点集获取树木冠径;
步骤S3,获取点云数据中最高点和最低点之间的距离,将距离作为树木株高。
在本实施方式中,优选的,树干树叶分离处理的过程包括:
预设存储树干点集的树干集合、存储树叶点集的树叶集合、以及第一半径阈值;
将点云数据中竖直方向的最低点作为树干的根节点放入树干集合,将所有点云数据放入第一数据点集,循环执行步骤A:
步骤A为:对于第一数据点集中的数据点,若该数据点与树干集合中某一点的距离小于等于第一半径阈值,即只要该数据点与树干集合中至少一个点的距离小于等于第一半径阈值,将数据点从第一数据点集中取出放入树干集合,更新树干集合和第一数据点集,随着数据点的取出第一数据点集中数据点会逐渐减少;若更新后第一数据点集中的数据点与树干集合中的所有数据点的距离均大于第一半径阈值,则停止执行步骤A,将第一数据点集中的数据点作为树叶点放入树叶集合,否则返回继续执行步骤A。
在本实施方式中,树干、树枝和树叶在单位面积上扫描到的点云数量相同,由于树干是卷曲的圆柱形,而树叶是展开的平面,因此树干和树枝的点云的密度显著大于树叶点云密度,所以选取一个合适的半径阈值便可以将树干树枝和树叶区分出来。树枝和树干的点云密度会比树叶的点云密度要大,所以可以通过设置一个半径阈值来分离两种点云,第一半径阈值可事先多次试验设定。开始时树干点集中只有点云竖直方向的最低点也就是根节点o,设定半径阈值r,从根节点o开始,不断的把树干点集临近的点(到树干点集上任一点的距离小于第一半径阈值的点)加入到树干点集中,最终剩下的点便是树叶点云。
在一种优选实施方式中,在步骤S1中,通过将点云数据中的数据点向周围点的中心移动直到最终收缩为树干骨架,具体包括:
步骤S12,建立最优化函数为:
其中,I表示数据点的索引集合;k表示点云数据集合中某个数据点要搜索的近邻数据点的数量,为常数;Ni,k表示骨架点qi在集合Q中的k个近邻数据点的下标集合,qj表示骨架点qi的第j个近邻数据点,ψ表示位移控制参数;为收缩项,促使骨架点朝k个最近点集合的中心进行收缩,但是任由收缩这样进行,会使搜索点聚集成簇,因此加入ψ||qi-pi||2项可以避免移动点云收缩过程中移动的范围太大。
步骤S13,通过迭代算法求取最优化函数的最优解得到树干骨架,具体求取骨架点qi的每个近邻数据点的最优位置的过程包括:
步骤S131,求取骨架点qi的第j个近邻数据点qj从第h次迭代位置到第h+1次迭代位置的位移量为:
步骤S133,位置附近的骨架点形成点云,对点云进行主成分分析得到第一特征值第二特征值和第三特征值 主成分分析得到第一特征值第二特征值和第三特征值的方法可参考现有技术,如公开号为CN106056614A的中国专利所披露的技术方案,在此不再赘述。求取点qj的终止变量σj,若σj>0.99,则停止迭代点qj的位置,以位置作为点qj的最佳位置,若σj≤0.99,令h=h+1,返回步骤S131;经过一定次数迭代(对大部分情况最多25次)以后,集合Q内部的点最终会形成树枝的骨架。
其中,以点云数据集合中的位置为点qj的初始迭代位置,h表示迭代次数,初始值为0,表示点云数据集合中骨架点qi在第h次迭代后的位置,表示骨架点qi的第j个近邻数据点在第h次迭代后的位置,pi表示收缩后点云骨架点qi在收缩前的位置。
在本实施方式中,按照上述步骤S131到步骤S133依次获取骨架点qi的每个近邻数据点的最优位置,骨架点qi的位置可为k个最近邻数据点最优位置包围区域的中心位置。
在一种优选实施方式中,在步骤S1中,获取树干重量的过程为:
其中,表示骨架点qi在点云数据集合P上n个最接近点中的第j个最接近点,数据集合P中到骨架点qi直线距离从小到大排序的前n个点,可以看成是骨架点qi在点云上的n个最接近点(邻居点);获取一个平面,平面以骨架点qi和骨架点qi的上一骨架点qi+1的连接线段为法线且经过骨架点qi,将点和骨架点qi的连接线段与平面的夹角作为θi,j;
步骤S15,计算相邻骨架点qi和qi+1之间圆台的体积Vi为:
步骤S16,获取树干质量为:
在本实施方式中,在树木骨架的基础上,可估算树苗的重量。把树干的切面近似为圆,每个两个骨架点之间的树枝可以近似看做一个圆台,只要计算出所有相邻骨架点间圆台的体积并进行累加就能计算出树干的体积,再乘上此种类型树木的密度就可以计算出体积。
在一种优选实施方式中,基于树干骨架获取树木胸径的过程为:选择高度为H的骨架点,计算该骨架点在切面的直径,将直径作为树木的胸径,H为正数。
