CN113379810A - 一种林地点云数据配准方法、装置、设备及存储介质 - Google Patents

一种林地点云数据配准方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN113379810A
CN113379810A CN202110655528.2A CN202110655528A CN113379810A CN 113379810 A CN113379810 A CN 113379810A CN 202110655528 A CN202110655528 A CN 202110655528A CN 113379810 A CN113379810 A CN 113379810A
Authority
CN
China
Prior art keywords
tree
point
cloud data
points
point set
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
Application number
CN202110655528.2A
Other languages
English (en)
Other versions
CN113379810B (zh
Inventor
刘钱威
王金亮
麻卫峰
周京春
张建鹏
刘广杰
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.)
Yunnan Normal University
Original Assignee
Yunnan Normal University
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 Yunnan Normal University filed Critical Yunnan Normal University
Priority to CN202110655528.2A priority Critical patent/CN113379810B/zh
Publication of CN113379810A publication Critical patent/CN113379810A/zh
Application granted granted Critical
Publication of CN113379810B publication Critical patent/CN113379810B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G06T2207/10044—Radar image

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本发明适用于激光雷达林业遥感应用技术领域，提供一种林地点云数据配准方法、装置、设备及存储介质，方法包括：获取机载激光雷达和地基激光雷达点云数据；生成第一数字表面模型和第二数字表面模型；分别提取第一树高点集和第二树高点集；确定第一树高点集和第二树高点集中相互对应的树高点，并对相互对应的树高点进行第一配准处理；确定第一配准处理后的第一树高点集中的每一树高点分别与第一配准处理后的第二树高点集中的每一树高点之间的距离中满足预设距离要求的树高点，并对满足预设距离要求的树高点进行第二配准处理。本申请通过根据树高点的位置信息、高度以及距离对满足条件的树高点进行第一配准处理和第二配准处理，有效提高配准精度。

Description

一种林地点云数据配准方法、装置、设备及存储介质
技术领域
本发明属于激光雷达林业遥感应用技术领域，尤其涉及一种林地点云数据配准方法、装置、设备及存储介质。
背景技术
激光雷达(Light Detection And Ranging，LiDAR)作为遥感技术之一，可以无破坏的获取林木位置、高度、强度等信息，清晰反映林分的空间结构，在反演、监测和管理森林资源等方面突显优势。LiDAR根据传感器搭载平台不同，常常分为星载激光雷达(SatelliteLaser Scanning,SLS)、机载激光雷达(Airborne Laser Scanning，ALS)和地基激光雷达(Terrestrial Laser Scanning，TLS)，其中，ALS包括无人机激光雷达(Unmanned aerialvehicle Laser Scanning，ULS)。SLS具有大范围获取森林水平和垂直结构的能力，这为全球森林变化研究提供了数据来源，然而其空间分辨率较低，难以适用于单木水平的研究。与之相比，ALS不仅具有扫描范围广、空间分辨率高的优点，还能精确获取上层林木冠层结构，这为反演单木树高、冠幅和生物量等建立前提。然而，ALS也存在着一些缺点。由于它自上而下的扫描方式，导致它不能获取健全的树干树枝数据。此外，当林分密集时，树冠相互遮挡，ALS将很难扫描到下层林冠。TLS则恰好弥补了ALS的缺陷。TLS常常架设在林间实现数据获取，采用自下而上的扫描方式，这表明它可以得到更高密度、更完整的林下结构，比如树干、树枝以及灌木丛等等。通过配准实现两个平台数据的融合，提升数据的完整性，将可能更深的挖掘激光雷达数据在林业应用的潜力。
现有技术ALS与TLS配准时将点云栅格化，手动分割ALS冠层，将获取的冠层边界应用于TLS之中进行分割，最后根据冠层的位置相似性进行配准。
但是，当林分密集时，冠层分割更为困难，配准精度低。
发明内容
本发明实施例的目的在于提供一种林地点云数据配准方法，旨在解决现有技术ALS与TLS配准的配准精度低的技术问题。
本发明实施例是这样实现的，所述林地点云数据配准方法包括：
获取机载激光雷达点云数据和地基激光雷达点云数据；
根据机载激光雷达点云数据生成第一数字表面模型以及根据地基激光雷达点云数据生成第二数字表面模型；
分别提取第一数字表面模型中机载激光雷达点云数据的第一树高点集和第二数字表面模型中地基激光雷达点云数据的第二树高点集；
根据第一树高点集和第二树高点集中每个树高点分别在第一数字表面模型和第二数字表面模型中的位置信息和树高确定第一树高点集和第二树高点集中相互对应的树高点，并对第一树高点集和第二树高点集中相互对应的树高点进行第一配准处理；
