CN118097035B - 利用地基激光雷达的罗汉松三维精细化建模方法 - Google Patents
利用地基激光雷达的罗汉松三维精细化建模方法 Download PDFInfo
- Publication number
- CN118097035B CN118097035B CN202410501732.2A CN202410501732A CN118097035B CN 118097035 B CN118097035 B CN 118097035B CN 202410501732 A CN202410501732 A CN 202410501732A CN 118097035 B CN118097035 B CN 118097035B
- Authority
- CN
- China
- Prior art keywords
- crown
- arhat
- pine
- point
- arhat pine
- 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
- 235000008331 Pinus X rigitaeda Nutrition 0.000 title claims abstract description 138
- 235000011613 Pinus brutia Nutrition 0.000 title claims abstract description 138
- 241000018646 Pinus brutia Species 0.000 title claims abstract description 138
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000000926 separation method Methods 0.000 claims abstract description 46
- 235000011171 Thladiantha grosvenorii Nutrition 0.000 claims abstract description 42
- 241000218689 Podocarpus Species 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 6
- 240000007332 Podocarpus macrophyllus Species 0.000 claims description 5
- 235000016408 Podocarpus macrophyllus Nutrition 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 241001518985 Brachychiton discolor Species 0.000 claims description 2
- 244000185386 Thladiantha grosvenorii Species 0.000 claims 6
- 235000013399 edible fruits Nutrition 0.000 claims 6
- 241001409321 Siraitia grosvenorii Species 0.000 abstract description 36
- 238000010586 diagram Methods 0.000 description 5
- 238000009499 grossing Methods 0.000 description 4
- 241000894007 species Species 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000010413 gardening Methods 0.000 description 1
- 230000012010 growth Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Landscapes
