CN115880354B - 一种基于点云自适应切片的计算树冠体积的方法 - Google Patents

一种基于点云自适应切片的计算树冠体积的方法 Download PDF

Info

Publication number
CN115880354B
CN115880354B CN202310189097.4A CN202310189097A CN115880354B CN 115880354 B CN115880354 B CN 115880354B CN 202310189097 A CN202310189097 A CN 202310189097A CN 115880354 B CN115880354 B CN 115880354B
Authority
CN
China
Prior art keywords
crown
slice
point cloud
tree crown
area
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
CN202310189097.4A
Other languages
English (en)
Other versions
CN115880354A (zh
Inventor
田亚铃
周恒可
李吉
赵兴
李海旺
熊鹰
郭彩玲
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.)
Chengdu Aeronautic Polytechnic
Chengdu Technological University CDTU
Original Assignee
Chengdu Aeronautic Polytechnic
Chengdu Technological University CDTU
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 Chengdu Aeronautic Polytechnic, Chengdu Technological University CDTU filed Critical Chengdu Aeronautic Polytechnic
Priority to CN202310189097.4A priority Critical patent/CN115880354B/zh
Publication of CN115880354A publication Critical patent/CN115880354A/zh
Application granted granted Critical
Publication of CN115880354B publication Critical patent/CN115880354B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Image Processing (AREA)
  • Image Generation (AREA)

Abstract

本申请提出了一种基于点云自适应切片的计算树冠体积的方法，涉及点云数据领域。一种基于点云自适应切片的计算树冠体积的方法包括：获取完整树冠点云数据，然后对完整树冠点云数据进行树冠等距切片；改进Graham凸包算法通过离散化格林公式计算树冠点云切片面积；通过计算相邻切片面积及切片分类进行树冠自适应切片；再次进行改进Graham凸包算法通过离散化格林公式计算树冠点云切片面积；通过台体与锥体计算公式计算树冠体积。通过使用改进的Graham凸包算法计算树冠点云切片面积，根据相邻树冠点云切片面积随高度变化率自适应确定切片厚度与切片数量，并利用台体与锥体公式计算树冠体积，以期实现树冠体积的精细化计算。