确定第一配准处理后的第一树高点集中的每一树高点分别与第一配准处理后的第二树高点集中的每一树高点之间的距离，根据第一配准处理后的第一树高点集中的每一树高点分别与第一配准处理后的第二树高点集中的每一树高点之间的距离，确定满足预设距离要求的树高点，并对满足预设距离要求的树高点进行第二配准处理，从而实现林地点云数据的配准。
本发明实施例的另一目的在于提供一种林地点云数据配准装置，所述林地点云数据配准装置，包括：
获取模块，用于获取机载激光雷达点云数据和地基激光雷达点云数据；
数字表面模型生成模块，用于根据机载激光雷达点云数据生成第一数字表面模型以及根据地基激光雷达点云数据生成第二数字表面模型；
树高点提取模块，用于分别提取第一数字表面模型中机载激光雷达点云数据的第一树高点集和第二数字表面模型中地基激光雷达点云数据的第二树高点集；
第一配准模块，用于根据第一树高点集和第二树高点集中每个树高点分别在第一数字表面模型和第二数字表面模型中的位置信息和树高确定第一树高点集和第二树高点集中相互对应的树高点，并对第一树高点集和第二树高点集中相互对应的树高点进行第一配准处理；
第二配准模块，用于确定第一配准处理后的第一树高点集中的每一树高点分别与第一配准处理后的第二树高点集中的每一树高点之间的距离，根据第一配准处理后的第一树高点集中的每一树高点分别与第一配准处理后的第二树高点集中的每一树高点之间的距离，确定满足预设距离要求的树高点，并对满足预设距离要求的树高点进行第二配准处理。
本发明实施例的另一目的在于提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行上述林地点云数据配准方法的步骤。
本发明实施例的另一目的在于提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行上述林地点云数据配准方法的步骤。
本发明实施例提供的一种林地点云数据配准方法，通过分别根据机载激光雷达点云数据和地基激光雷达点云数据生成第一数字表面模型和第二数字表面模型，然后，分别提取第一数字表面模型中机载激光雷达点云数据的第一树高点集和第二数字表面模型中地基激光雷达点云数据的第二树高点集，再根据第一树高点集和第二树高点集中每个树高点分别在第一数字表面模型和第二数字表面模型中的位置信息和树高确定第一树高点集和第二树高点集中相互对应的树高点，对第一树高点集和第二树高点集中相互对应的树高点进行第一配准处理，最后，再确定第一配准处理后的第一树高点集中的每一树高点分别与第一配准处理后的第二树高点集中的每一树高点之间的距离中满足预设距离要求的树高点，对满足预设距离要求的树高点进行第二配准处理，从而实现林地点云数据的配准，相比于现有技术，不会受林分密集与否的影响，有效提高配准精度。
附图说明
图1为本发明实施例提供的一种林地点云数据配准方法的应用环境图；
图2为本发明实施例提供的一种林地点云数据配准处理的逻辑图；
图3为本发明实施例提供的一种林地点云数据配准装置的结构框图；
图4为本发明实施例提供的第一树高点集在第一数字表面模型中的示意图和第二树高点集在第二数字表面模型中的示意图；
图5为第一树高点集和第二树高点集配准前后的分布示意图；
图6为一个实施例中计算机设备的内部结构框图。
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。
可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但除非特别说明，这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一xx脚本称为第二xx脚本，且类似地，可将第二xx脚本称为第一xx脚本。
图1为本发明实施例提供的林地点云数据配准方法的应用环境图，如图1所示，在该应用环境中，包括激光雷达设备以及计算机设备120。
计算机设备120可以是独立的物理服务器或终端，也可以是多个物理服务器构成的服务器集群，可以是提供云服务器、云数据库、云存储和CDN等基础云计算服务的云服务器。
激光雷达设备包括地基激光雷达111和机载激光雷达112，本发明对地基激光雷达和机载激光雷达的具体形式不做限制，例如，机载激光雷达可以是无人机激光雷达。激光雷达设备与计算机设备120可以通过网络进行通信连接。
如图2所示，在一个实施例中，提出了一种林地点云数据配准方法，本实施例主要以该方法应用于上述图1中的计算机设备120来举例说明。一种林地点云数据配准方法，具体可以包括以下步骤：
步骤S202，获取机载激光雷达点云数据和地基激光雷达点云数据。
在本发明实施例中，由于计算机设备120分别与地基激光雷达111和机载激光雷达112可以进行通信连接，计算机设备120可以分别从机载激光雷达112和地基激光雷达111获取机载激光雷达点云数据和地基激光雷达点云数据。例如，机载激光雷达(以下简称ULS)可以使用大疆经纬M600 Pro无人机搭载VUX-1UAV激光雷达扫描仪实现林区点云数据扫描，在扫描时要架设地面GPS站点，利用DJI GS Pro软件进行航线规划，最后设置飞行参数(如，飞行高度100m，飞行速度10m/s，扫描频率600hz)，起飞扫描样地，经过轨迹解算和点云解算后，点云数据以las格式导出，并可以剪裁为25m*25m的样地；地基激光雷达(以下简称TLS)可以使用Leica P40进行扫描，扫描视角垂直290°，水平360°，最小扫描距离0.4m，最大扫描距离270m，扫描时，首先在样地中心架设第一站，然后在样地中心的东南西北四个方向分别架设一站，实现多站点扫描，TLS点云数据采用Cyclone软件进行拼接，并导出为txt格式，裁剪至20m*20m的样地大小。
步骤S204，根据机载激光雷达点云数据生成第一数字表面模型以及根据地基激光雷达点云数据生成第二数字表面模型。
在本发明实施例中，对关于根据点云数据生成数字表面模型的具体方法不做限制，例如，步骤S204具体可以包括以下步骤：
步骤S302，分别对机载激光雷达点云数据和地基激光雷达点云数据进行地面点识别与滤除处理。
