一种基于无人机Lidar点云数据的果树单木分割方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115937226A(43)申请公布日2023.04.07(21)申请号202211613586.X(22)申请日2022.12.15(71)申请人华南农业大学地址510640广东省广州市天河区五山路483号(72)发明人兰玉彬张政陈盛德徐伟诚常坤杨非凡(74)专利代理机构佛山市君创知识产权代理事务所(普通合伙)44675专利代理师罗伟富(51)Int.Cl.G06T7/11(2017.01)G06V10/762(2022.01)权利要求书3页说明书7页附图2页(54)发明名称一种基于无人机Lidar点云数据的果树单木分割方法(57)摘要本发明提供一种基于无人机Lidar点云数据的果树单木分割方法，属于点云处理技术领域，包括：获取果园点云数据并将果园点云数据分离为地面点云数据和非地面点云数据；对地面点云数据和果园点云数据进行栅格化处理，建立冠层高度模型CHM；通过局部最大值检测法结合区域生长算法以及区域阈值判断，将CHM分割为冠层区数据和非冠层区数据后滤除果园点云数据中的非冠层区数据；获取每个冠层区数据的二维质心栅格及二维质心栅格范围内映射的三维质心点云数据；将获取到的三维质心点云数据作为Kmeans聚类的种子点云数据，通过Kmeans聚类算法将滤波后的果园点云数据分割成果树单木。解决果树单木分割错误问题，精确进行果树单木分割。CN115937226ACN115937226A权利要求书1/3页1.一种基于无人机Lidar点云数据的果树单木分割方法，其特征在于，包括：获取果园点云数据并将果园点云数据分离为地面点云数据和非地面点云数据；对地面点云数据和果园点云数据进行栅格化处理，建立冠层高度模型CHM；通过局部最大值检测法结合区域生长算法以及区域阈值判断，将CHM分割为冠层区数据和非冠层区数据后滤除果园点云数据中的非冠层区数据；获取每个冠层区数据的二维质心栅格及二维质心栅格范围内映射的三维质心点云数据；将获取到的三维质心点云数据作为Kmeans聚类的种子点云数据，通过Kmeans聚类算法将滤波后的果园点云数据分割成果树单木。2.根据权利要求1所述的一种基于无人机Lidar点云数据的果树单木分割方法，其特征在于，所述获取果园点云数据并将果园点云数据分离为地面点云数据和非地面点云数据包括：通过无人机机载激光雷达扫描获取原始点云数据，在Cloudcompare软件中对原始点云数据进行手动裁剪，选择果园区域的点云数据作为果园点云并通过布料模拟滤波CSF，实现地面点云和非地面点云的分离。3.根据权利要求1所述的一种基于无人机Lidar点云数据的果树单木分割方法，其特征在于，所述对地面点云数据和果园点云数据进行栅格化处理，建立冠层高度模型CHM包括:将分离出的地面点云数据按预设的分辨率进行栅格化处理，提取每个栅格中的地面点云数据的最高值，赋值至该栅格中并对其中的空白栅格进行插值处理，生成数字地面模型DEM；对果园点云数据按相同分辨率进行栅格化处理，生成数字表面模型DSM；栅格化的处理过程：二维栅格坐标用(X,Y)表示，三维点云坐标用(x,y,z)表示，X表示x坐标所在的第X行栅格，Y表示y坐标所在的第Y列栅格，H(X,Y)表示第X行第Y列栅格的高程值H，step表示对应分辨率的栅格尺寸，默认值选择0.5m；生成冠层高度模型CHM包括：提取每个栅格中的点云最高值，赋值至该栅格中，通过公式获取冠层高度模型CHM，CHM＝DSM‑DEM。4.根据权利要求1所述的一种基于无人机Lidar点云数据的果树单木分割方法，其特征在于，所述通过局部最大值检测法结合区域生长算法以及区域阈值判断，将CHM分割为冠层区数据和非冠层区数据后滤除果园点云中的非冠层区数据包括：W＝0.1×H+3，窗口的大小定义为高度的函数，W表示高程值为H的栅格所对应的窗口大小，窗口的最小阈值为3m；对CHM中的每个栅格进行遍历，通过公式计算出每个栅格的高程值H所对应的窗口大小2CN115937226A权利要求书2/3页W，并查询以该栅格为中心，W为边长的矩形中，该栅格是否为此范围内的局部最大值，若是则将其标记，总共获取n个标记的二维栅格坐标(X，Y)；在CHM中，将每一个标记坐标作为种子栅格，采用多种子区域生长算法，设置高度差阈值d，进行八邻域搜索，如果邻域待定栅格与种子栅格的高程差小于所设阈值d则将其划为一类，并把该栅格设定为新的种子栅格，直至不再添加新的栅格；把每一个种子栅格的最大连通区域内的所有栅格归为一个集合，然后对每个集合进行区域阈值判断，设置最小冠层投影面积作为阈值s和最小树高作为阈值h，将区域总面积或区域最大高程值小于所设阈值的区域视为非冠层区，将冠层区与非冠层区分开，同时在果园点云中滤除非冠层区的点云数据，