- Image Processing (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明涉及计算机图形学和农业信息化技术领域,特别是涉及利用地基激光雷达的罗汉松三维精细化建模方法,包括:获取罗汉松的地基激光雷达点云数据,并基于地基激光雷达点云数据对罗汉松进行冠干分离,获取罗汉松冠干分离结果;基于罗汉松冠干分离结果提取罗汉松的枝干骨架结构,并以枝干骨架结构作为约束,构建罗汉松枝干三维模型;基于罗汉松冠干分离结果对罗汉松的树冠进行分割,获取若干罗汉松树冠点簇;基于罗汉松树冠点簇构建罗汉松单个树冠三维模型,并通过地基激光雷达点云数据将罗汉松枝干三维模型和罗汉松单个树冠三维模型进行结合,获取罗汉松三维模型。本发明实现了对罗汉松精细化三维模型的快速精确重建。
Description
技术领域
本发明涉及计算机图形学和农业信息化技术领域,特别是涉及利用地基激光雷达的罗汉松三维精细化建模方法。
背景技术
罗汉松为罗汉松科罗汉松属常绿树种,罗汉松喜温暖、湿润气候,较耐阴,易造型,主要分布于中国长江以南地区,是优良的园林绿化树种和庭院观赏树种。近年来,造型苗木越来越受市场青睐,尤其是在家庭园艺应用上。精确重建具有真实感的罗汉松三维树木模型有助于增强造型苗木市场真实感。而且,具有真实感的罗汉松三维树木模型也是虚拟网络场景中最具有代表性的自然景观模型。因此,构建具有真实感的罗汉松三维树木模型一直是计算机图形学、农业信息化等领域的热点问题。
地基激光雷达技术能够高密度、高精度地采集罗汉松树木的三维坐标和反射强度等信息,详细刻画了罗汉松树木的三维空间结构,为其三维精细化几何重建提供了理想的遥感数据源,已被广泛应用于农林植物生长监测、林业资源清查和森林资源监测等领域。
纵观近些年研究状况,主流的树木三维重建方法主要包括:基于多视图立体重建的方法、基于语法结构建模的方法和基于骨架结构建模的方法。基于多视图立体重建的方法是在获取树木影像序列的基础上,利用计算机视觉算法通过立体匹配的方式实现树木三维重建。这种重建方法受光照、遮挡等因素影响严重。基于语法结构的重建方法是对树木具有共性特征进行描述,通过模拟多细胞有机体生长进行建模。然而,现实中树种的差异、树枝之间的几何形态和拓扑关系的差异,树木的几何形态和类型难以用单一的语法结构进行描述。基于骨架结构建模的方法则更多关注树枝的几何形状和拓扑关系,通过骨架结构实现树木精细化的表达。
现有的技术缺陷:与基于多视图立体重建的方法和基于语法结构建模的方法相比,基于骨架结构建模的方法直接在三维点云进行枝干和树冠的三维重建,没有任何信息丢失,是实现罗汉松三维精细模型重建的理想方案。而且,当前树木三维重建方案更多关注的是枝干三维重建,并未针对罗汉松树冠设计有效的重建方法。因此,直接利用地基激光雷达点云数据进行罗汉松三维精细化模型构建是很有必要的。
发明内容
本发明的目的是提供利用地基激光雷达的罗汉松三维精细化建模方法,结合点云强度信息采用人机交互的方式对多站拼接的地基激光雷达点云数据进行罗汉松冠干分离;并提取树干骨架结构作为约束,进行罗汉松树干和树枝的局部精细化三维重建;对罗汉松树冠结构进行分割,并利用增量法三维凸包算法对分割得到的每一个小的罗汉松树冠进行凸包点计算,得到罗汉松树冠精细化模型,实现了对罗汉松精细化三维模型的快速精确重建。
为实现上述目的,本发明提供了如下方案:
利用地基激光雷达的罗汉松三维精细化建模方法,包括:
获取罗汉松的地基激光雷达点云数据,并基于所述地基激光雷达点云数据对所述罗汉松进行冠干分离,获取罗汉松冠干分离结果;
基于所述罗汉松冠干分离结果提取所述罗汉松的枝干骨架结构,并以所述枝干骨架结构作为约束,构建罗汉松枝干三维模型;
基于所述罗汉松冠干分离结果对所述罗汉松的树冠进行分割,获取若干罗汉松树冠点簇;
基于所述罗汉松树冠点簇构建罗汉松单个树冠三维模型,并通过所述地基激光雷达点云数据将所述罗汉松枝干三维模型和罗汉松单个树冠三维模型进行结合,获取罗汉松三维模型。
可选地,基于所述地基激光雷达点云数据对所述罗汉松进行冠干分离,获取罗汉松冠干分离结果包括:
预设所述地基激光雷达点云数据的强度阈值,基于所述强度阈值对所述罗汉松进行初步冠干分离,获取罗汉松初步冠干分离结果;