在一种优选实施方式中,步骤S2包括:
步骤S21,将树叶点集T投影在水平面xoy获得二维树叶点集T':
其中,ti'为(xi',yi'),ti'为二维树叶点集T'中第i个投影点;ti为(xi,yi,zi),ti为树叶点集T中第i个树叶点;
步骤S22,在水平面xoy中构建一个矩形,矩形的长与水平面xoy的x轴平行,矩形的宽与水平面xoy的y轴平行,矩形满足如下条件:
其中,xleft表示矩形的左下角和左上角的横坐标值,min(x')表示二维树叶点集T'中的最小横坐标值;xright表示矩形的右下角和右上角的横坐标值,max(x')表示二维树叶点集T'中的最大横坐标值;ybuttom表示矩形的左下角和右下角的纵坐标值,min(y')表示二维树叶点集T'中的最小纵坐标值;ytop表示矩形的左上角和右上角的纵坐标值,max(y')表示二维树叶点集T'中的最大纵坐标值;
步骤S23,获取矩形的两条对角线交点c,以对角线交点c为中心点在xoy平面上做N条旋转分布的长为l宽为k'·l的矩形条,k'为比例系数,k'∈(0,0.5),l表示矩形的对角线长度,获取每个矩形条覆盖的二维树叶点中最远两点的距离,则树木冠径L为:
其中,dn'表示第n'个矩形条覆盖的二维树叶点中最远两点的距离,n'为正整数,且n'∈[1,N],N为正整数。
本发明还公开了一种树木生长评估方法,按照上述的基于点云的树木参数提取方法从点云数据中提取树木的树干重量、树木胸径、树木冠径和树木株高四者中的全部或部分,将树干重量、树木胸径、树木冠径、树木株高分别与各自对应的预设标准进行比对判断是否达标。
在本实施方式中,优选的,将树木生产时长按照从短到长分为多个时长区间,每个时长区间设置有对应的重量标准区间、胸径标准区间、冠径标准区间和株高标准区间,按照上述的基于点云的树木参数提取方法从点云数据中提取树木的树干重量、树木胸径、树木冠径和树木株高,获取当前待测树木生长时长并对应到时长区间,若树干重量在对应的重量标准区间内,且若树木胸径在对应的胸径标准区间内,且若树木冠径在对应的冠径标准区间内,且若树木株高在对应的株高标准区间内,认为树木生产合格,否则认为树木生产不合格。本发明还公开了一种基于点云的树木参数提取装置,包括点云存储单元、树干树叶分离模块、树干骨架提取模块,还包括树干重量获取模块、树木胸径获取模块、树木冠径获取模块、树木株高获取模块四者中的全部或部分;
点云存储单元分别与树干树叶分离模块和树木株高获取模块连接;树干树叶分离模块的树干点集输出端与树干骨架提取模块的输入端连接,树干骨架提取模块的输出端分别与树干重量获取模块的输入端和树木胸径获取模块的输入端连接;树干树叶分离模块的树叶点集输出端与树木冠径获取模块的输入端连接;
树干树叶分离模块从点云存储单元获取树木的点云数据,对点云数据进行树干树叶分离处理后获得树干点集和树叶点集,树干点集包括主树干和树枝的数据点;树干树叶分离模块执行以下步骤:预设存储树干点集的树干集合、存储树叶点集的树叶集合、以及第一半径阈值;将点云数据中竖直方向的最低点作为树干的根节点放入树干集合,将所有点云数据放入第一数据点集,循环执行步骤A:步骤A为:对于第一数据点集中的数据点,若数据点与树干集合中某一点的距离小于等于第一半径阈值,将数据点从第一数据点集中取出放入树干集合,更新树干集合和第一数据点集;若更新后第一数据点集中的数据点与树干集合中的所有数据点的距离均大于第一半径阈值,则停止执行步骤A,将第一数据点集中的数据点作为树叶点放入树叶集合,否则返回继续执行步骤A。
树干骨架提取模块从树干点集中提取树干骨架;树干骨架提取模块执行:步骤S11,设点云数据集合为设骨架点集合为Q,i表示数据点在点云数据集合中的索引,收缩前P=Q;步骤S12,建立最优化函数为:其中,I表示数据点的索引集合;k表示点云数据集合中某个数据点要搜索的近邻数据点的数量,为常数;Ni,k表示骨架点qi在集合Q中的k个近邻数据点的下标集合,qj表示骨架点qi的第j个近邻数据点,ψ表示位移控制参数;步骤S13,通过迭代算法求取最优化函数的最优解得到树干骨架,具体求取骨架点qi的每个近邻数据点的最优位置的过程包括:步骤S131,求取骨架点qi的第j个近邻数据点qj从第h次迭代位置到第h+1次迭代位置的位移量为:步骤S132,获取骨架点qi的第j个近邻数据点qj在第h+1次迭代后的位置为:步骤S133,位置附近的骨架点形成点云,对所述点云进行主成分分析得到第一特征值第二特征值和第三特征值 求取点qj的终止变量σj,若σj>0.99,则停止迭代点qj的位置,以位置作为点qj的最佳位置,若σj≤0.99,令h=h+1,返回步骤S131;其中,以点云数据集合中的位置为点qj的初始迭代位置,h表示迭代次数,初始值为0,表示点云数据集合中骨架点qi在第h次迭代后的位置,表示骨架点qi的第j个近邻数据点在第h次迭代后的位置,pi表示收缩后点云骨架点qi在收缩前的位置。