Description

一种基于点云自适应切片的计算树冠体积的方法
技术领域
本申请涉及点云数据领域，具体而言，涉及一种基于点云自适应切片的计算树冠体积的方法。
背景技术
无人机通过搭载小型喷雾系统，可以实现跨地形、高效率植保作业，其作业效率是普通植保机械的3倍以上。同时，作业人员通过远程遥控，精确控制无人机飞行速度、高度以及施药量，不仅避免了人工施药对操作者造成的伤害，也减少了农药的使用，降低环境污染。在无人机施药技术中，根据树木三维点云模型获取树冠体积参数进而确定施药量是施药技术中重要的一步，精确的计算树冠体积并与施药量关联，生成施药量处方，有差别有区分的施药可为无人机精准施药提供理论依据。
运用三维激光扫描仪确定树冠体积参数指导无人机施药技术，可实现地空资源结合。三维激光扫描技术可快速、高密度、高精度获得树冠三维结构信息，并通过软件建立目标树的三维模型，已经广泛应用于树木胸径、树冠表面积和树冠体积等测树因子的估算。目前，基于三维激光点云数据进行树冠体积计算的方法主要有体元法与切片法，韦雪花等利用体元法计算树冠的体积，因忽略内部结构枝叶遮挡的点云数据，其计算结果往往相较于真实情况偏小。基于切片法计算树冠体积是将树冠自上而下分为不同的层，每个切片的面积可以通过基于几何、计算几何或网格化来确定，通过累加每个层的体积得到最终的树冠体积。其树冠体积计算的准确性关键在于切片面积计算的准确性和分层的数量。程钢等基于切片法提出一种改进
Figure SMS_1
算法的树冠体积计算方法，通过动态选取每个点云切片的阈值/>
Figure SMS_2
，无论对高密度还是低密度树冠都具有很好的稳定性，林松等基于切片法提出了一种改进过滤三角网的树冠体积计算方法，可剔除树冠点云切片外部存在的空隙。两种算法均采用均匀切片的思想进行求解，充分考虑了边长动态阈值的重要性。然而，相同或不同物种的单个树木的树冠形状和大小存在差异，且对树冠体积的计算有很大的影响，因此不适合在垂直方向以均匀厚度切片树冠点云，在树冠切片区域，相邻冠层切片面积变化相对缓慢的无需单独成层。董亚涵等基于切片法提出了一种迭代渐进的凸包算法计算树冠体积，通过设定合理的边长阈值，有效收缩了树冠点云切片边界空白区域，但根据不同的边长阈值所获得的树冠点云切片面积并不相同。
发明内容
本申请的目的在于提供一种基于点云自适应切片的计算树冠体积的方法，其能够通过使用改进的Graham凸包算法计算树冠点云切片面积，根据相邻树冠点云切片面积随高度变化率自适应确定切片厚度与切片数量，并利用台体与锥体公式计算树冠体积，以期实现树冠体积的精细化计算。
本申请的另一目的在于提供一种基于点云自适应切片的计算树冠体积的系统，其能够运行一种基于点云自适应切片的计算树冠体积的方法。
本申请的实施例是这样实现的：
第一方面，本申请实施例提供一种基于点云自适应切片的计算树冠体积的方法，其包括获取完整树冠点云数据，然后对完整树冠点云数据进行树冠等距切片；改进Graham凸包算法通过离散化格林公式计算树冠点云切片面积；通过计算相邻切片面积及切片分类进行树冠自适应切片；再次进行改进Graham凸包算法通过离散化格林公式计算树冠点云切片面积；通过台体与锥体计算公式计算树冠体积。
在本申请的一些实施例中，上述改进Graham凸包算法通过离散化格林公式计算树冠点云切片面积包括：
A1.对树冠点云切片使用Graham凸包算法进行外层凸包构建，生成初始凸包边界点集；
A2.以初始凸包边界的每条边线两端点之间的间距为直径作圆形区域，基于夹角寻找圆内树冠点中与直径端点组成最小余弦值的点作为新边界点，插入边界点集；
A3.重复步骤A2直至所有边以该边为直径的圆内无树冠点，迭代完成，将更新后的边界顶点储存到新的点集
Figure SMS_3
中。
A4.遍历点集
Figure SMS_4
中所有边界点，基于MATLAB求解器寻找经过所有点的最短唯一路径，构建最终树冠点云切片外轮廓。
A5.离散化格林公式计算每层树冠点云切片面积。