对所述罗汉松初步冠干分离结果进行修正,获取所述罗汉松冠干分离结果。
可选地,基于所述强度阈值对所述罗汉松进行初步冠干分离的方法为:
其中,表示第/>个点的类别,0对应树冠,1对应枝干,/>表示点云反射强度,/>表示阈值。
可选地,基于所述罗汉松冠干分离结果提取所述罗汉松的枝干骨架结构包括:
利用拉普拉斯平滑提取所述罗汉松的初步枝干骨架结构;
利用均匀采样对所述初步枝干骨架结构进行下采样过滤,再利用Prim算法对下采样过滤后的初步枝干骨架结构进行处理,获取无向图表示的树干骨架点拓扑关系;
将所述无向图表示的树干骨架点拓扑关系转换为有向图表示,获取所述罗汉松的枝干骨架结构。
可选地,以所述枝干骨架结构作为约束,构建罗汉松枝干三维模型包括:
在所述枝干骨架结构中的每个枝干骨架点预设范围内进行三维圆拟合,并依次将相邻枝干骨架点拟合的三维圆上的点顺序连接为四边形,获取所述罗汉松枝干三维模型。
可选地,基于所述罗汉松冠干分离结果对所述罗汉松的树冠进行分割,获取若干罗汉松树冠点簇包括:
S1、通过树冠点云预设基准点和距离阈值;
S2、计算所述树冠点云中每个点与所述基准点的距离,若所述距离小于所述距离阈值,则判定所述点与所述基准点属于同一罗汉松树冠点簇,否则,则不属于;
S3、重复S1-S2,直至所述树冠点云中的所有点均作为基准点被遍历,完成所述罗汉松树冠的分割,获取若干罗汉松树冠点簇。
可选地,基于所述罗汉松树冠点簇构建罗汉松单个树冠三维模型包括:
选择每个罗汉松树冠点簇中相互距离最远的四个点构建初始四面体,其中,所述四个点不同面,所述四个点中的任意三点不同线,任意两点不共点;
基于所述初始四面体对所述罗汉松树冠点簇中剩下的点进行判断,并根据判断结果构建所述罗汉松单个树冠三维模型。
可选地,根据判断结果构建所述罗汉松单个树冠三维模型包括:
若所述罗汉松树冠点簇中的点在所述罗汉松树冠点簇的初始四面体内部,则跳过该点,若在外部,则求解可视面以及可视面与不可视面的临界边缘,并将所述临界边缘与该点进行连线构成网格,遍历所述罗汉松树冠点簇中所有的点,获取多面体网格表示的所述罗汉松单个树冠三维模型。
本发明的有益效果为:
本发明结合点云强度信息采用人机交互的方式对多站拼接的地基激光雷达点云数据进行罗汉松冠干分离,为后续设计罗汉松冠干的不同建模方案提供数据基础;利用拉普拉斯平滑方法对罗汉松枝干骨架结构进行提取,并以提取的树干骨架结构作为约束,实现罗汉松树干和树枝的局部精细化三维重建;执行基于三维点云的欧氏聚类对罗汉松树冠结构进行分割,得到一系列小的罗汉松树冠点簇;利用增量法三维凸包算法对分割得到的每一个小的罗汉松树冠进行凸包点计算,并以凸包点进行德劳内(Delaunay)三角剖分得到罗汉松树冠精细化模型;不仅可以大大节省罗汉松精细化三维建模的人力和时间成本,而且对局部点云数据缺失和点云密度变化不敏感,实现了对罗汉松精细化三维模型的快速精确重建。本发明的研究成果将为罗汉松单木形态结构可视化表达提供了一种新颖、高效的方法,并为精准的林业管理提供了有益的参考。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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的附图。
图1为本发明实施例的利用地基激光雷达的罗汉松三维精细化建模方法流程图;
图2为本发明实施例的罗汉松冠干分类结果示意图;
图3为本发明实施例的树干骨架点的最小生成树生成示意图;
图4为本发明实施例的复杂分叉树干的分叉点定位示意图;
图5为本发明实施例的罗汉松树冠自动分割结果示意图;
图6为本发明实施例的罗汉松精细三维模型示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
本实施例提供了利用地基激光雷达的罗汉松三维精细化建模方法,如图1所示,包括:
步骤1、获取罗汉松的地基激光雷达点云数据,并基于地基激光雷达点云数据对罗汉松进行冠干分离,获取罗汉松冠干分离结果;
具体的,基于地基激光雷达点云数据对罗汉松进行冠干分离,获取罗汉松冠干分离结果包括:预设地基激光雷达点云数据的强度阈值,基于强度阈值对罗汉松进行初步冠干分离,获取罗汉松初步冠干分离结果;对罗汉松初步冠干分离结果进行修正,获取罗汉松冠干分离结果。