树干重量获取模块基于树干骨架获取树干重量;树干重量获取模块执行:步骤S14,获取树干骨架中各骨架点所在切面的近似圆半径,第i个骨架点qi所在切面的近似圆半径ri为:其中,表示骨架点qi在点云数据集合P上n个最接近点中的第j个最接近点;获取一个平面,所述平面以骨架点qi和骨架点qi的上一骨架点qi+1的连接线段为法线且经过骨架点qi,将点和骨架点qi的连接线段与所述平面的夹角作为θi,j;步骤S15,计算相邻骨架点qi和qi+1之间圆台的体积Vi为:所述ri+1表示骨架点qi+1所在切面的近似圆半径,qi和qi+1分别表示骨架点qi和qi+1的位置坐标;步骤S16,获取树干质量为:其中,ρ表示树木密度。
树木胸径获取模块基于树干骨架获取树干胸径;树木胸径获取模块选择高度为H的骨架点,计算骨架点在切面的直径,将直径作为树木的胸径,H为正数。
树木冠径获取模块将树叶点集投影在水平面xoy获得二维树叶点集,并基于二维树叶点集获取树木冠径;树木冠径获取模块执行:步骤S21,将树叶点集T投影在水平面xoy获得二维树叶点集T':其中,ti'为(xi',yi'),ti'为二维树叶点集T'中第i个投影点;ti为(xi,yi,zi),ti为树叶点集T中第i个树叶点;步骤S22,在水平面xoy中构建一个矩形,矩形的长与水平面xoy的x轴平行,矩形的宽与水平面xoy的y轴平行,矩形满足如下条件:其中,xleft表示矩形的左下角和左上角的横坐标值,min(x')表示二维树叶点集T'中的最小横坐标值;xright表示矩形的右下角和右上角的横坐标值,max(x')表示二维树叶点集T'中的最大横坐标值;ybuttom表示矩形的左下角和右下角的纵坐标值,min(y')表示二维树叶点集T'中的最小纵坐标值;ytop表示矩形的左上角和右上角的纵坐标值,max(y')表示二维树叶点集T'中的最大纵坐标值;步骤S23,获取矩形的两条对角线交点c,以对角线交点c为中心点在xoy平面上做N条旋转分布的长为l宽为k'·l的矩形条,k'为比例系数,所述k'∈(0,0.5),l表示矩形的对角线长度,获取每个矩形条覆盖的二维树叶点中最远两点的距离,则树木冠径L为:其中,dn'表示第n'个矩形条覆盖的二维树叶点中最远两点的距离,n'为正整数,且n'∈[1,N],N为正整数。
树木株高获取模块获取点云数据中最高点和最低点之间的距离,将距离作为树木株高。
本发明还公开了一种基于点云的树木参数提取系统,包括树木点云扫描设备、以及上述基于点云的树木参数提取装置;点云扫描设备对待测树木进行扫描并将获得的点云数据输出至树木参数提取装置。
本发明还公开了一种树木生长评估系统,包括树木点云扫描设备和评估单元,点云扫描设备对待测树苗进行扫描,点云扫描设备向评估单元输入树苗的点云数据,评估单元按照上述树木生长评估方法对待测树苗的生长进行评估。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包括于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (10)
1.一种基于点云的树木参数提取方法,其特征在于,包括:
获取树木的点云数据,对所述点云数据进行树干树叶分离处理获得树干点集和树叶点集,所述树干点集包括主树干和树枝的数据点;执行步骤S1、S2、S3三者中的全部或部分;
步骤S1,从树干点集中提取树干骨架,基于所述树干骨架获取树干重量和/或树木胸径;
步骤S2,将所述树叶点集投影在水平面xoy获得二维树叶点集,基于所述二维树叶点集获取树木冠径;
步骤S3,获取点云数据中最高点和最低点之间的距离,将所述距离作为树木株高。
2.如权利要求1所述的基于点云的树木参数提取方法,其特征在于,所述树干树叶分离处理的过程包括:
预设存储树干点集的树干集合、存储树叶点集的树叶集合、以及第一半径阈值;
将点云数据中竖直方向的最低点作为树干的根节点放入树干集合,将所有点云数据放入第一数据点集,循环执行步骤A:
