专利名称：一种带叶状态树木形态结构三维重建的方法和系统的制作方法
技术领域：
本发明涉及带叶状态树三维数据处理领域，尤其涉及一种带叶状态树木形态结构三维重建的方法和系统。
背景技术：
树形态结构的三维重建和定量分析是农学研究、图形仿真和科普教育等应用领域的热点问题，与大田作物、花卉等其他植物相比，树不仅外形高大，同时具有更复杂的冠层枝叶结构，这给带叶状态下树木形态结构的信息采集和自动重建带来了极大的挑战。《基于数字化核桃树的三维结构评估》一文中采用三维数字化仪获取胡桃树的空间信息，并基于这些采集信息重建树木的三维模型，以及进行冠层空间特征的分析。由于胡桃树高大，因此该方法需要花费大量的人力和时间进行数据采集。《3D数字化桃树冠层的三维结构重建》一文中用数字化仪采集桃树冠层叶片的位置、方向和大小信息，并重建桃树冠层树叶的三维模型，在重建的三维冠层上进行树木冠层光分布特性分析，该方法忽略树木的枝干，因此不能实现树木形态结构的完整重建。采用三维数字化仪采集树木的空间信息，虽然能够较好地实现树木形态结构的三维重构，但由于树木的形态结构非常复杂，树木冠层器官的空间信息的获取是一件极耗费时间的工作，数据采集往往需要耗费几个人数天的时间。还有人提出了一种基于点云数据的树木三维重建方法，首先利用大型三维激光扫描仪获得树木的三维点云，然后采用自相似原理从这些点云数据中重建树冠层的树枝，同时利用植物学原理估计枝干半径，该方法没有充分利用扫描数据的精确性，因此重建模型的精确度不高。而基于激光扫描的树木点云数据，通过计算树枝各点处的曲率及连续性进行枝条的分解，并将每个树枝在轴向上划分成小段，最后重建得到树木枝干的整体骨架，基于此骨架及对应的半径可以生成树的主要枝干结构的三维模型。《基于测量数据的植物建模》一文针对大部分植物的叶片具有尖锐特征的特点，实现了一种基于三维点云数据的小型植物三维重建方法。由于叶片的遮挡，扫描时植物冠层中的大部分枝条被遮挡而无法获取，而且整个冠层重复使用一个平整的叶片模型，因此该方法重建的植物模型只是视觉上的相似，准确性不高。《基于点云自动重建树木骨架》一文实现了一种从三维扫描点云数据中自动重建多棵树木的方法，该方法首先从树木的点云数据中自动提取树木主要枝干的骨架和半径，基于该骨架和半径信息重建树木枝干的三维模型，然后采用L-系统方法在树干模型上生成细枝和树叶。利用大型三维激光扫描仪获取树木的点云数据，并进而进行树木形态的三维重建。这些方法都存在一个共同的缺点:由于树木冠层枝叶较多，细枝和叶子往往难以直接从扫描数据中重建，所以这些方法都是通过应用某种随机规则生成细枝和叶子，从而实现视觉上“真实”的重建，但这样的重建并没有达到真正意义上“基于测量数据的重建”，重建得到的三维树木冠层结构与真实树木还存在较大的差别，特别是树叶的密度、空间朝向、叶面积等都可能与实际存在较大的误差，难以应用于进行树木冠层光分布特性、枝叶空间分布、株型特征等的研究和分析。
申请号为201110086445.2，发明名称为“基于多尺度测量数据的树木形态结构三维重建方法”的专利中提出了一种结合多种测量数据进行树木三维重建的方法，实现了一种带叶状态树木形态结构的快速、精确三维重建。但是这种重建方法仍有不足，主要问题在于:一是该方法在进行树木枝干骨架提取时，没有对三维点云进行分割，因此需要在整株树木的三维点云数据中进行提取，算法的运行速度将增加，同时由于冠层树叶信息的影响，提取到的枝干骨架的准确性也将受影响；二是在树木枝干骨架提取时，仅提取主要枝干的骨架，而幼枝是后期通过该类树木幼枝的冠层分布模型增加的，因此也降低了最终重建的树木三维模型的准确性。
发明内容