步骤2、基于罗汉松冠干分离结果提取罗汉松的枝干骨架结构,并以枝干骨架结构作为约束,构建罗汉松枝干三维模型;
具体的,基于罗汉松冠干分离结果提取罗汉松的枝干骨架结构包括:
利用拉普拉斯平滑提取罗汉松的初步枝干骨架结构;
利用均匀采样对初步枝干骨架结构进行下采样过滤,再利用Prim算法对下采样过滤后的初步枝干骨架结构进行处理,获取无向图表示的树干骨架点拓扑关系;
将无向图表示的树干骨架点拓扑关系转换为有向图表示,获取罗汉松的枝干骨架结构。
具体的,以枝干骨架结构作为约束,构建罗汉松枝干三维模型包括:
在枝干骨架结构中的每个枝干骨架点预设范围内进行三维圆拟合,并依次将相邻枝干骨架点拟合的三维圆上的点顺序连接为四边形,获取罗汉松枝干三维模型。
步骤3、基于罗汉松冠干分离结果对罗汉松的树冠进行分割,获取若干罗汉松树冠点簇;
具体的,基于罗汉松冠干分离结果对罗汉松的树冠进行分割,获取若干罗汉松树冠点簇包括:
S1、通过树冠点云预设基准点和距离阈值;
S2、计算树冠点云中每个点与基准点的距离,若距离小于距离阈值,则判定点与基准点属于同一罗汉松树冠点簇,否则,则不属于;
S3、重复S1-S2,直至树冠点云中的所有点均作为基准点被遍历,完成罗汉松树冠的分割,获取若干罗汉松树冠点簇。
步骤4、基于罗汉松树冠点簇构建罗汉松单个树冠三维模型,并通过地基激光雷达点云数据将罗汉松枝干三维模型和罗汉松单个树冠三维模型进行结合,获取罗汉松三维模型;
具体的,基于罗汉松树冠点簇构建罗汉松单个树冠三维模型包括:
选择每个罗汉松树冠点簇中相互距离最远的四个点构建初始四面体,其中,四个点不同面,四个点中的任意三点不同线,任意两点不共点;
基于初始四面体对罗汉松树冠点簇中剩下的点进行判断,并根据判断结果构建罗汉松单个树冠三维模型。
具体的,根据判断结果构建罗汉松单个树冠三维模型包括:
若罗汉松树冠点簇中的点在罗汉松树冠点簇的初始四面体内部,则跳过该点,若在外部,则求解可视面以及可视面与不可视面的临界边缘,并将临界边缘与该点进行连线构成网格,遍历罗汉松树冠点簇中所有的点,获取多面体网格表示的罗汉松单个树冠三维模型。
下面结合图1-6对本实施例所提出的利用地基激光雷达的罗汉松三维精细化建模方法进行详细说明,具体步骤如下:
步骤1、获取罗汉松的地基激光雷达点云数据,并基于地基激光雷达点云数据对罗汉松进行冠干分离,获取罗汉松冠干分离结果;
使用地基激光雷达不仅可以得到罗汉松的三维点云坐标数据,还能获得其反射强度数据。一般情况下,罗汉松冠干因其表面物理特性的差异,其反射强度信息会有较大差别,这是利用强度信息进行冠干分离的理论基础。因此,对罗汉松冠干分离可以认为是对点云的二分类问题,其关键是确定强度阈值,不同的阈值会对枝叶分离产生不同的效果,公式如下:
(1)
其中,表示第/>个点的类别,0对应树冠,1对应枝干,/>表示点云反射强度,/>表示阈值。通过对罗汉松冠干反射强度的统计分析,选定合适的阈值进行分类。
但是由于扫描仪和罗汉松各部分相对位置(包括角度、距离)的差异,同种物体(树冠或枝干)所反射的激光雷达强度存在较大的差异,这使得仅依靠点云强度信息阈值法难以实现冠干精准分离。因此在利用点云强度信息阈值法进行初始冠干分离后,采用Terrasolid商业软件进行人机交互式的结果修正,以此得到正确的罗汉松冠干分离结果,如图2所示。
步骤2、基于罗汉松冠干分离结果提取罗汉松的枝干骨架结构,并以枝干骨架结构作为约束,构建罗汉松枝干三维模型;
利用拉普拉斯平滑的罗汉松枝干骨架结构提取:骨架结构分析是经过一系列的处理,在保留其原来形状的情况下,突出物体的主要结构和形状信息,去除多余信息。拉普拉斯平滑(Laplacian smoothing)方法是一种非常简单的基于偏微分方程的技术,不仅可以剔除测量中产生的系统误差,而且可以通过形状退化的思想在保留其几何结构的情况下,将不同半径大小的线状目标变成“细直”杆状,因为该方法可以将每个点的位置迭代校正到相邻点的几何中心,公式如下:
(2)
其中,表示当前点/>的位置,/>表示平滑之后当前点/>的位置,/>(/>)表示平滑的权重系数,/>,,/>表示当前点/>的邻域点。最终,不同半径大小的线状目标被迭代退化为一维的形状分布。