所述步骤A为:对于第一数据点集中的数据点,若数据点与树干集合中某一点的距离小于等于第一半径阈值,将所述数据点从第一数据点集中取出放入树干集合,更新树干集合和第一数据点集;若更新后第一数据点集中的数据点与树干集合中的所有数据点的距离均大于第一半径阈值,则停止执行步骤A,将第一数据点集中的数据点作为树叶点放入树叶集合,否则返回继续执行步骤A。
3.如权利要求1所述的基于点云的树木参数提取方法,其特征在于,在所述步骤S1中,通过将点云数据中的数据点向周围点的中心移动直到最终收缩为树干骨架,具体包括:
步骤S12,建立最优化函数为:
其中,I表示数据点的索引集合;k表示点云数据集合中某个数据点要搜索的近邻数据点的数量,为常数;Ni,k表示骨架点qi在集合Q中的k个近邻数据点的下标集合,qj表示骨架点qi的第j个近邻数据点,ψ表示位移控制参数;
步骤S13,通过迭代算法求取最优化函数的最优解得到树干骨架,具体求取骨架点qi的每个近邻数据点的最优位置的过程包括:
步骤S131,求取骨架点qi的第j个近邻数据点qj从第h次迭代位置到第h+1次迭代位置的位移量为:
步骤S133,位置附近的骨架点形成点云,对所述点云进行主成分分析得到第一特征值第二特征值和第三特征值 求取点qj的终止变量σj,若σj>0.99,则停止迭代点qj的位置,以位置作为点qj的最佳位置,若σj≤0.99,令h=h+1,返回步骤S131;
4.如权利要求1所述的基于点云的树木参数提取方法,其特征在于,在所述步骤S1中,获取树干重量的过程为:
其中,表示骨架点qi在点云数据集合P上n个最接近点中的第j个最接近点;获取一个平面,所述平面以骨架点qi和骨架点qi的上一骨架点qi+1的连接线段为法线且经过骨架点qi,将点和骨架点qi的连接线段与所述平面的夹角作为θi,j;
步骤S15,计算相邻骨架点qi和qi+1之间圆台的体积Vi为:
步骤S16,获取树干质量为:
5.如权利要求1所述的基于点云的树木参数提取方法,其特征在于,基于所述树干骨架获取树木胸径的过程为:选择高度为H的骨架点,计算所述骨架点在切面的直径,将所述直径作为树木的胸径,所述H为正数。
6.如权利要求1所述的基于点云的树木参数提取方法,其特征在于,所述步骤S2包括:
步骤S21,将树叶点集T投影在水平面xoy获得二维树叶点集T':
其中,ti'为(xi',yi'),ti'为二维树叶点集T'中第i个投影点;ti为(xi,yi,zi),ti为树叶点集T中第i个树叶点;
步骤S22,在水平面xoy中构建一个矩形,所述矩形的长与水平面xoy的x轴平行,矩形的宽与水平面xoy的y轴平行,所述矩形满足如下条件:
其中,xleft表示矩形的左下角和左上角的横坐标值,min(x')表示二维树叶点集T'中的最小横坐标值;xright表示矩形的右下角和右上角的横坐标值,max(x')表示二维树叶点集T'中的最大横坐标值;ybuttom表示矩形的左下角和右下角的纵坐标值,min(y')表示二维树叶点集T'中的最小纵坐标值;ytop表示矩形的左上角和右上角的纵坐标值,max(y')表示二维树叶点集T'中的最大纵坐标值;
步骤S23,获取矩形的两条对角线交点c,以对角线交点c为中心点在xoy平面上做N条旋转分布的长为l宽为k'·l的矩形条,所述k'为比例系数,所述k'∈(0,0.5),所述l表示矩形的对角线长度,获取每个矩形条覆盖的二维树叶点中最远两点的距离,则树木冠径L为:
其中,dn'表示第n'个矩形条覆盖的二维树叶点中最远两点的距离,n'为正整数,且n'∈[1,N],N为正整数。
7.一种树木生长评估方法,其特征在于,按照权利要求1-6之一所述的基于点云的树木参数提取方法从点云数据中提取树木的树干重量、树木胸径、树木冠径和树木株高四者中的全部或部分,将树干重量、树木胸径、树木冠径、树木株高分别与各自对应的预设标准进行比对判断是否达标。
8.一种基于点云的树木参数提取装置,其特征在于,包括点云存储单元、树干树叶分离模块、树干骨架提取模块,还包括树干重量获取模块、树木胸径获取模块、树木冠径获取模块、树木株高获取模块四者中的全部或部分;
所述点云存储单元分别与树干树叶分离模块和树木株高获取模块连接;所述树干树叶分离模块的树干点集输出端与树干骨架提取模块的输入端连接,树干骨架提取模块的输出端分别与树干重量获取模块的输入端和树木胸径获取模块的输入端连接;所述树干树叶分离模块的树叶点集输出端与树木冠径获取模块的输入端连接;