在本发明实施例中，通过分别对机载激光雷达点云数据和地基激光雷达点云数据进行地面点识别与滤除处理，可以确定机载激光雷达点云数据中的非地面点和地基激光雷达点云数据的非地面点。本实施例中对分别对机载激光雷达点云数据和地基激光雷达点云数据进行地面点识别与滤除处理的具体处理方法不做限制，例如，可以利用布料滤波算法分别对机载激光雷达点云数据和地基激光雷达点云数据进行地面点识别与滤除处理。
步骤S304，对机载激光雷达点云数据进行坐标转换，获得机载激光雷达转换坐标后的点云数据。
在本发明实施例中，由于机载激光雷达的点云数据是通过从上向下扫描得到的，地基激光雷达的点云数据是通过从下向上扫描得到的，对于机载激光雷达点云数据和地基激光雷达点云数据的其中一者还需要进行坐标转换。由于地基激光雷达测取的点云数据是以局部坐标(local coordinate system，CS)进行表示的，其原点(0，0)是第一测站所在的位置(样地中心)，因此如果选择将地基激光雷达的点云数据进行坐标转换通常需要很多参数。优选的，选择对机载激光雷达的点云数据进行坐标转换。获得机载激光雷达转换坐标后的点云数据ULSm的具体公式为：
ULSm(i)＝ULSnon-ground(i)-mean(ULSground)，i＝1，2，...，n；
其中，ULSnon-ground(i)为机载激光雷达点云数据中的非地面点，mean(ULSground)为机载激光雷达点云数据中的地面点坐标的平均值，也就是地面点坐标的中心。
步骤S306，将机载激光雷达转换坐标后的点云数据中的非地面点插值生成第一数字表面模型，将地基激光雷达点云数据中的非地面点插值生成第二数字表面模型。
在本发明实施例中，地基激光雷达点云数据通过布料滤波算法滤波去除地面点，可以获得地基激光雷达点云数据的非地面点，通过对地基激光雷达点云数据的非地面点插值生成第二数字表面模型(Digital Surface Model，DSM)影像。机载激光雷达点云数据通过布料滤波算法进行地面点的识别与滤除后，可以获知机载激光雷达点云数据中的地面点和非地面点，从而可以获得机载激光雷达转换坐标后的点云数据ULSm，进而可以获得ULSm的非地面点，通过对ULSm的非地面点插值生成第一数字表面模型。
步骤S206，分别提取第一数字表面模型中机载激光雷达点云数据的第一树高点集和第二数字表面模型中地基激光雷达点云数据的第二树高点集。
在本发明实施例中，可以通过3m*3m的窗口分别在第一数字表面模型中搜索第一树高点集和在第二数字表面模型中搜索第二树高点集。第一树高点集为在第一数字表面模型中搜索的所有树高点集合，第二树高点集为在第二数字表面模型中搜索的所有树高点集合。且，第一数字表面模型为机载激光雷达转换坐标后的点云数据中的非地面点插值生成的，这里第一数字表面模型中机载激光雷达点云数据的第一树高点集指第一数字表面模型中转换坐标后的机载激光雷达点云数据的第一树高点集。如图4所示，为第一树高点集在第一数字表面模型中的示意图和第二树高点集在第二数字表面模型中的示意图。
步骤S208，根据第一树高点集和第二树高点集中每个树高点分别在第一数字表面模型和第二数字表面模型中的位置信息和树高确定第一树高点集和第二树高点集中相互对应的树高点，并对第一树高点集和第二树高点集中相互对应的树高点进行第一配准处理。
在本发明实施例中，已获得第一树高点集在第一数字表面模型中的示意图和第二树高点集在第二数字表面模型中的示意图，可以确定第一树高点集和第二树高点集中每个树高点分别在第一数字表面模型和第二数字表面模型中的位置信息；根据图中树高点的颜色可以确定每个树高点对应单木的树高。从而可以根据第一数字表面模型中每个树高点的位置信息和树高与第二数字表面模型中每个树高点的位置信息和树高之间的相似性确定第一树高点集和第二树高点集中相互对应的树高点。第一树高点集和第二树高点集中相互对应的树高点指当第一数字表面模型中某个树高点的位置信息和树高与第二数字表面模型中某个树高点的位置信息和树高均相似，说明这两个树高点可能为同一颗单木，则这两个树高点相互对应。
在本发明实施例中，对根据第一树高点集和第二树高点集中每个树高点分别在第一数字表面模型和第二数字表面模型中的位置信息和树高确定第一树高点集和第二树高点集中相互对应的树高点，并对第一树高点集和第二树高点集中相互对应的树高点进行第一配准处理的具体方法不做限制，例如，步骤S208具体可以包括以下步骤：
步骤S402，搜索第一树高点集中与第二树高点集中相互对应的树高点，得到机载激光雷达树高点集合Q和地基激光雷达树高点集合P：
Q＝{q1，q2，...，qn}，P＝{p1，p2，...，pn}，其中，集合Q中的每一个树高点与集合P中的每一个树高点一一对应。
在本发明实施例中，第一树高点集和第二树高点集中每个树高点分别在第一数字表面模型和第二数字表面模型中的位置信息可以是树高点与样地中心的距离。可以认为同一颗单木距离样地中心的位置是相近的，例如，如图4所示，r1约等于R1，同样的r2约等于R2以及r3约等于R3，同时同一颗单木对应树高点的高度也应该相似。本发明实施例对搜索第一树高点集中与第二树高点集中相互对应的树高点的具体方法不做限制，例如，步骤S402具体可以包括以下步骤：
步骤S502，分别计算第一树高点集THULS中与第二树高点集THTLS中的每个树高点与样地中心的距离d(TLS)和d(ULS)，d(TLS)和d(ULS)的公式如下：
Figure BDA0003113544050000091
在本发明实施例中，在计算d(ULS)之前，可以先剔除THULS中与样地中心距离大于20米的点，然后对THULS中剩余的每一树高点以及THTLS中的每一树高点进行去中心化处理，更新(x，y)坐标。去中心化的公式如下：
Figure BDA0003113544050000101
其中TH(x，y，i)表示THTLS中或THULS中第i个树高点的(x，y)坐标。
步骤S504，计算d(TLS)与d(ULS)的差：D＝d(TLS)-d(ULS)。
在本发明实施例中，计算d(TLS)与d(ULS)的差是指针对THTLS的每一个树高点计算其每一个树高点的d(TLS)与THULS中每一个树高点的d(ULS)之间的差。