在本申请的一些实施例中，上述离散化格林公式计算每层树冠点云切片面积包括：
Figure SMS_5
式中，S为冠层切片面积，k为单层树冠边界点总点数，
Figure SMS_6
为i点的二维投影坐标，/>
Figure SMS_7
)为i+1点的二维投影坐标。
在本申请的一些实施例中，上述重复步骤A2直至所有边以该边为直径的圆内无树冠点，迭代完成，将更新后的边界顶点储存到新的点集
Figure SMS_8
中还包括：若圆内仍存在树冠点，则基于夹角寻找最小余值点，插入并更新边界点集。
在本申请的一些实施例中，上述通过计算相邻切片面积及切片分类进行树冠自适应切片包括：
B1.对树冠点云数据按高程方向进行等间距分层，将树冠切片中少于3个点的切片与上一层合并，记录初始分层数量；
B2.使用改进Graham凸包算法计算各层树冠点云切片面积；
B3.依次计算相邻树冠点云切片的面积比值、所有面积比值的算数平均值以及所有面积比值的标准偏差；
B4.将计算结果代入预设公式中，以所有相邻树冠点云切片面积比值的平均值为起点，以标准偏差为间距进行切片，获得切片分类结果；
B5.最终统计自适应切片得到的切片总数量以及各层的厚度。
在本申请的一些实施例中，上述包括通过如下公式计算相邻树冠点云切片的面积比值Pi：
Figure SMS_9
其中，Pi为面积比值，Si为切片面积；
通过如下公式计算所有面积比值的算数平均值Pave：
Figure SMS_10
通过如下公式计算所有面积比值的标准偏差Psd：
Figure SMS_11
式中，Si、Si-1为第i、i-1层切片面积，Pi为第i层切片与第i-1层切片的面积比值，Pave为所有面积比值的算数平均值，Psd为所有面积比值的标准偏差，N为初始分层切片数量。
在本申请的一些实施例中，上述还包括将计算结果代入如下公式中，以所有相邻树冠点云切片面积比值的平均值为起点，以标准偏差为间距进行切片，如果相邻切片满足R（i）、R（i-1）,则认为相邻树冠点云切片的形状和面积相似，并进行合并，否则，认为相邻树冠点云切片的形状和面积变化较大，切片单独成层，R（i）、R（i-1）为第i、i-1层切片分类结果：
Figure SMS_12
式中，Round为只保留参数整数部分的取整函数。
在本申请的一些实施例中，上述通过台体与锥体计算公式计算树冠体积还包括：将树冠体积划分为n层，改进的Graham凸包算法计算每层切片面积，累加各层树冠点云之间的体积可求得整个树冠的体积，基于台体与锥体公式如下公式计算树冠体积，即将整个树冠视为由许多个台体和顶部一个圆锥体的几何体，树冠体积等于前n-1个台体和n个锥体的总和：
Figure SMS_13
式中，V为树冠体积，n为树冠切片的总数量，
Figure SMS_14
、/>
Figure SMS_15
为每层树冠切片面积，/>
Figure SMS_16
为第i层切片高度，/>
Figure SMS_17
为第n层切片面积，/>
Figure SMS_18
为第n层切片高度。
第二方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如一种基于点云自适应切片的计算树冠体积的方法中任一项的方法。
相对于现有技术，本申请的实施例至少具有如下优点或有益效果：
本方法确保了每层切片的厚度和切片数量与树冠自身的形状和大小相适应，同时有效缩小树冠点云切片边界空隙，得到较为准确的树冠点云切片面积，从而达到精细化计算树冠体积的目的。为提高算法的适用性和稳定性，运用Trimble TX8三维激光扫描仪采集树木完整点云数据，同时应用多棵高精度树木三维模型数据集，对形状不一的树木的树冠点云数据进行了实例分析，计算树冠体积精度高，相较于已有的其他方法，其结果介于Graham凸包算法和体元法之间，树冠体积值更接近真值。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种基于点云自适应切片的计算树冠体积的方法流程示意图；