(一)要解决的技术问题本发明要解决的技术问题是，针对上述缺陷，如何实现带叶状态树形态结构的快速三维重建。(二)技术方案为解决上述问题，本发明提供了一种带叶状态树木形态结构三维重建的方法，所述方法包括:A:获取树的三维点云数据，并进行预处理和精简处理得到精简的树三维点云数据集;B:对所述精简的树三维点云数据集进行器官分割，得到各个器官的三维点云数据,包括叶子器官三维点云数据、主干三维点云数据集、主枝三维点云数据集和幼枝三维点云数据集；C:根据所述主干三维点云数据集、所述主枝三维点云数据集和所述幼枝三维点云数据集提取树枝干的骨架，并优化；D:对所述树枝干的骨架进行网格化,生成树枝干三维网络模型，并对所述树枝干的骨架中的每根枝干进行分类；E:进行冠层三维重建，将叶子模型添加到所述树枝干三维网络模型上。优选地,步骤A具体包括:Al:获取带叶状态树的三维点云数据；A2:对步骤Al中的三维点云数据进行噪声点剔除和二次剔除处理，得到去除噪声点的树三维点云数据集；A3:对所述除噪声点的树三维点云数据集进行精简处理，降低三维点云中数据点的密度，得到精简的树三维点云数据集。优选地,步骤B具体包括:B1:计算树的不同器官的颜色特征，根据不同器官的颜色特征分为叶子、主干、主枝和幼枝四类器官，并分别计算每一类器官的颜色特征；B2:分别计算所述精简的树三维点云数据集中的每个数据点的颜色特征与所述叶子、所述主干、所述主枝和所述幼枝四类器官的颜色特征的距离，并根据所述距离进行器官分割，得到叶子器官三维点云数据、主干三维点云数据集、主枝三维点云数据集和幼枝三维点云数据集。
优选地，步骤C具体包括:Cl:对所述主干三维点云数据集、所述主枝三维点云数据集和所述幼枝三维点云数据集进行点云收缩，生成不同类型枝干的骨架；C2:对所述不同类型枝干的骨架进行修补和优化，并将不同类型的枝干进行连接生成树木枝干骨架。优选地,步骤E具体包括:El:获取不同类型枝干上的叶子形态特征数据，分别建立树冠层不同类型枝干上叶子的空间分布模型，所述叶子的空间分布模型包括叶子数目、叶夹角和叶倾角；E2:按照所述叶子的空间分布模型将所述叶子模型放到所述树枝干三维网络模型的每根枝干上；所述步骤E2之前还包括:从叶子的三维点云数据中生成一个三维网格曲面模型，建立叶子模型。为解决上述问题，本发明还提供了一种带叶状态树木形态结构三维重建的系统，所述系统包括:获取和预处理模块、器官分割模块、骨干提取模块、枝干重建模块和冠层重建模块；所述获取和预处理模块，用于获取树的三维点云数据，并进行预处理和精简处理得到精简的树三维点云数据集；所述器官分割模块，用于对所述精简的树三维点云数据集进行器官分割，得到各个器官的三维点云数据，包括叶子器官三维点云数据、主干三维点云数据集、主枝三维点云数据集和幼枝三维点云数据集；所述骨干提取模块，用于根据所述主干三维点云数据集、所述主枝三维点云数据集和所述幼枝三维点云数据集提取树枝干的骨架，并优化；所述枝干重建模块，用于生成树枝干三维网络模型，进行枝干三维重建；所述冠层重建模块，用于冠层三维重建，将叶子模型添加到所述树枝干三维网络模型上。优选地，所述获取和预处理模块具体包括:获取模块、去噪声点模块和精简模块；所述获取模块，用于获取带叶状态树的三维点云数据；所述去噪声点模块，用于对获取模块获取到的三维点云数据进行噪声点剔除和二次剔除处理，得到去除噪声点的树三维点云数据集；所述精简模块，用于对所述除噪声点的树三维点云数据集进行精简处理，降低三维点云中数据点的密度，得到精简的树三维点云数据集。优选地，所述器官分割模块具体包括:颜色特征计算模块和颜色特征距离计算模块；所述颜色特征计算模块，用于计算树的不同器官的颜色特征，根据不同器官的颜色特征分为叶子、主干、主枝和幼枝四类器官，并分别计算每一类器官的颜色特征；所述颜色特征距离计算模块，用于分别计算所述精简的树三维点云数据集中的每个数据点的颜色特征与叶子、主干、主枝和幼枝四类器官的颜色特征的距离，并根据所述距离进行器官分割，得到叶子器官三维点云数据、主干三维点云数据集、主枝三维点云数据集和幼枝三维点云数据集。