步骤S506，搜索满足D小于r的两树高点，其中r为预设约束值。
在本发明实施例中，r为一个预设常数，当两个树高点的D小于r，则说明这两个树高点分别与其样地中心的距离相近似，其在位置信息上判断可能相互对应同一颗单木。当然，如果THTLS的一个树高点的d(TLS)与THULS中每一个树高点的d(ULS)之间的差均不能满足小于r，说明THULS中没有与该树高点相对应的对象。
步骤S508，当找到满足D小于r的两树高点，判断Rat是否符合Rat阈值，
Figure BDA0003113544050000102
其中THTLS(z，i)和THULS(z，i)分别为THTLS和THULS中树高点的树高。
在本发明实施例中，当找到满足D小于r的两树高点，只是判断这两个树高点在位置上的相似性，还需要进一步判断这两个树高点高度的相似性。通过构建Rat(i)，计算两个树高点高度的比值Rat，然后将两个树高点高度的比值Rat与预设的Rat阈值进行对比。Rat阈值为预设常数值。判断Rat是否符合Rat阈值指判断Rat是否在阈值范围内。
步骤S510，当Rat符合Rat阈值，则该两树高点为相互对应的树高点。
在本发明实施例中，当Rat在Rat阈值范围内，说明两树高点的高度也相似，则两个树高点可能对应同一颗原木，从而可以确定该两个树高点为相互对应的树高点。
步骤S404，计算集合Q和集合P的旋转向量R1和平移向量t1。
在本发明实施例中，计算集合Q和集合P的旋转向量R1和平移向量t1的具体公式包括：
(1)R1和t1的关系表达式为：
Figure BDA0003113544050000111
其中wi是每个树高点的权重；
(2)集合Q和集合P的加权质心的计算公式为：
Figure BDA0003113544050000112
(3)中心向量的计算公式为：
Figure BDA0003113544050000113
(4)协方差矩阵的计算公式为：S＝XWYT，其中X是以xi为列的矩阵，Y是以yi为列的矩阵，W＝diag(w1，w2，...，wn)；
(5)对S进行奇异值分解：S＝U∑VT；
(6)旋转向量为：
Figure BDA0003113544050000114
平移向量即为：
Figure BDA0003113544050000115
步骤S406，根据旋转向量R1和平移向量t1确定第一配准后的树高点traQ1：traQ1＝qi*R1+t1。
本发明实施例提供的一种林地点云数据配准方法，通过根据当第一树高点集中和第二树高点集中树高点的位置信息和树高均相似时，两树高点可能对应同一单木，得到相互对应的集合Q和集合P，然后对集合Q和集合P进行配准处理，从而实现第一配准处理。如图5所示，为第一树高点集和第二树高点集配准前后的分布示意图。
步骤S210，确定第一配准处理后的第一树高点集中的每一树高点分别与第一配准处理后的第二树高点集中的每一树高点之间的距离，根据第一配准处理后的第一树高点集中的每一树高点分别与第一配准处理后的第二树高点集中的每一树高点之间的距离，确定满足预设距离要求的树高点，并对满足预设距离要求的树高点进行第二配准处理，从而实现林地点云数据的配准。
在本发明实施例中，在对第一树高点集和第二树高点集中的树高点进行第一配准处理后的粗配准后，还需要对粗配准后的树高点数据进一步精配准处理。步骤S210具体可以包括以下步骤：
步骤S602，计算集合T＝{t1，t2，...，tk}中的每一个树高点分别与集合U＝{u1，u2，...，un}中每一个树高点的距离，计算公式为：
Figure BDA0003113544050000121
其中，T为第一配准后第一树高点集中树高点的集合，U为第一配准后第二树高点集中树高点的集合。
在本发明实施例中，k为集合T中树高点的总数，n为集合U中树高点的画总数。(由于ULS数据裁剪的样地范围是25m，TLS样地范围是20m，ULS的范围更大，包含的树更多，检测出来的点更多。这里的T集合是TLS的点，经过粗配准后，只是坐标发生变化，但是数量没有发生变化，是比ULS的点少的。)
步骤S604，针对集合T中的每个树高点，确定DT-U的最小值DT-Umin。
在本发明实施例中，由于计算的是集合T中每一个树高点分别与集合U中每一个树高点的距离，也就是说集合T中的某一个树高点与集合U中的每一个树高点均计算DT-U，集合T中的每一个树高点均对应多个DT-U值。经过第一配准后集合U中与集合T中距离最近的两个树高点可能为同一颗单木对应的树高点，所以确定集合T中的每一个树高点均对应多个DT-U值中的最小值DT-Umin。
步骤S606，搜索满足DT-Umin小于DT-U阈值的树高点集，DT-U阈值为预设常数。
在本发明实施例中经过第一配准后集合U中与集合T中距离最近的两个树高点只是可能为同一颗单木对应的树高点，为提高配准精度还需要进一步搜索，搜索满足DT-Umin小于DT-U阈值的树高点集，满足DT-Umin小于DT-U阈值的树高点集是包括多对满足DT-Umin小于DT-U阈值的树高点的集合。本实施例对DT-U阈值的具体取值不做限制，例如，使DT-U阈值的取值近似于林地中单木最小冠幅。
在本发明实施例中，优选地，还可以进一步计算TLS中树高点与ULS对应树高点距离的平均值，例如，假设a是TLS树高点中的一个，经过粗配准后，可能存在一个ULS的树高点b，和a共同代表着同一颗树，它俩的距离为d，同样的，TLS中有k个这样的树高点，就有k个d值，这个平均距离，就是k个d值得平均值。如果TLS中树高点与ULS对应树高点距离的平均值小于0.5m，则迭代步骤S10，直至该平均值满足预设条件。
步骤S608，将满足DT-Umin小于DT-U阈值的树高点集进行奇异值分解，获得旋转矩阵R2和平移矩阵t2；
在本发明实施例中，对将满足DT-Umin小于DT-U阈值的树高点集进行奇异值分解的具体方法不做限制，例如可以使步骤S404中的方法。
步骤S610，根据旋转矩阵R2和平移矩阵t2确定第二配准后的树高点traQ2：traQ2＝qi*R2+t2。