图2为本申请实施例提供的Graham凸包算法提取的树冠点云切片边界示意图；
图3为本申请实施例提供的改进Graham凸包算法一次迭代后提取的树冠点云切片边界示意图；
图4为本申请实施例提供的改进Graham凸包算法最终提取的树冠点云切片边界示意图；
图5为本申请实施例提供的树冠点云顶层示意图；
图6为本申请实施例提供的中层切片示意图；
图7为本申请实施例提供的底层切片示意图；
图8为本申请实施例提供的树冠自适应切片分类结果示意图；
图9为本申请实施例提供的图8所展示的第一层切片示意图；
图10为本申请实施例提供的图8所展示的第二层切片示意图；
图11为本申请实施例提供的图8所展示的第三层切片示意图；
图12为本申请实施例提供的图8所展示的第四层切片示意图；
图13为本申请实施例提供的一种电子设备。
图标：101-存储器；102-处理器；103-通信接口。
实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
需要说明的是，术语“包括”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的各个实施例及实施例中的各个特征可以相互组合。
实施例
请参阅图1，图1为本申请实施例提供的一种基于点云自适应切片的计算树冠体积的方法流程示意图，其如下所示：
1.1改进Graham凸包算法计算树冠点云切片面积
平面上
Figure SMS_19
个点的凸包是包含这/>
Figure SMS_20
个点的最小简单凸多边形，它是描述物体形状和提取特征的重要结构之一，已经广泛应用于逆向工程、图像处理、不规则三角网的生成和现代化农业等领域。目前在众多计算平面离散点集凸包的算法中，Graham凸包法是其中较为常用的算法，Graham凸包法首先以点集中位于最左下角的点为原点建立坐标系，将其他点和原点连线与X轴的夹角从小到大进行排序，然后对排序完成的点集作出栈和压栈操作，最终得到一个逆时针排列有序的凸包顶点。有限的凸包顶点所形成的凸包边界存在较大空隙，迭代渐进的凸包算法虽然在一定程度上去除了树冠边缘轮廓存在的间隙，但没有统一的边长阈值选取原则，在取值过大时得到的树冠切片外轮廓依然含有空白区域。基于此，本申请对初始凸包边界进行每条边的迭代收缩，直至所有边以该边为直径的圆内无树冠点，进阶收缩树冠点云切片外轮廓空隙，避免动态阈值对于树冠点云切片外轮廓描述导致的切片面积精度不一问题。改进Graham凸包算法计算树冠点云切片面积的具体步骤如下：
（1）对树冠点云切片使用Graham凸包算法进行外层凸包构建，生成初始凸包边界点集。
（2）以初始凸包边界的每条边线两端点之间的间距为直径作圆形区域，基于夹角寻找圆内树冠点中与直径端点组成最小余弦值的点作为新边界点，插入边界点集。
（3）重复步骤（2）直至所有边以该边为直径的圆内无树冠点，迭代完成，将更新后的边界顶点储存到新的点集
Figure SMS_21
中。
（4）遍历点集
Figure SMS_22
中所有边界点，基于MATLAB求解器寻找经过所有点的最短唯一路径，构建最终树冠点云切片外轮廓。
（5）离散化格林公式（见式（1））计算每层树冠点云切片面积。
Figure SMS_23
（1）
式中：S为冠层切片面积；K为单层树冠边界点总点数；
Figure SMS_24
为/>
Figure SMS_25
点的二维投影坐标；/>
Figure SMS_26
)为i+1点的二维投影坐标。
图2为Graham凸包算法提取的树冠点云切片边界，图3为改进Graham凸包算法一次迭代后提取的树冠点云切片边界，图4为改进Graham凸包算法最终提取的树冠点云切片边界。图5、图6、图7分别为树冠点云顶层、中层和底层切片边界提取的结果，其中外围黑色边界线是基于Graham凸包算法提取的边界，内部红色边界线是基于改进Graham凸包算法提取的边界。分析图2至图7可知，改进的Graham凸包算法提取的树冠点云切片边界去除了外部轮廓存在较大的空隙，更符合树冠点云切片的实际边缘轮廓。