所述树干树叶分离模块从点云存储单元获取树木的点云数据,对所述点云数据进行树干树叶分离处理后获得树干点集和树叶点集,所述树干点集包括主树干和树枝的数据点;
所述树干骨架提取模块从树干点集中提取树干骨架;
所述树干重量获取模块基于所述树干骨架获取树干重量;
所述树木胸径获取模块基于所述树干骨架获取树干胸径;
所述树木冠径获取模块将所述树叶点集投影在水平面xoy获得二维树叶点集,并基于所述二维树叶点集获取树木冠径;
所述树木株高获取模块获取点云数据中最高点和最低点之间的距离,将所述距离作为树木株高。
9.一种基于点云的树木参数提取系统,其特征在于,包括树木点云扫描设备、以及如权利要求8所述的基于点云的树木参数提取装置;
所述点云扫描设备对待测树木进行扫描并将获得的点云数据输出至树木参数提取装置。
10.一种树木生长评估系统,其特征在于,包括树木点云扫描设备和评估单元,所述点云扫描设备对待测树苗进行扫描,所述点云扫描设备向所述评估单元输入树苗的点云数据,所述评估单元按照权利要求7所述的树木生长评估方法对待测树苗的生长进行评估。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011643775.2A CN112712509B (zh) | 2020-12-31 | 2020-12-31 | 基于点云的树木参数获取方法、生长评估方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011643775.2A CN112712509B (zh) | 2020-12-31 | 2020-12-31 | 基于点云的树木参数获取方法、生长评估方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112712509A true CN112712509A (zh) | 2021-04-27 |
CN112712509B CN112712509B (zh) | 2023-09-01 |
Family
ID=75548059
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011643775.2A Active CN112712509B (zh) | 2020-12-31 | 2020-12-31 | 基于点云的树木参数获取方法、生长评估方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112712509B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101488226A (zh) * | 2008-01-16 | 2009-07-22 | 中国科学院自动化研究所 | 基于单次三维激光扫描的树木测量和重建方法 |
CN102163342A (zh) * | 2011-04-07 | 2011-08-24 | 北京农业信息技术研究中心 | 基于多尺度测量数据的果树形态结构三维重建方法 |
CN103871100A (zh) * | 2014-04-02 | 2014-06-18 | 中国科学院自动化研究所 | 基于点云与数据驱动的树木模型重建方法 |
CN103942838A (zh) * | 2014-05-13 | 2014-07-23 | 福州大学 | 基于点云数据的单树三维建模与形态参数提取的方法 |
CN105405162A (zh) * | 2015-10-16 | 2016-03-16 | 北京师范大学 | 基于局部结构和方向感知的树点云三维重建方法 |
US9390552B1 (en) * | 2013-05-23 | 2016-07-12 | Shenzhen Institutes Of Advanced Technology Chinese Academy Of Sciences | Method and device for extracting skeleton from point cloud |
CN109446986A (zh) * | 2018-10-28 | 2019-03-08 | 南京林业大学 | 一种面向树木激光点云的有效特征抽取与树种识别方法 |