利用均匀采样对提取的枝干骨架结构进行下采样:对提取的枝干骨架点构建三维体素,每个体素内只保留离体素中心最近的枝干骨架点,得到下采样过滤后的树干骨架结构。
对于下采样过滤后的树干骨架结构,利用Prim算法计算图论中的最小生成树以此得到树干骨架点的拓扑关系,以图论中的无向图表示,其中节点表示下采样过滤后的树干骨架点,无向边由Prim算法计算的最小生成树表示如图3所示。
将无向图转换为有向图,对复杂分叉的枝干分成若干简单无分叉的枝干:如图4所示,在枝干点集中找到距离点集中心最远的点,以该点为初始点对枝干点集构成的最小生成树进行宽度优先遍历,将无向图转换为有向图。在生成的有向图中寻找出度大于1的骨架点,这些骨架点即为枝干的分叉点,从而将复杂分叉的枝干分成若干简单无分叉的枝干。
以树干骨架结构作为约束,实现罗汉松树干和树枝的局部精细化三维重建:在每个树干骨架点周围一定范围内利用随机抽样一致性方法拟合三维圆,相邻树干骨架点拟合的三维圆环上的点要顺序连接成四边形,得到局部枝干的三维模型。依次将树干骨架点拟合的三维圆环上的点顺序连接,即可得到枝干完整的三维模型。
步骤3、基于罗汉松冠干分离结果对罗汉松的树冠进行分割,获取若干罗汉松树冠点簇;
利用基于三维点云的欧氏聚类进行罗汉松树冠自动分割:首先从树冠点云中任选一个点作为基准点,同时预先设置一个距离阈值;从树冠点云中,任选一个点计算与基准点的距离,若计算得到的距离小于预先设置的距离阈值,则判定当前点与基准点属于同一个小树冠点簇;否则判定当前点与基准不属于同一个小树冠点簇;按照与上述相同的过程计算其它剩余点与基准点的距离并进行是否属于同一个树冠点簇的判断,完成聚类的过程;重复相同的过程对树冠点云中其他点进行分簇,直到迭代完所有点云后结束,最后树冠点云中所有点均被分割成一个个的小树冠点簇,进而完成对罗汉松树冠的自动分割,罗汉松树冠自动分割结果如图5所示。
步骤4、基于罗汉松树冠点簇构建罗汉松单个树冠三维模型,并通过地基激光雷达点云数据将罗汉松枝干三维模型和罗汉松单个树冠三维模型进行结合,获取罗汉松三维模型;
利用增量法三维凸包的罗汉松单个树冠精细化三维建模:对于分割得到的每个小树冠点簇,选择相互距离最远的四个点构建初始四面体,其中要求选择的四个点不同面,任意三点不同线,任意两点不共点。然后,对当前小树冠点簇剩下的点进行判定,这些点在凸包内部还是外部。如果在内部,则跳过该点,如果在外部,则求解可视面,再求出可视面与不可视面的临界边缘,将临界边缘与该点进行连线构成新的网格,如此不断递归下去即可找到最终的凸包模型。最终,将此点簇表达成一个多面体网格,即实现了罗汉松单个树冠精细化三维建模,罗汉松精细三维模型如图6所示。
以上所述的实施例仅是对本发明优选方式进行的描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案做出的各种变形和改进,均应落入本发明权利要求书确定的保护范围内。
Claims (2)
1.利用地基激光雷达的罗汉松三维精细化建模方法,其特征在于,包括:
获取罗汉松的地基激光雷达点云数据,并基于所述地基激光雷达点云数据对所述罗汉松进行冠干分离,获取罗汉松冠干分离结果;
基于所述地基激光雷达点云数据对所述罗汉松进行冠干分离,获取罗汉松冠干分离结果包括:
预设所述地基激光雷达点云数据的强度阈值,基于所述强度阈值对所述罗汉松进行初步冠干分离,获取罗汉松初步冠干分离结果;
对所述罗汉松初步冠干分离结果进行修正,获取所述罗汉松冠干分离结果;
基于所述强度阈值对所述罗汉松进行初步冠干分离的方法为:
其中,/>表示第/>个点的类别,0对应树冠,1对应枝干,/>表示点云反射强度,/>表示阈值;
基于所述罗汉松冠干分离结果提取所述罗汉松的枝干骨架结构,并以所述枝干骨架结构作为约束,构建罗汉松枝干三维模型;
基于所述罗汉松冠干分离结果提取所述罗汉松的枝干骨架结构包括:
利用拉普拉斯平滑提取所述罗汉松的初步枝干骨架结构;
利用均匀采样对所述初步枝干骨架结构进行下采样过滤,再利用Prim算法对下采样过滤后的初步枝干骨架结构进行处理,获取无向图表示的树干骨架点拓扑关系;
将所述无向图表示的树干骨架点拓扑关系转换为有向图表示,获取所述罗汉松的枝干骨架结构;