1.2树冠自适应切片
树冠的形状和大小对树冠体积计算影响较大，从而影响无人机施药量预测，使用等间距切片的方法很难为树冠点云的每一层确定合适的切片厚度，取决于树冠形状和大小的不同结果证实了需要更具体的树冠点云切片方法，为此本申请提出了一种根据相邻树冠点云切片的面积随高度的变化率自适应确定树冠点云切片厚度和切片数量的切片方法，仅当沿高程方向的树冠点云切片面积变化较大时才创建切片，该方法可以反映出树冠点云在垂直方向上的变化，保证每层树冠点云切片的形状和面积差异较小，确保树冠点云切片厚度和切片数量与树冠本身的形状和大小相适应，实现树冠点云的合理性切片。树冠自适应切片算法步骤具体如下：
（1）对树冠点云数据按高程方向进行等间距分层，本申请使用初始分层间距
Figure SMS_27
的值。由于树冠点云数据切片后部分切片存在不足3个点的情况，而改进的Graham凸包算法构建树冠点云切片边界至少需要3个点，因此将树冠切片中少于3个点的切片与上一层合并，记录初始分层数量N。
（2）使用改进Graham凸包算法计算各层树冠点云切片面积
Figure SMS_28
。
（3）依次计算相邻树冠点云切片的面积比值
Figure SMS_29
（见式（2））、所有面积比值的算数平均值/>
Figure SMS_30
（见式（3））以及所有面积比值的标准偏差/>
Figure SMS_31
（见式（4））。
Figure SMS_32
（2）
Figure SMS_33
（3）
Figure SMS_34
（4）
式中：
Figure SMS_35
、/>
Figure SMS_40
为第/>
Figure SMS_43
、/>
Figure SMS_37
层切片面积；/>
Figure SMS_38
为第/>
Figure SMS_42
层切片与第/>
Figure SMS_44
层切片的面积比值；/>
Figure SMS_36
为所有面积比值的算数平均值；/>
Figure SMS_39
为所有面积比值的标准偏差；/>
Figure SMS_41
为初始分层切片数量。
（4）将上述计算结果代入公式（5）中，以所有相邻树冠点云切片面积比值的平均值为起点，以标准偏差为间距进行切片，如果相邻切片满足
Figure SMS_45
,则认为相邻树冠点云切片的形状和面积相似，并进行合并，否则，认为相邻树冠点云切片的形状和面积变化较大，切片单独成层。/>
Figure SMS_46
、/>
Figure SMS_47
为第/>
Figure SMS_48
、/>
Figure SMS_49
层切片分类结果。/>
Figure SMS_50
（5）
式中：
Figure SMS_51
为只保留参数整数部分的取整函数。
（5）最终统计自适应切片得到的切片总数量
Figure SMS_52
以及各层的厚度/>
Figure SMS_53
。
树冠自适应切片分类结果如图8所示，其中图9、图10、图11、图12分别代表切片合并的4层切片，经改进的Graham凸包算法计算的面积分别为8.451 m2、8.542 m2、7.556 m2、7.807 m2，相邻切片形状和面积差别不大。I是初始分层结果，分层数量164层，II是自适应分层结果，分层数量74层。
1.3树冠体积计算
使用上述树冠自适应切片方法，将树冠体积划分为n层，改进的Graham凸包算法计算每层切片面积，累加各层树冠点云之间的体积可求得整个树冠的体积，本申请基于台体与锥体公式（见式（6））计算树冠体积，即将整个树冠视为由许多个台体和顶部一个圆锥体的几何体，树冠体积等于前
Figure SMS_54
个台体和第n个锥体的总和。
Figure SMS_55
（6）
式中：
Figure SMS_57
为树冠体积，/>
Figure SMS_59
为树冠切片的总数量，/>
Figure SMS_63
、S（i-1）为每层树冠切片面积，/>
Figure SMS_56