本发明实施例提供的一种林地点云数据配准方法，通过分别根据机载激光雷达点云数据和地基激光雷达点云数据生成第一数字表面模型和第二数字表面模型，然后，分别提取第一数字表面模型中机载激光雷达点云数据的第一树高点集和第二数字表面模型中地基激光雷达点云数据的第二树高点集，再根据第一树高点集和第二树高点集中每个树高点分别在第一数字表面模型和第二数字表面模型中的位置信息和树高确定第一树高点集和第二树高点集中相互对应的树高点，对第一树高点集和第二树高点集中相互对应的树高点进行第一配准处理，最后，再确定第一配准处理后的第一树高点集中的每一树高点分别与第一配准处理后的第二树高点集中的每一树高点之间的距离中满足预设距离要求的树高点，对满足预设距离要求的树高点进行第二配准处理，从而实现林地点云数据的配准，相比于现有技术，不会受林分密集与否的影响，有效提高配准精度。
如图3所示，在一个实施例中，提供了一种林地点云数据配准装置，该林地点云数据配准装置可以集成于上述的计算机设备120中，具体可以包括获取模块710、数字表面模型生成模块720、树高点提取模块730、第一配准模块740、第二配准模块750。
获取模块710，用于获取机载激光雷达点云数据和地基激光雷达点云数据；
数字表面模型生成模块720，用于根据机载激光雷达点云数据生成第一数字表面模型以及根据地基激光雷达点云数据生成第二数字表面模型；
树高点提取模块730，用于分别提取第一数字表面模型中机载激光雷达点云数据的第一树高点集和第二数字表面模型中地基激光雷达点云数据的第二树高点集；
第一配准模块740，用于根据第一树高点集和第二树高点集中每个树高点分别在第一数字表面模型和第二数字表面模型中的位置信息和树高确定第一树高点集和第二树高点集中相互对应的树高点，并对第一树高点集和第二树高点集中相互对应的树高点进行第一配准处理；
第二配准模块750，用于确定第一配准处理后的第一树高点集中的每一树高点分别与第一配准处理后的第二树高点集中的每一树高点之间的距离，根据第一配准处理后的第一树高点集中的每一树高点分别与第一配准处理后的第二树高点集中的每一树高点之间的距离，确定满足预设距离要求的树高点，并对满足预设距离要求的树高点进行第二配准处理。
本发明实施例提供的一种林地点云数据配准装置，其所包含的获取模块710、数字表面模型生成模块720、树高点提取模块730、第一配准模块740、第二配准模块750的功能实现与上文林地点云数据配准方法中的步骤S202、步骤S204、步骤S206、步骤S208、步骤S210一一对应，对于该林地点云数据配准装置的具体解释以及相关细化、优化的内容参见上文林地点云数据配准方法中的具体实施例，此处不再赘述。
图6示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是图1中的终端110(或服务器120)。如图6所示，该计算机设备包括该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现林地点云数据配准方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行林地点云数据配准方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，本申请提供的林地点云数据配准装置可以实现为一种计算机程序的形式，计算机程序可在如图6所示的计算机设备上运行。计算机设备的存储器中可存储组成该林地点云数据配准装置的各个程序模块，比如，图3所示的获取模块710、数字表面模型生成模块720、树高点提取模块730、第一配准模块740、第二配准模块750。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的林地点云数据配准方法中的步骤。
例如，图6所示的计算机设备可以通过如图3所示的林地点云数据配准装置中的获取模块710执行步骤S202。计算机设备可通过数字表面模型生成模块720执行步骤S204。计算机设备可通过树高点提取模块730执行步骤S206。计算机设备可通过第一配准模块740执行步骤S208。计算机设备可通过第二配准模块750执行步骤S210。
在一个实施例中，提出了一种计算机设备，所述计算机设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
步骤S202，获取机载激光雷达点云数据和地基激光雷达点云数据；
步骤S204，根据机载激光雷达点云数据生成第一数字表面模型以及根据地基激光雷达点云数据生成第二数字表面模型；
步骤S206，分别提取第一数字表面模型中机载激光雷达点云数据的第一树高点集和第二数字表面模型中地基激光雷达点云数据的第二树高点集；
步骤S208，根据第一树高点集和第二树高点集中每个树高点分别在第一数字表面模型和第二数字表面模型中的位置信息和树高确定第一树高点集和第二树高点集中相互对应的树高点，并对第一树高点集和第二树高点集中相互对应的树高点进行第一配准处理；
步骤S210，确定第一配准处理后的第一树高点集中的每一树高点分别与第一配准处理后的第二树高点集中的每一树高点之间的距离，根据第一配准处理后的第一树高点集中的每一树高点分别与第一配准处理后的第二树高点集中的每一树高点之间的距离，确定满足预设距离要求的树高点，并对满足预设距离要求的树高点进行第二配准处理，从而实现林地点云数据的配准。
在一个实施例中，提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时，使得处理器执行以下步骤：
步骤S202，获取机载激光雷达点云数据和地基激光雷达点云数据；
步骤S204，根据机载激光雷达点云数据生成第一数字表面模型以及根据地基激光雷达点云数据生成第二数字表面模型；
步骤S206，分别提取第一数字表面模型中机载激光雷达点云数据的第一树高点集和第二数字表面模型中地基激光雷达点云数据的第二树高点集；
步骤S208，根据第一树高点集和第二树高点集中每个树高点分别在第一数字表面模型和第二数字表面模型中的位置信息和树高确定第一树高点集和第二树高点集中相互对应的树高点，并对第一树高点集和第二树高点集中相互对应的树高点进行第一配准处理；
