【技術實現步驟摘要】
本專利技術涉及一種無人機激光雷達點云單木分割方法，具體為一種綜合考慮樹冠特征、樹干特征、樹冠和樹干協同相互參照特征的單木提取方法，屬于激光雷達點云數據處理與森林資源調查。
技術介紹
1、森林是為陸地上分布面積最大的生態系統，在維持全球的生態平衡中具有積極重要的作用。高效準確地獲取森林資源信息，是森林資源保護與管理的前提和基礎。無人機激光雷達技術可以快速獲取森林結構三維空間信息，具有高效、靈活、高時空分辨率、不受云層遮擋、成本低等優勢，是森林資源調查的重要手段。無人機激光雷達點云單木提取，是獲取單木結構參數的基礎步驟，準確的單木結構參數可以為森林資源調查和森林管理決策提供基礎數據，同時也為森林生長模擬、森林碳儲量評估、森林生態系統功能評估等林業應用提供支撐。然而，無人機激光雷達數據量大、森林立地條件變化多樣、樹木結構形態多樣、相互遮擋等問題，影響了無人機激光雷達點云單木提取精度，嚴重制約了無人機激光雷達技術在森林資源調查和森林保護與管理中的應用推廣。
2、目前，現有技術中存在的單木分割方法且可能存在的問題有：
3、1)自上而下的單木分割方法，由于衛星/航空有人機載平臺觀測的俯視視角，獲取的林區激光雷達點云或影像數據可以較好地刻畫和覆蓋森林冠層結構，基于星載和有人機載點云或影像的單木提取方法從樹冠特征出發，遵循自上而下的單木提取模式；該類方法首先識別定位樹冠頂點，然后使用一些列不同的分割方法逐漸將樹冠分配到各個樹頂，常見的分割包括分水嶺分割，區域生長，均值漂移，形態學重構等，然而，該類方法的性能完全依賴于樹冠
4、2)自下而上的單木分割方法，地基激光雷達技術(terrestrial?laser?scanning,tls)可以獲取詳細的林下植被信息，基于tls的單木提取方法充分利用樹干特征，遵循自下而上的方式；該類方法首先定位樹的基部或樹干，然后使用k-最近鄰算法、形態學方法和圖論等分割方法為將樹冠點逐漸分配到各自的樹干，然而，該類方法依賴于樹干檢測效果，當樹干識別失敗時，這些方法將受到阻礙甚至過早終止；
5、3)現有的基于無人機點云的單木提取方法通常將無人機點云看作一種類似于有人機載點云的數據來處理，采用與有人機載點云相同的自上而下的單木分割策略；但是，無人機點云可以比有人機載點云提供更全面、更高密度的樹干結構信息，此外，與有人機載點云和地基點云相比，無人機點云可以同時獲取更為完整詳細的樹冠和樹干結構信息，這些無人機激光點云數據的獨特性和優勢還沒有得到充分的探索和應用；
6、4)基于深度學習的單木提取方法，盡管可以針對給定場景的數據獲取較好的單木提取結果，但其需要采集、標記大量的樣本數據進行深度學習模型的訓練，實現的成本較高，且對不同立地條件下不同類型森林結構的移植性和魯棒性較差。
技術實現思路
1、針對上述
技術介紹
中提出的問題，本專利技術的目的在于充分利用和挖掘無人機激光雷達點云的特點，提出一種基于協同信息引導的無人機激光雷達點云單木分割方法，該單木分割方法基于樹干和樹冠的協同信息引導來提升單木分割的準確性和魯棒性，從而解決現有技術中存在的問題。
2、為了實現上述目的，本專利技術采用了如下技術方案：一種基于協同信息引導的無人機激光雷達點云單木分割方法，該單木分割方法包括以下步驟：
3、s1：無人機激光雷達掃描林區獲得樹冠點云，利用3d不對稱核的均值漂移算法，對樹冠點云進行初步劃分，獲得粗略的樹冠分割結果，即初始樹冠類簇；
4、s2：針對林區無人機激光雷達點云中樹冠和樹干的點密度分布特點，利用高度直方圖對樹干點和樹冠點進行初步的分離，獲取樹干候選點，基于林區無人機激光雷達點云分布的獨特性，構建幾何顯著性特征，并對所述樹干候選點進一步細分，實現樹干候選點的精準提取和樹干的對象化檢測；
5、s3：構建樹冠和樹干協同特征以及均值漂移模點方差特征，利用隨機森林將初始樹冠類族分為欠分割、正確分割和過分割，并保留正確分割作為單木分割結果；