CN110018490A (zh) * | 2019-03-21 | 2019-07-16 | 西安交通大学 | 一种行道树姿态自动识别方法 |
US20200160596A1 (en) * | 2018-04-19 | 2020-05-21 | Zhejiang University | A sketch-based shape-preserving tree animation method |
CN211606647U (zh) * | 2020-04-29 | 2020-09-29 | 南京林业大学 | 一种用于树木病情和长势评估的系统 |
CN112102494A (zh) * | 2020-09-07 | 2020-12-18 | 重庆大学 | 骨架线引导的树状点云表面重建方法及装置 |
-
2020
- 2020-12-31 CN CN202011643775.2A patent/CN112712509B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101488226A (zh) * | 2008-01-16 | 2009-07-22 | 中国科学院自动化研究所 | 基于单次三维激光扫描的树木测量和重建方法 |
CN102163342A (zh) * | 2011-04-07 | 2011-08-24 | 北京农业信息技术研究中心 | 基于多尺度测量数据的果树形态结构三维重建方法 |
US9390552B1 (en) * | 2013-05-23 | 2016-07-12 | Shenzhen Institutes Of Advanced Technology Chinese Academy Of Sciences | Method and device for extracting skeleton from point cloud |
CN103871100A (zh) * | 2014-04-02 | 2014-06-18 | 中国科学院自动化研究所 | 基于点云与数据驱动的树木模型重建方法 |
CN103942838A (zh) * | 2014-05-13 | 2014-07-23 | 福州大学 | 基于点云数据的单树三维建模与形态参数提取的方法 |
CN105405162A (zh) * | 2015-10-16 | 2016-03-16 | 北京师范大学 | 基于局部结构和方向感知的树点云三维重建方法 |
US20200160596A1 (en) * | 2018-04-19 | 2020-05-21 | Zhejiang University | A sketch-based shape-preserving tree animation method |
CN109446986A (zh) * | 2018-10-28 | 2019-03-08 | 南京林业大学 | 一种面向树木激光点云的有效特征抽取与树种识别方法 |
CN110018490A (zh) * | 2019-03-21 | 2019-07-16 | 西安交通大学 | 一种行道树姿态自动识别方法 |
CN211606647U (zh) * | 2020-04-29 | 2020-09-29 | 南京林业大学 | 一种用于树木病情和长势评估的系统 |
CN112102494A (zh) * | 2020-09-07 | 2020-12-18 | 重庆大学 | 骨架线引导的树状点云表面重建方法及装置 |
Non-Patent Citations (7)
Title |
---|
ANLING JIANG等: "Skeleton extraction from point clouds of trees with complex branches via graph contraction", 《THE VISUAL COMPUTER》, vol. 37, pages 2235 - 2251, XP037526768, DOI: 10.1007/s00371-020-01983-6 * |
SHENG WU等: "An Accurate Skeleton Extraction Approach From 3D Point Clouds of Maize Plants", 《FRONTIERS IN PLANT SCIENCE》, vol. 10, pages 1 - 14 * |