步骤S210，确定第一配准处理后的第一树高点集中的每一树高点分别与第一配准处理后的第二树高点集中的每一树高点之间的距离，根据第一配准处理后的第一树高点集中的每一树高点分别与第一配准处理后的第二树高点集中的每一树高点之间的距离，确定满足预设距离要求的树高点，并对满足预设距离要求的树高点进行第二配准处理，从而实现林地点云数据的配准。
应该理解的是，虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种林地点云数据配准方法，其特征在于，所述林地点云数据配准方法包括：
获取机载激光雷达点云数据和地基激光雷达点云数据；
根据机载激光雷达点云数据生成第一数字表面模型以及根据地基激光雷达点云数据生成第二数字表面模型；
分别提取第一数字表面模型中机载激光雷达点云数据的第一树高点集和第二数字表面模型中地基激光雷达点云数据的第二树高点集；
根据第一树高点集和第二树高点集中每个树高点分别在第一数字表面模型和第二数字表面模型中的位置信息和树高确定第一树高点集和第二树高点集中相互对应的树高点，并对第一树高点集和第二树高点集中相互对应的树高点进行第一配准处理；
确定第一配准处理后的第一树高点集中的每一树高点分别与第一配准处理后的第二树高点集中的每一树高点之间的距离，根据第一配准处理后的第一树高点集中的每一树高点分别与第一配准处理后的第二树高点集中的每一树高点之间的距离，确定满足预设距离要求的树高点，并对满足预设距离要求的树高点进行第二配准处理，从而实现林地点云数据的配准。
2.根据权利要求1所述的一种林地点云数据配准方法，其特征在于，根据机载激光雷达点云数据生成第一数字表面模型以及根据地基激光雷达点云数据生成第二数字表面模型，包括：
分别对机载激光雷达点云数据和地基激光雷达点云数据进行地面点识别与滤除处理；
对机载激光雷达点云数据进行坐标转换，获得机载激光雷达转换坐标后的点云数据；
将机载激光雷达转换坐标后的点云数据中的非地面点插值生成第一数字表面模型，将地基激光雷达点云数据中的非地面点插值生成第二数字表面模型。
3.根据权利要求2所述的一种林地点云数据配准方法，其特征在于，利用布料滤波算法分别对机载激光雷达点云数据和地基激光雷达点云数据进行地面点识别与滤除处理。
4.根据权利要求2所述的一种林地点云数据配准方法，其特征在于，对机载激光雷达点云数据进行坐标转换，获得机载激光雷达转换坐标后的点云数据ULSm的具体公式为：
ULSm(i)＝ULSnon-ground(i)-mean(ULSground)，i＝1，2，…，n；
其中，ULSnon-ground(i)为机载激光雷达点云数据中的非地面点，mean(ULSground)为机载激光雷达点云数据中的地面点的平均值。
5.根据权利要求1所述的一种林地点云数据配准方法，其特征在于，根据第一树高点集和第二树高点集中每个树高点分别在第一数字表面模型和第二数字表面模型中的位置信息和树高确定第一树高点集和第二树高点集中相互对应的树高点，并对第一树高点集和第二树高点集中相互对应的树高点进行第一配准处理，包括：
搜索第一树高点集中与第二树高点集中相互对应的树高点，得到机载激光雷达树高点集合Q和地基激光雷达树高点集合P：
Q＝{q1，q2，...，qn}，P＝{p1，p2，...，pn}，其中，集合Q中的每一个树高点与集合P中的每一个树高点一一对应；
计算集合Q和集合P的旋转向量R1和平移向量t1；
根据旋转向量R1和平移向量t1确定第一配准后的树高点traQ1：
traQ1＝qi*R1+t1。
6.根据权利要求5所述的一种林地点云数据配准方法，其特征在于，搜索第一树高点集中与第二树高点集中相互对应的树高点，包括：
分别计算第一树高点集THULS中与第二树高点集THTLS中的每个树高点与样地中心的距离d(TLS)和d(ULS)：
Figure FDA0003113544040000031
Figure FDA0003113544040000032
计算d(TLS)与d(ULS)的差：D＝d(TLS)-d(ULS)；
搜索满足D小于r的两树高点，其中r为预设约束值；
当找到满足D小于r的两树高点，判断Rat是否符合Rat阈值，
Figure FDA0003113544040000033
其中THTLS(z，i)和THULS(z，i)分别为THTLS和THULS中树高点的树高；
当Rat符合Rat阈值，则该两树高点为相互对应的树高点。
7.根据权利要求1所述的一种林地点云数据配准方法，其特征在于，确定第一配准处理后的第一树高点集中的每一树高点分别与第一配准处理后的第二树高点集中的每一树高点之间的距离，根据第一配准处理后的第一树高点集中的每一树高点分别与第一配准处理后的第二树高点集中的每一树高点之间的距离，确定满足预设距离要求的树高点，并对满足预设距离要求的树高点进行第二配准处理，包括：
计算集合T＝{t1，t2，...，tk}中的每一个树高点分别与集合U＝{u1，u2，...，un}中每一个树高点的距离，计算公式为:
Figure FDA0003113544040000034
其中，T为第一配准后第一树高点集中树高点的集合，U为第一配准后第二树高点集中树高点的集合；
针对集合T中的每个树高点，确定DT-U的最小值DT-Umin；
搜索满足DT-Umin小于DT-U阈值的树高点集，DT-U阈值为预设常数；
将满足DT-Umin小于DT-U阈值的树高点集进行奇异值分解，获得旋转矩阵R2和平移矩阵t2；
根据旋转矩阵R2和平移矩阵t2确定第二配准后的树高点traQ2：
traQ2＝qi*R2+t2。
8.一种林地点云数据配准装置，其特征在于，所述林地点云数据配准装置，包括：
获取模块，用于获取机载激光雷达点云数据和地基激光雷达点云数据；
数字表面模型生成模块，用于根据机载激光雷达点云数据生成第一数字表面模型以及根据地基激光雷达点云数据生成第二数字表面模型；
树高点提取模块，用于分别提取第一数字表面模型中机载激光雷达点云数据的第一树高点集和第二数字表面模型中地基激光雷达点云数据的第二树高点集；
第一配准模块，用于根据第一树高点集和第二树高点集中每个树高点分别在第一数字表面模型和第二数字表面模型中的位置信息和树高确定第一树高点集和第二树高点集中相互对应的树高点，并对第一树高点集和第二树高点集中相互对应的树高点进行第一配准处理；