6、s4：利用樹冠和樹干的相互協同和參照信息，對過分割樹冠進行精化；同時對樹干進行垂直方向的區域生長，對所有樹冠類簇進行從高到低排序，分別與樹干進行匹配，對正確分割的樹冠作為單木分割結果輸出，對欠分割的類簇進一步進行精化；
7、s5：對于匹配后欠分割的樹冠類簇，構建基于樹中心矢量偏角優化的圖割分割方法，利用樹冠和樹干的相互參考信息，對欠分割的樹冠進行優化。
8、作為本專利技術的進一步技術方案，所述s1具體包括：
9、s11：將無人機激光雷達掃描林區獲得的樹冠點云進行高程歸一化，按照高度閾值消除林區低矮層植被點；
10、s12：利用3d不對稱核的均值漂移算法，對所述樹冠點云進行初步分割，無人機激光雷達點云的三維空間被劃分為水平域和垂直域兩個部分，其中，水平域采用對稱的高斯核函數，用于尋找密度的局部最大，垂直域采用不對稱的核函數，致力于尋找高度的局部最大，對于無人機激光雷達點云中的任意點xa，其均值漂移向量表示為：
11、
12、其中，垂直核函數gr是一個非對稱的函數，具體的表達式如下所示：
13、
14、
15、式中：上標s和r分別代表水平域和垂直域；gs和gr分別代表水平核函數和垂直核函數；hs和hr分別代表水平核帶寬和垂直核帶寬；和分別表示xa和xi坐標的水平分量；和分別表示xa和xi坐標的垂直分量；每個點xi對xa的均值漂移向量的權重與該點與xa的距離以及核函數有關；用來篩選固定帶寬內的xi；計算xa和xi水平坐標的距離。
16、作為本專利技術的進一步技術方案，所述s2具體包括：
17、s21：將每個不對稱核的均值漂移聚類得到的類簇按照高程劃分為十二個區間，統計每個區間出現的點的頻率，分析高度直方圖中頻率較低的連續高度區間，對樹冠點和樹干點進行初步的分離，獲取樹干候選點；
18、s22：對每個所述樹干候選點計算線性差異顯著性特征、平面差異顯著性特征和散射差異顯著性特征，利用隨機森林將所述樹干候選點進一步細分為樹干點和非樹干點，其中，平面差異顯著性特征sodp和散射差異顯著性特征sods的計算中，p、l、s是根據點云分割部分的協方差矩陣特征值計算得到，分別代表平面特征、線性特征和散點特征，公式如下：
19、sodp＝p+(1-p)×[p-max(l,s)]
20、sods＝s+(1-s)×[s-max(l,p)]
21、s23：將識別得到的樹干點利用2d均值漂移算法進行聚類，得到樹干類簇。
22、作為本專利技術的進一步技術方案，所述s3具體包括：
23、s31：基于s1中獲取到的初始樹冠類簇，構建樹冠和樹干協同特征以及均值漂移模點方差特征，并依據樹冠和樹干協同特征以及均值漂移模點方差特征識別出初始樹冠類簇中錯誤的分割情況；
24、其中本文檔來自技高網...
【技術保護點】
1.一種基于協同信息引導的無人機激光雷達點云單木分割方法，其特征在于，所述單木分割方法包括以下步驟：
2.根據權利要求1所述的基于協同信息引導的無人機激光雷達點云單木分割方法，其特征在于，所述S1具體包括：
3.根據權利要求1所述的基于協同信息引導的無人機激光雷達點云單木分割方法，其特征在于，所述S2具體包括：
4.根據權利要求1所述的基于協同信息引導的無人機激光雷達點云單木分割方法，其特征在于，所述S3具體包括：
5.根據權利要求4所述的基于協同信息引導的無人機激光雷達點云單木分割方法，其特征在于，所述S4具體包括：
6.根據權利要求5所述的基于協同信息引導的無人機激光雷達點云單木分割方法，其特征在于，所述S5具體包括：
【技術特征摘要】
1.一種基于協同信息引導的無人機激光雷達點云單木分割方法，其特征在于，所述單木分割方法包括以下步驟：
2.根據權利要求1所述的基于協同信息引導的無人機激光雷達點云單木分割方法，其特征在于，所述s1具體包括：
3.根據權利要求1所述的基于協同信息引導的無人機激光雷達點云單木分割方法，其特征在于，所述s2具體包括：
<...【專利技術屬性】
技術研發人員：代文霞，王一州，楊宇軒，關慶鋒，
申請(專利權)人：中國地質大學武漢，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。