优选地，所述骨干提取模块具体包括:骨架生成模块和骨架优化模块；所述骨架生成模块，用于对所述主干三维点云数据集、所述主枝三维点云数据集和所述幼枝三维点云数据集进行点云收缩，生成不同类型枝干的骨架；所述骨架优化模块，用于对所述不同类型枝干的骨架进行修补和优化，并将不同类型的枝干进行连接生成树木枝干骨架。优选地，所述冠层重建模块具体包括:空间分布模型建立模块和叶子模型添加模块；所述空间分布模型建立模块，用于获取不同类型枝干上的叶子形态特征数据，分别建立树冠层不同类型枝干上叶子的空间分布模型，所述叶子的空间分布模型包括叶子数目、叶夹角和叶倾角；所述叶子模型添加模块，用于按照所述叶子的空间分布模型将所述叶子模型放到所述树枝干三维网络模型的每根枝干上；所述冠层重建模块还包括叶子模型生成模块，用于从叶子的三维点云数据中生成一个三维网格曲面模型，建立叶子模型。(三)有益效果本发明提出了一种带叶状态树木形态结构三维重建的方法和系统，通过获取树的三维点云数据，并进行预处理和精简处理得到精简的树三维点云数据集；对精简的树三维点云数据集进行器官分割，得到各个器官的三维点云数据，包括叶子器官三维点云数据、主干三维点云数据集、主枝三维点云数据集和幼枝三维点云数据集；根据主干三维点云数据集、主枝三维点云数据集和幼枝三维点云数据集提取树枝干的骨架，并优化；对树枝干的骨架进行网格化，生成树枝干三维网络模型，并对树枝干骨架中的每根枝干进行分类；进行冠层三维重建，基于田间原位无损测量数据开展树木结构分析、树冠形态结构定量平均与数字化设计等农学研究应用中对树木形态结构进行三维重建，结合现有高精度大型三维激光扫描设备的特点与优势，实现带叶状态树形态结构的快速、精确的三维重建。
图1为一种带叶状态树木形态结构三维重建的方法流程图；图2为一种带叶状态树木形态结构三维重建的方法中步骤A的具体流程图；图3为一种带叶状态树木形态结构三维重建的方法中通过三维扫描仪采集到的三维点云原始数据图片；图4为一种带叶状态树木形态结构三维重建的方法中步骤B的具体流程图；图5为一种带叶状态树木形态结构三维重建的方法中步骤C的具体流程图；图6为一种带叶状态树木形态结构三维重建的方法中提取的树木主要枝干骨架结构图；图7为一种带叶状态树木形态结构三维重建的方法中主要枝干骨架连接和优化前示意图；图8为一种带叶状态树木形态结构三维重建的方法中主要枝干骨架连接和优化后不意图9为一种带叶状态树木形态结构三维重建的方法中整株树木骨架连接和优化后不意图；图10为一种带叶状态树木形态结构三维重建的方法中步骤E的具体流程图；图11为一种带叶状态树木形态结构三维重建的方法中建立叶子模型和使用叶子透明帖图的效果示意图；图12为一种带叶状态树木形态结构三维重建的系统组成示意图。
具体实施例方式下面结合附图和实施例，对本发明的具体实施方式
作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。实施例一本发明实施例一中提供了一种带叶状态树木形态结构三维重建的方法，流程图如图1所示，具体包括以下步骤:步骤A:获取树的三维点云数据，并进行预处理和精简处理得到精简的树三维点云数据集D。，具体流程如图2所示，具体包括以下步骤:步骤Al:获取带叶状态树的三维点云数据。在树林选取一棵成年树木，在非落叶期利用大型激光三维扫描仪(例如FARO focus3D120)进行数据获取，并采用三维扫描仪附带的数据处理软件生成该树木的带颜色信息的三维点云原始数据，如图3所示。步骤A2:对步骤Al中的三维点云原始数据进行噪声点剔除和二次剔除处理，得到去除噪声点的树三维点云数据集Dg。利用三维激光扫描仪在树林环境下对树木进行三维点云数据获取过程中，由于不同树木之间和器官间的遮挡，以及其他外部条件(如风吹)的影响，所获取的三维点云数据不可避免的会带有噪声点。首先采用最少邻居法进行噪声点的初步剔除，即对树木三维点云数据中的每个数据点进行最少邻居检查，若某个数据点的邻居(距离该点的直线距离不大于1.0cm的数据点即为该点的邻居)个数小于20个，即将该数据点从点云中删除。