第二配准模块，用于确定第一配准处理后的第一树高点集中的每一树高点分别与第一配准处理后的第二树高点集中的每一树高点之间的距离，根据第一配准处理后的第一树高点集中的每一树高点分别与第一配准处理后的第二树高点集中的每一树高点之间的距离，确定满足预设距离要求的树高点，并对满足预设距离要求的树高点进行第二配准处理。
9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1至7中任一项权利要求所述林地点云数据配准方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行权利要求1至7中任一项权利要求所述林地点云数据配准方法的步骤。
CN202110655528.2A 2021-06-11 2021-06-11 一种林地点云数据配准方法、装置、设备及存储介质 Active CN113379810B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110655528.2A CN113379810B (zh) 2021-06-11 2021-06-11 一种林地点云数据配准方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110655528.2A CN113379810B (zh) 2021-06-11 2021-06-11 一种林地点云数据配准方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN113379810A true CN113379810A (zh) 2021-09-10
CN113379810B CN113379810B (zh) 2024-05-24

Family

ID=77574090

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110655528.2A Active CN113379810B (zh) 2021-06-11 2021-06-11 一种林地点云数据配准方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN113379810B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10029804B1 (en) * 2015-05-14 2018-07-24 Near Earth Autonomy, Inc. On-board, computerized landing zone evaluation system for aircraft
CN108594262A (zh) * 2018-07-05 2018-09-28 南京林业大学 一种结合无人机和地基激光雷达提取树高的方法
CN110221311A (zh) * 2019-06-11 2019-09-10 南京林业大学 基于tls和uav自动化提取高郁闭林分树高的方法
WO2020109666A1 (en) * 2018-11-30 2020-06-04 Prefor Oy Method and system for generating forestry data
WO2020213787A1 (ko) * 2019-04-19 2020-10-22 서울대학교산학협력단 라이다 측량자료를 이용한 숲틈 모니터링 시스템 및 방법
CN112200846A (zh) * 2020-10-23 2021-01-08 东北林业大学 融合无人机影像与地基雷达点云的林分因子提取方法
CN112381861A (zh) * 2020-09-18 2021-02-19 南京航空航天大学 一种基于地基激光雷达的林地点云数据配准和分割方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10029804B1 (en) * 2015-05-14 2018-07-24 Near Earth Autonomy, Inc. On-board, computerized landing zone evaluation system for aircraft
CN108594262A (zh) * 2018-07-05 2018-09-28 南京林业大学 一种结合无人机和地基激光雷达提取树高的方法
WO2020109666A1 (en) * 2018-11-30 2020-06-04 Prefor Oy Method and system for generating forestry data
WO2020213787A1 (ko) * 2019-04-19 2020-10-22 서울대학교산학협력단 라이다 측량자료를 이용한 숲틈 모니터링 시스템 및 방법
CN110221311A (zh) * 2019-06-11 2019-09-10 南京林业大学 基于tls和uav自动化提取高郁闭林分树高的方法
CN112381861A (zh) * 2020-09-18 2021-02-19 南京航空航天大学 一种基于地基激光雷达的林地点云数据配准和分割方法
CN112200846A (zh) * 2020-10-23 2021-01-08 东北林业大学 融合无人机影像与地基雷达点云的林分因子提取方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
SADADI OJOATRE等: "Assessing the UnAssessing the Uncertainty of Tree Height andcertainty of Tree Height and Aboveground Biomass From Terrestrial Laser Scanner and Hypsometer Using Airborne LiDAR Data in Tropical Rainforests", IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING, vol. 12, no. 10 *
