一种基于结构感知的树木点云压缩方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113724343A(43)申请公布日2021.11.30(21)申请号202110873525.6(22)申请日2021.07.30(71)申请人西安电子科技大学地址710000陕西省西安市雁塔区太白南路2号(72)发明人王迪全英汇徐楷杰别博文肖国尧(74)专利代理机构西安嘉思特知识产权代理事务所(普通合伙)61230代理人刘长春(51)Int.Cl.G06T9/00(2006.01)G06K9/62(2006.01)权利要求书1页说明书5页附图2页(54)发明名称一种基于结构感知的树木点云压缩方法(57)摘要本发明涉及一种基于结构感知的树木点云压缩方法，包括：步骤1：根据树木点云数据，构建点云全连接图；步骤2：根据点云全连接图，得到每个图顶点到根节点的测地距离，根据测地距离，得到基于树木枝干几何拓扑结构的集群；步骤3：根据基于树木枝干几何拓扑结构的集群，得到降采样点云。本发明的基于结构感知树木点云压缩方法，利用测地距离自适应聚类，顾及树木的骨架结构，自动感知树木的拓扑结构，能有效保留树木的细小枝干结构，实现全局和局部的特征保留。CN113724343ACN113724343A权利要求书1/1页1.一种基于结构感知的树木点云压缩方法，其特征在于，包括：步骤1：根据树木点云数据，构建点云全连接图；步骤2：根据所述点云全连接图，得到每个图顶点到根节点的测地距离，根据所述测地距离，得到基于树木枝干几何拓扑结构的集群；步骤3：根据所述基于树木枝干几何拓扑结构的集群，得到降采样点云。2.根据权利要求1所述的基于结构感知的树木点云压缩方法，其特征在于，所述步骤1包括：步骤1.1：获取树木点云数据；步骤1.2：根据所述树木点云数据，构建K近邻图；步骤1.3：根据所述树木点云数据，构建德洛内三角网，将德洛内边按照长度从小到大排序，按顺序依次判断每一个德洛内边所连接的两个顶点是否被所述K近邻图连通，若否，则将该德洛内边加入所述K近邻图，得到所述点云全连接图。3.根据权利要求1所述的基于结构感知的树木点云压缩方法，其特征在于，在所述步骤2中，所述根节点为所述点云全连接图中最低的图顶点。4.根据权利要求1所述的基于结构感知的树木点云压缩方法，其特征在于，所述步骤2包括：步骤2.1：利用迪杰斯特拉算法，计算所述点云全连接图中每个图顶点到根节点的最短图距离，作为测地距离；步骤2.2：根据所述测地距离，对所述点云全连接图中的点进行分层，构建点云层级；步骤2.3：对每一层级对应的点云子图进行连通区域分析，得到每一层级对应的点类集群，所述每一层级对应的点类集群组成基于树木枝干几何拓扑结构的集群。5.根据权利要求4所述的基于结构感知的树木点云压缩方法，其特征在于，所述步骤3包括：对每一层级对应的点类集群，采用密度加权K均值算法进行降采样压缩，得到降采样点云。2CN113724343A说明书1/5页一种基于结构感知的树木点云压缩方法技术领域[0001]本发明属于激光雷达技术领域，具体涉及一种基于结构感知的树木点云压缩方法。背景技术[0002]陆地森林植被生态系统分布广泛、结构组成复杂，物质资源丰富，对维护生态平衡、改善生态环境等有着重要作用。传统的森林普查依赖人工外业实地调查，伴随着遥感技术的发展，尤其是合成孔径雷达和激光雷达技术的逐渐成熟，大区域森林观测制图取得了突破性进展。尤其是激光雷达技术因其独特的高精度三维测绘能力，在森林环境监测发挥了重要作用。近年来，在计算机图形学、遥感、植物学等学科领域的共同推进下，随着点云智能处理算法的进展，单木完整三维重建已成为可能，极大地促进了数字植物学、数字林业、智慧城市等领域的发展。[0003]近地面激光雷达点云通常数据量庞大，例如多站地面架站式激光雷达系统从多个角度对目标物扫面，配准后的点云往往密度极高，细节丰富，单棵树即可包含百万到千万个三维点，这为点云数据的有效存储和高效处理提出了高要求。针对树木结构参数提取，如此高密度的点云往往存在冗余，为降低数据量和提升数据处理效率，点云压缩或降采样是必要的处理步骤。[0004]当前常用的点云压缩方法包括均匀采样和随机采样。均匀采样是指将目标点云分划分多个边长为L的体素，保留每个体素的中心点或者距其最近的点作为降采样之后的数据点。然而，对于树木等植物目标，其拓扑几何形状极为复杂，包含从粗到细不同尺度的枝干结构。均匀和随机采样均为全局采样方案，难以保留目标物的细节特征，尤其是空间尺度非常小的结构。发明内容[0005]为了解决现有技术中存在的上述问题，本发明提供了一种基于结构感知的树木点云压缩方法。本发明要解决的技术问题通过以下技术方案实现：[0006]本发明提供了一种基于结构感知的树木点云压缩方法，其特