然后对初步剔除后的三维点云进行二次噪声剔除处理，以便去除那些使用最少近邻法无法剔除而又不属于树木自身数据的数据点，方法是利用颜色差别信息，对三维点云中的每个数据点进行检查，去除那些颜色与树木的叶子、树枝、树干等器官对应的数据点的颜色相差较大的数据点。经过以上处理，从树木的三维点云原始数据中得到去除噪声点的三维点云数据集Dg。步骤A3:对除噪声点的树三维点云数据集Dg进行精简，降低三维点云中数据点的密度，得到精简的树三维点云数据集D。。基于平均点距的精简方法对去除噪声点的三维点云数据集Dg进行精简，精简后的数据集记为D。。步骤B:对精简的树三维点云数据集D。进行器官分割，得到各个器官的三维点云数据，包括叶子器官三维点云数据、主干三维点云数据集、主枝三维点云数据集和幼枝三维点云数据集，具体流程如图4所示，具体包括以下步骤:步骤B1:计算树的不同器官的颜色特征，根据不同器官的颜色特征分为叶子、主干、主枝和幼枝四类器官，并分别计算每一类器官的颜色特征。计算三维点云数据中叶子、树枝、树干等不同器官对应的数据点的颜色特征，根据对树木不同器官颜色特征的观察分析，将树木的器官分为四类，包括叶子、主干、主枝和幼枝，并计算每类器官的颜色特征，具体方法为:首先通过手工交互的方式从精简的树三维点云数据集D。中选取每类器官对应的数据点10个，然后计算这10个数据点的颜色平均值。假设所选取的叶子类器官的某个数据点的颜色为Ci (r，g, b)，其中i取值为I到10之间的自然数，则叶子类器官的颜色特征
权利要求
1.一种带叶状态树木形态结构三维重建的方法，其特征在于，所述方法具体包括: A:获取树的三维点云数据，并进行预处理和精简处理得到精简的树三维点云数据集； B:对所述精简的树三维点云数据集进行器官分割，得到各个器官的三维点云数据，包括叶子器官三维点云数据、主干三维点云数据集、主枝三维点云数据集和幼枝三维点云数据集； C:根据所述主干三维点云数据集、所述主枝三维点云数据集和所述幼枝三维点云数据集提取树枝干的骨架，并优化； D:对所述树枝干的骨架进行网格化，生成树枝干三维网络模型，并对所述树枝干的骨架中的每根枝干进行分类； E:进行冠层三维重建，将叶子模型添加到所述树枝干三维网络模型上。
2.如权利要求1所述的方法，其特征在于，所述步骤A具体包括: Al:获取带叶状态树的三维点云数据； A2:对步骤Al中的三维点云数据进行噪声点剔除和二次剔除处理，得到去除噪声点的树三维点云数据集； A3:对所述除噪声点的树三维点云数据集进行精简处理，降低三维点云中数据点的密度，得到精简的树三`维点云数据集。
3.如权利要求1所述的方法，其特征在于，所述步骤B具体包括: B1:计算树的不同器官的颜色特征，根据不同器官的颜色特征分为叶子、主干、主枝和幼枝四类器官，并分别计算每一类器官的颜色特征； B2:分别计算所述精简的树三维点云数据集中的每个数据点的颜色特征与所述叶子、所述主干、所述主枝和所述幼枝四类器官的颜色特征的距离，并根据所述距离进行器官分害I]，得到叶子器官三维点云数据、主干三维点云数据集、主枝三维点云数据集和幼枝三维点云数据集。
4.如权利要求1所述的方法，其特征在于，所述步骤C具体包括: Cl:对所述主干三维点云数据集、所述主枝三维点云数据集和所述幼枝三维点云数据集进行点云收缩，生成不同类型枝干的骨架； C2:对所述不同类型枝干的骨架进行修补和优化，并将不同类型的枝干进行连接生成树木枝干骨架。
5.如权利要求1所述的方法，其特征在于，所述步骤E具体包括: El:获取不同类型枝干上的叶子形态特征数据，分别建立树冠层不同类型枝干上叶子的空间分布模型，所述叶子的空间分布模型包括叶子数目、叶夹角和叶倾角； E2:按照所述叶子的空间分布模型将所述叶子模型放到所述树枝干三维网络模型的每根枝干上； 所述步骤E2之前还包括:从叶子的三维点云数据中生成一个三维网格曲面模型，建立叶子模型。