以所述枝干骨架结构作为约束,构建罗汉松枝干三维模型包括:
在所述枝干骨架结构中的每个枝干骨架点预设范围内进行三维圆拟合,并依次将相邻枝干骨架点拟合的三维圆上的点顺序连接为四边形,获取所述罗汉松枝干三维模型;
基于所述罗汉松冠干分离结果对所述罗汉松的树冠进行分割,获取若干罗汉松树冠点簇;
基于所述罗汉松树冠点簇构建罗汉松单个树冠三维模型,并通过所述地基激光雷达点云数据将所述罗汉松枝干三维模型和罗汉松单个树冠三维模型进行结合,获取罗汉松三维模型;
基于所述罗汉松树冠点簇构建罗汉松单个树冠三维模型包括:
选择每个罗汉松树冠点簇中相互距离最远的四个点构建初始四面体,其中,所述四个点不同面,所述四个点中的任意三点不同线,任意两点不共点;
基于所述初始四面体对所述罗汉松树冠点簇中剩下的点进行判断,并根据判断结果构建所述罗汉松单个树冠三维模型;
根据判断结果构建所述罗汉松单个树冠三维模型包括:
若所述罗汉松树冠点簇中的点在所述罗汉松树冠点簇的初始四面体内部,则跳过该点,若在外部,则求解可视面以及可视面与不可视面的临界边缘,并将所述临界边缘与该点进行连线构成网格,遍历所述罗汉松树冠点簇中所有的点,获取多面体网格表示的所述罗汉松单个树冠三维模型。
2.根据权利要求1所述的利用地基激光雷达的罗汉松三维精细化建模方法,其特征在于,基于所述罗汉松冠干分离结果对所述罗汉松的树冠进行分割,获取若干罗汉松树冠点簇包括:
S1、通过树冠点云预设基准点和距离阈值;
S2、计算所述树冠点云中每个点与所述基准点的距离,若所述距离小于所述距离阈值,则判定所述点与所述基准点属于同一罗汉松树冠点簇,否则,则不属于;
S3、重复S1-S2,直至所述树冠点云中的所有点均作为基准点被遍历,完成所述罗汉松树冠的分割,获取若干罗汉松树冠点簇。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410501732.2A CN118097035B (zh) | 2024-04-25 | 2024-04-25 | 利用地基激光雷达的罗汉松三维精细化建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410501732.2A CN118097035B (zh) | 2024-04-25 | 2024-04-25 | 利用地基激光雷达的罗汉松三维精细化建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118097035A CN118097035A (zh) | 2024-05-28 |
CN118097035B true CN118097035B (zh) | 2024-06-21 |
Family
ID=91157752
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410501732.2A Active CN118097035B (zh) | 2024-04-25 | 2024-04-25 | 利用地基激光雷达的罗汉松三维精细化建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118097035B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111612896A (zh) * | 2020-05-28 | 2020-09-01 | 西北农林科技大学 | 一种基于机载激光雷达树点云重建三维树模型的方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015149302A1 (zh) * | 2014-04-02 | 2015-10-08 | 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 |
CN114241155A (zh) * | 2021-12-06 | 2022-03-25 | 电子科技大学长三角研究院(湖州) | 一种基于车载激光点云数据的城市树木三维可视化方法 |