代婷婷: "基于UAV和TLS的林木参数提取", 中国优秀硕士学位论文全文数据库 农业科技辑, no. 05 *
林鑫;庞勇;李春干;: "无人机密集匹配点云与机载激光雷达点云的差异分析", 林业资源管理, no. 03 *

Also Published As

Publication number Publication date
CN113379810B (zh) 2024-05-24

Similar Documents

Publication Publication Date Title
KR101933216B1 (ko) 드론과 공간정보를 이용한 하천지형정보 생성 방법
Lin et al. Mini-UAV-borne LIDAR for fine-scale mapping
Dai et al. Automated fusion of forest airborne and terrestrial point clouds through canopy density analysis
Di et al. Automatic shoreline extraction from high-resolution IKONOS satellite imagery
Jaakkola et al. A low-cost multi-sensoral mobile mapping system and its feasibility for tree measurements
Kwong et al. Tree height mapping and crown delineation using LiDAR, large format aerial photographs, and unmanned aerial vehicle photogrammetry in subtropical urban forest
CN111179274B (zh) 地图地面分割方法、装置、计算机设备和存储介质
CN111323788B (zh) 建筑物变化的监测方法、装置及计算机设备
Kidd et al. Derivation of sky-view factors from lidar data
Kwak et al. Registration of aerial imagery and aerial LiDAR data using centroids of plane roof surfaces as control information
Li et al. Feature extraction and modeling of urban building from vehicle-borne laser scanning data
CN111458691B (zh) 建筑物信息的提取方法、装置及计算机设备
Zhou et al. Comparison of UAV-based LiDAR and digital aerial photogrammetry for measuring crown-level canopy height in the urban environment
Rouzbeh Kargar et al. Stem and root assessment in mangrove forests using a low-cost, rapid-scan terrestrial laser scanner
Heinimann et al. Pre-harvest assessment based on LiDAR data
CN117455963A (zh) 一种天然林区地基机载激光点云配准方法
CN113379810B (zh) 一种林地点云数据配准方法、装置、设备及存储介质
Chen et al. A clustering-based automatic registration of UAV and terrestrial LiDAR forest point clouds
Vitti et al. Geometry accuracy of DSM in water body margin obtained from an RGB camera with NIR band and a multispectral sensor embedded in UAV
Kwoczyńska et al. Elaboration of the 3D model and survey of the power lines using data from airborne laser scanning
Cömert et al. Object based building extraction and building period estimation from unmanned aerial vehicle data
KR102210344B1 (ko) 3d 정밀 스캐너 기반 현지조사 및 보완측량을 활용한 수치지형도 제작 방법
Zimmermann et al. Accuracy assessment of normalized digital surface models from aerial images regarding tree height determination in Saxony, Germany
Zeybek et al. Investigation of landslide-based road surface deformation in mountainous areas with single period UAV data
Sefercik et al. Point-based and model-based geolocation analysis of airborne laser scanning data

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