6.一种带叶状态树木形态结构三维重建的系统，其特征在于，所述系统包括: 获取和预处理模块、器官分割模块、骨干提取模块、枝干重建模块和冠层重建模块； 所述获取和预处理模块，用于获取树的三维点云数据，并进行预处理和精简处理得到精简的树三维点云数据集；所述器官分割模块，用于对所述精简的树三维点云数据集进行器官分割，得到各个器官的三维点云数据，包括叶子器官三维点云数据、主干三维点云数据集、主枝三维点云数据集和幼枝三维点云数据集； 所述骨干提取模块，用于根据所述主干三维点云数据集、所述主枝三维点云数据集和所述幼枝三维点云数据集提取树枝干的骨架，并优化； 所述枝干重建模块，用于生成树枝干三维网络模型，进行枝干三维重建； 所述冠层重建模块，用于冠层三维重建，将叶子模型添加到所述树枝干三维网络模型上。
7.如权利要求6所述的系统，其特征在于，所述获取和预处理模块具体包括:获取模块、去噪声点模块和精简模块； 所述获取模块，用于获取带叶状态树的三维点云数据； 所述去噪声点模块，用于对获取模块获取到的三维点云数据进行噪声点剔除和二次剔除处理，得到去除噪声点的树三维点云数据集； 所述精简模块，用于对所述除噪声点的树三维点云数据集进行精简处理，降低三维点云中数据点的密度，得到精简的树三维点云数据集。
8.如权利要求6所述的系统，其特征在于，所述器官分割模块具体包括:颜色特征计算模块和颜色特征距离计算模块； 所述颜色特征计算模块，用于计算树的不同器官的颜色特征，根据不同器官的颜色特征分为叶子、主干、主枝和幼枝四类器官，并分别计算每一类器官的颜色特征； 所述颜色特征距离计算模块，`用于分别计算所述精简的树三维点云数据集中的每个数据点的颜色特征与叶子、主干、主枝和幼枝四类器官的颜色特征的距离，并根据所述距离进行器官分割，得到叶子器官三维点云数据、主干三维点云数据集、主枝三维点云数据集和幼枝三维点云数据集。
9.如权利要求6所述的系统，其特征在于，所述骨干提取模块具体包括:骨架生成模块和骨架优化模块； 所述骨架生成模块，用于对所述主干三维点云数据集、所述主枝三维点云数据集和所述幼枝三维点云数据集进行点云收缩,生成不同类型枝干的骨架； 所述骨架优化模块，用于对所述不同类型枝干的骨架进行修补和优化，并将不同类型的枝干进行连接生成树木枝干骨架。
10.如权利要求6所述的系统，其特征在于，所述冠层重建模块具体包括:空间分布模型建立模块和叶子模型添加模块； 所述空间分布模型建立模块，用于获取不同类型枝干上的叶子形态特征数据，分别建立树冠层不同类型枝干上叶子的空间分布模型，所述叶子的空间分布模型包括叶子数目、叶夹角和叶倾角； 所述叶子模型添加模块，用于按照所述叶子的空间分布模型将所述叶子模型放到所述树枝干三维网络模型的每根枝干上； 所述冠层重建模块还包括叶子模型生成模块，用于从叶子的三维点云数据中生成一个三维网格曲面模型，建立叶子模型。
全文摘要
本发明公开了一种带叶状态树木形态结构三维重建的方法和系统，通过获取树的三维点云数据，并进行预处理和精简处理得到精简的树三维点云数据集；对精简的树三维点云数据集进行器官分割，得到各个器官的三维点云数据，包括叶子器官三维点云数据、主干三维点云数据集、主枝三维点云数据集和幼枝三维点云数据集；根据主干三维点云数据集、主枝三维点云数据集和幼枝三维点云数据集提取树枝干的骨架，并优化；对树枝干的骨架进行网格化，生成树枝干三维网络模型，并对树枝干骨架中的每根枝干进行分类；进行冠层三维重建，实现带叶状态树形态结构的快速三维重建，从而为进行树木冠层的结构分析、生理生态特性评价等应用提供方法和高精度的基础模型支持。
文档编号G06T5/00GK103106684SQ201310014769
公开日2013年5月15日 申请日期2013年1月15日 优先权日2013年1月15日
发明者陆声链, 赵春江, 郭新宇, 肖伯祥, 杜建军 申请人:北京农业信息技术研究中心