CN115018982A (zh) * | 2022-05-31 | 2022-09-06 | 电子科技大学 | 一种基于地基激光雷达点云的树木数字孪生方法 |
-
2024
- 2024-04-25 CN CN202410501732.2A patent/CN118097035B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111612896A (zh) * | 2020-05-28 | 2020-09-01 | 西北农林科技大学 | 一种基于机载激光雷达树点云重建三维树模型的方法 |
Non-Patent Citations (1)
Title |
---|
《改进的迭代最近点点云配准方法》;王文博等;《激光与光电子学进展》;20220131;第59卷(第2期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN118097035A (zh) | 2024-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107832681B (zh) | 联合LiDAR点云和同步遥感影像的森林单木树高估算方法 | |
CN111724433B (zh) | 一种基于多目视觉的作物表型参数提取方法及系统 | |
CN109146948B (zh) | 基于视觉的作物长势表型参数量化与产量相关性分析方法 | |
CN103065352B (zh) | 一种基于图像和扫描数据的植株三维重建方法 | |
CN111583328B (zh) | 基于几何模型的绿萝叶片外部表型参数的三维估测方法 | |
CN111612896B (zh) | 一种基于机载激光雷达树点云重建三维树模型的方法 | |
CN110992473B (zh) | 一种基于车载激光扫描点云的树木枝干建模方法及系统 | |
CN103942838A (zh) | 基于点云数据的单树三维建模与形态参数提取的方法 | |
AU2012350138A1 (en) | Method and system for characterising plant phenotype | |
CN103745497B (zh) | 植物生长建模方法和系统 | |
CN112435239A (zh) | 基于MRE-PointNet和自编码器模型的绿萝叶片外形参数估测方法 | |
CN110322497A (zh) | 一种基于三维可视化的交互式点云对象提取方法 | |
CN115937151B (zh) | 一种作物叶片卷曲程度的判定方法 | |
CN114219912A (zh) | 一种从地基激光雷达点云中自动重建树木结构的方法 | |
CN109859099A (zh) | 基于sfm点云深度的盆栽玉米杂草快速去除方法 | |
CN112288859B (zh) | 一种基于卷积神经网络的三维人脸建模方法 | |
CN110853044A (zh) | 基于条件欧式聚类的盆栽玉米点云快速分割方法 | |
CN105608739A (zh) | 数据和规则综合驱动的三维树木精细建模方法 | |
Zhu et al. | A calculation method of phenotypic traits based on three-dimensional reconstruction of tomato canopy | |
CN114387288A (zh) | 基于车载激光雷达点云数据的单立木三维信息提取方法 | |
CN115018982A (zh) | 一种基于地基激光雷达点云的树木数字孪生方法 | |
CN113177897A (zh) | 一种无序3d点云的快速无损滤波方法 | |
CN112991300B (zh) | 一种基于邻域特征的单木骨架提取及可视化方法 | |
CN112509142B (zh) | 基于面向表型精确鉴定的豆株快速三维重建方法 | |
CN118097035B (zh) | 利用地基激光雷达的罗汉松三维精细化建模方法 |
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 |