为第/>
Figure SMS_60
层切片高度，/>
Figure SMS_62
为第/>
Figure SMS_64
层切片面积，/>
Figure SMS_58
为第/>
Figure SMS_61
层切片高度。
实施例
如图13所示，本申请实施例提供一种电子设备，其包括存储器101，用于存储一个或多个程序；处理器102。当一个或多个程序被处理器102执行时，实现如上述第一方面中任一项的方法。
还包括通信接口103，该存储器101、处理器102和通信接口103相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器101可用于存储软件程序及模块，处理器102通过执行存储在存储器101内的软件程序及模块，从而执行各种功能应用以及数据处理。该通信接口103可用于与其他节点设备进行信令或数据的通信。
其中，存储器101可以是但不限于，随机存取存储器101（Random Access Memory，RAM），只读存储器101（Read Only Memory，ROM），可编程只读存储器101（ProgrammableRead-Only Memory，PROM），可擦除只读存储器101（Erasable Programmable Read-OnlyMemory，EPROM），电可擦除只读存储器101（Electric Erasable Programmable Read-OnlyMemory，EEPROM）等。
处理器102可以是一种集成电路芯片，具有信号处理能力。该处理器102可以是通用处理器102，包括中央处理器102（Central Processing Unit，CPU）、网络处理器102（Network Processor，NP）等；还可以是数字信号处理器102（Digital Signal Processing，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field－Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本申请所提供的实施例中，应该理解到，所揭露的方法，也可以通过其它的方式实现。以上所描述的方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的方法、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
另一方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器102执行时实现如上述第一方面中任一项的方法。所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器101（ROM，Read-Only Memory）、随机存取存储器101（RAM，RandomAccess Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
综上所述，本申请实施例提供的一种基于点云自适应切片的计算树冠体积的方法，本方法确保了每层切片的厚度和切片数量与树冠自身的形状和大小相适应，同时有效缩小树冠点云切片边界空隙，得到较为准确的树冠点云切片面积，从而达到精细化计算树冠体积的目的。为提高算法的适用性和稳定性，运用Trimble TX8三维激光扫描仪采集树木完整点云数据，同时应用多棵高精度树木三维模型数据集，对形状不一的树木的树冠点云数据进行了实例分析，计算树冠体积精度高，相较于已有的其他方法，其结果介于Graham凸包算法和体元法之间，树冠体积值更接近真值。
以上仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其它的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (6)