周建瓴: "基于k近邻收缩的树木点云骨架线提取研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 4, pages 138 - 779 * |
李涛等: "无人机摄影获取单木三维信息方法研究", 《中南林业科技大学学报》, vol. 39, no. 3, pages 61 - 68 * |
虞思逸等: "利用车载激光扫描的城市森林三维绿量估算", 《测绘科学》, vol. 40, no. 9, pages 82 - 87 * |
赵颖怡等: "基于车载激光点云的行道树固碳量估算研究", 《林业资源管理》, no. 2, pages 131 - 138 * |
郝腾宇等: "基于曲率法线流的树点云骨架提取方法", 《计算机应用研究》, vol. 37, no. 04, pages 1265 - 1270 * |
Also Published As
Publication number | Publication date |
---|---|
CN112712509B (zh) | 2023-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105718945B (zh) | 基于分水岭和神经网络的苹果采摘机器人夜间图像识别方法 | |
CN112381861A (zh) | 一种基于地基激光雷达的林地点云数据配准和分割方法 | |
CN110569786B (zh) | 一种基于无人机数据采集的果树识别和数量监测方法及系统 | |
CN109919930A (zh) | 基于卷积神经网络yolo v3的树上果实数量的统计方法 | |
CN109360236A (zh) | 一种向日葵花盘尺寸测量方法 | |
CN115049793B (zh) | 基于数字孪生的输电线路树木生长可视化预测方法及装置 | |
CN106971409A (zh) | 玉米冠层叶色建模系统及方法 | |
CN111291686B (zh) | 农作物根果表型参数的提取与根果表型判别方法及系统 | |
CN113920106B (zh) | 一种基于rgb-d相机的玉米长势三维重构及茎粗测量方法 | |
KR101810901B1 (ko) | 작물체의 생육 시뮬레이션 장치 | |
CN108229502B (zh) | 一种树冠层的三维点云数据中叶片基点提取方法 | |
CN112712509A (zh) | 基于点云的树木参数获取方法、生长评估方法、装置及系统 | |
CN107194913A (zh) | 一种作物群体最适研究尺度检测方法及装置 | |
CN116225114B (zh) | 一种基于大数据的作物生长可控农业温室智能环控系统及方法 | |
CN106023178B (zh) | 一种基于梯度方向聚类的遥感数据中单棵树的检测方法 | |
CN116933196A (zh) | 多维测井数据异常值智能剔除的方法与系统 | |
Yan et al. | Identification and localization of optimal picking point for truss tomato based on mask r-cnn and depth threshold segmentation | |
CN116433846A (zh) | 一种基于大小和局部混乱距离的林地点云枝叶分离方法 | |
CN112215184B (zh) | 一种基于三维激光扫描仪的油茶果树产量检测方法 | |
CN115146742A (zh) | 适用于场群控制的海上风电场机组分组与旗舰机选取方法 | |
CN115187979A (zh) | 一种基于图论的单木点云枝叶分离方法 | |
CN105470163A (zh) | 一种半导体生产工艺控制系统及分析方法 | |
CN114581450A (zh) | 基于点云图像转换的玉米株高茎粗测量方法及装置 | |
CN113205543A (zh) | 一种基于机器学习的激光雷达点云树干提取方法 | |
Feng et al. | Visual Tracking Method of Tomato Plant Main-Stems for Robotic Harvesting |
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 |