1.一种基于点云自适应切片的计算树冠体积的方法，其特征在于，包括：
获取完整树冠点云数据，然后对完整树冠点云数据进行树冠等距切片；
改进Graham凸包算法通过离散化格林公式计算树冠点云切片面积；
通过计算相邻切片面积及切片分类进行树冠自适应切片，计算方法包括，对树冠点云数据按高程方向进行等间距分层，将树冠切片中少于3个点的切片与上一层合并，记录初始分层数量；使用改进Graham凸包算法计算各层树冠点云切片面积；依次计算相邻树冠点云切片的面积比值、所有面积比值的算数平均值以及所有面积比值的标准偏差；将计算结果代入预设公式中，以所有相邻树冠点云切片面积比值的平均值为起点，以标准偏差为间距进行切片，获得切片分类结果；最终统计自适应切片得到的切片总数量以及各层的厚度；
再次进行改进Graham凸包算法通过离散化格林公式计算树冠点云切片面积，先对树冠点云切片使用Graham凸包算法进行外层凸包构建，生成初始凸包边界点集，以初始凸包边界的每条边线两端点之间的间距为直径作圆形区域，基于夹角寻找圆内树冠点中与直径端点组成最小余弦值的点，插入边界点集，在边界点集中继续以两端点之间的间距为直径作圆形区域，基于夹角寻找圆内树冠点中与直径端点组成最小余弦值的点插入边界点集，直至所有边以迭代的边为直径的圆内无树冠点，迭代完成，将更新后的边界点储存到新的点集Q中，遍历点集Q中所有边界点，基于MATLAB求解器寻找经过所有边界点的最短唯一路径，构建最终树冠点云切片外轮廓，离散化格林公式计算每层树冠点云切片面积，计算公式为：
Figure FDA0004203421300000021
式中，S为冠层切片面积，k为单层树冠边界点总点数，(xi,yi)为i点的二维投影坐标，(X(i+1),Y(i+1))为i+1点的二维投影坐标；
通过台体与锥体计算公式计算树冠体积。
2.如权利要求1所述的一种基于点云自适应切片的计算树冠体积的方法，其特征在于，所述基于夹角寻找圆内树冠点中与直径端点组成最小余弦值的点，插入边界点集直至所有边以该边为直径的圆内无树冠点，迭代完成，将更新后的边界点储存到新的点集Q中还包括：
若圆内仍存在树冠点，则基于夹角寻找最小余值点，插入并更新边界点集。
3.如权利要求1所述的一种基于点云自适应切片的计算树冠体积的方法，其特征在于，包括通过如下公式计算相邻树冠点云切片的面积比值Pi：
Figure FDA0004203421300000022
其中，Pi为面积比值，Si为切片面积；
通过如下公式计算所有面积比值的算数平均值Pave：
Figure FDA0004203421300000023
通过如下公式计算所有面积比值的标准偏差Psd：
Figure FDA0004203421300000031
式中，Si、Si-1为第i、i-1层切片面积，Pi为第i层切片与第i-1层切片的面积比值，Pave为所有面积比值的算数平均值，Psd为所有面积比值的标准偏差，N为初始分层切片数量。
4.如权利要求3所述的一种基于点云自适应切片的计算树冠体积的方法，其特征在于，包括将计算结果代入如下公式中，以所有相邻树冠点云切片面积比值的平均值为起点，以标准偏差为间距进行切片，如果相邻切片满足R(i)＝R(i-1),则认为相邻树冠点云切片的形状和面积相似，并进行合并，否则，认为相邻树冠点云切片的形状和面积变化较大，切片单独成层，R(i)、R(i-1)为第i、i-1层切片分类结果：
Figure FDA0004203421300000032
Figure FDA0004203421300000033
式中，Round为只保留参数整数部分的取整函数，i是切片。
5.如权利要求1所述的一种基于点云自适应切片的计算树冠体积的方法，其特征在于，所述通过台体与锥体计算公式计算树冠体积还包括：
将树冠体积划分为n层，改进的Graham凸包算法计算每层切片面积，累加各层树冠点云之间的体积可求得整个树冠的体积，基于台体与锥体公式如下公式计算树冠体积，即将整个树冠视为由许多个台体和顶部一个圆锥体的几何体，树冠体积等于前n-1个台体和n个锥体的总和：
Figure FDA0004203421300000041
式中：V为树冠体积，n为树冠切片的总数量，Si、S(i-1)为每层树冠切片面积，hi为第i层切片高度，Sn为第n层切片面积，hn为第n层切片高度。
6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-5中任一项所述的方法。
CN202310189097.4A 2023-03-02 2023-03-02 一种基于点云自适应切片的计算树冠体积的方法 Active CN115880354B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310189097.4A CN115880354B (zh) 2023-03-02 2023-03-02 一种基于点云自适应切片的计算树冠体积的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310189097.4A CN115880354B (zh) 2023-03-02 2023-03-02 一种基于点云自适应切片的计算树冠体积的方法

Publications (2)

Publication Number Publication Date
CN115880354A CN115880354A (zh) 2023-03-31
CN115880354B true CN115880354B (zh) 2023-05-30

Family

ID=85761781

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310189097.4A Active CN115880354B (zh) 2023-03-02 2023-03-02 一种基于点云自适应切片的计算树冠体积的方法

Country Status (1)

Country Link
CN (1) CN115880354B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113776429A (zh) * 2021-07-21 2021-12-10 武汉市异方体科技有限公司 一种车载物料体积测量方法
CN114078189A (zh) * 2020-08-21 2022-02-22 中国科学院沈阳自动化研究所 基于机器学习方法的点阵模型增材制造的自适应填充方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016123201A1 (en) * 2015-01-27 2016-08-04 The Trustees Of The University Of Pennsylvania Systems, devices, and methods for robotic remote sensing for precision agriculture
EP4289347A3 (en) * 2016-06-19 2024-03-06 Aclarion, Inc. Magnetic resonance spectroscopy system and method for diagnosing pain or infection associated with propionic acid
US10891482B2 (en) * 2018-07-10 2021-01-12 Adroit Robotics Systems, devices, and methods for in-field diagnosis of growth stage and crop yield estimation in a plant area
US11446009B2 (en) * 2018-12-11 2022-09-20 Eko.Ai Pte. Ltd. Clinical workflow to diagnose heart disease based on cardiac biomarker measurements and AI recognition of 2D and doppler modality echocardiogram images
WO2020121014A1 (en) * 2018-12-11 2020-06-18 Eko.Ai Pte. Ltd. Automatic clinical workflow that recognizes and analyzes 2d and doppler modality echocardiogram images for automatic cardiac measurements and the diagnosis, prediction and prognosis of heart disease
US20220072792A1 (en) * 2018-12-29 2022-03-10 Beijing University Of Technology 3d printing method employing adaptive internal support structure
CN110653166B (zh) * 2019-10-08 2021-10-22 河南科技大学 一种水果检测分级方法与装置
CN111122777B (zh) * 2019-12-12 2022-02-11 北京农业智能装备技术研究中心 一种植株冠层生物量测量系统及方法
US11915366B2 (en) * 2021-04-27 2024-02-27 The Regents Of The University Of California Per-plant aerial image data analytics method and devices
CN114925329A (zh) * 2022-04-29 2022-08-19 中山大学 一种浮游植物群落变化的标示方法及其应用
CN115205690B (zh) * 2022-09-14 2022-12-06 深圳大学 基于mls点云数据的行道树单体化提取方法及装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114078189A (zh) * 2020-08-21 2022-02-22 中国科学院沈阳自动化研究所 基于机器学习方法的点阵模型增材制造的自适应填充方法
CN113776429A (zh) * 2021-07-21 2021-12-10 武汉市异方体科技有限公司 一种车载物料体积测量方法

Also Published As

Publication number Publication date
CN115880354A (zh) 2023-03-31

Similar Documents

Publication Publication Date Title
CN108416785B (zh) 面向封闭空间的拓扑分割方法及装置
CN102306396B (zh) 一种三维实体模型表面有限元网格自动生成方法
CN110599506B (zh) 一种复杂异形曲面机器人三维测量的点云分割方法
CN104240251B (zh) 一种基于密度分析的多尺度点云噪声检测方法
CN105719249B (zh) 一种基于三维格网的机载激光雷达点云去噪方法
CN106570468A (zh) 一种重建LiDAR原始点云建筑物轮廓线的方法
CN102779147B (zh) 用于导航设备的数据库、输出地形三维表示的方法以及产生数据库的方法
CN106934826B (zh) 一种岩质边坡结构精细化建模及块体识别方法
CN105513127A (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
CN108919295A (zh) 机载LiDAR点云道路信息提取方法及装置
CN104574303A (zh) 基于空间聚类的机载LiDAR点云地面滤波方法
CN108303037A (zh) 一种基于点云分析的工件表面形状差异的检测方法及装置
CN111710022B (zh) 一种避免轮廓相交的快速成型切片处理方法
CN103136535A (zh) 一种用于点云简化的k近邻搜索方法
CN109934120B (zh) 一种基于空间密度和聚类的分步点云噪声去除方法
CN115661374B (zh) 一种基于空间划分和模型体素化的快速检索方法
CN114332291A (zh) 一种倾斜摄影模型建筑物外轮廓规则提取方法
CN113610983A (zh) 一种离散点空间曲面三角网格自动剖分方法
CN105069845A (zh) 基于曲面变化的点云精简方法
CN109191484B (zh) 一种从机载激光雷达点云中快速提取平面片的方法
CN115880354B (zh) 一种基于点云自适应切片的计算树冠体积的方法
CN114862715A (zh) 一种融合地形特征语义信息的tin渐进加密去噪方法
Liu Robust segmentation of raw point clouds into consistent surfaces
CN111583406A (zh) 杆塔脚基点坐标计算方法、装置及终端设备
CN109785261B (zh) 一种基于灰度体元模型的机载lidar三维滤波方法

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