基于体素生长和地面激光点云的树木胸径自动计算方法与流程

本发明涉及一种树木胸径的计算方法，具体涉及一种基于体素生长和地面激光点云的树木胸径自动计算方法。

背景技术

地面激光扫描技术被广泛地应用在森林资源调查中树木胸径的测算工作中，这项工作的重难点之一是如何从地面激光扫描采集到的大量点云数据中迅速、准确地提取出树干，并克服噪声。

目前，利用地面激光扫描得到的点云数据进行树木胸径测算的方法主要有四种：

第一种方法是直接测量两点之间的距离计算树木胸径，其通过目测选点的方式进行测算，通常因为选择的两点不是组成直径的两点或者树干形状变化导致计算不准确；

第二种方法是对树干的点云切片进行圆拟合得到直径，其一般是在树干的1.3米处，截取一定厚度的切片，然后垂直地投影到xoy平面，再直接利用圆拟合得到树干胸径，这样直接投影到xoy平面，将会影响树干具有一定倾斜度的树木胸径拟合准确度，并且切片厚度越大，影响越大；

第三种方法是利用霍夫变换检测树干并测算其胸径，由于点云数量大，霍夫变换需要大量的计算，耗时长；

第四种方法是对树干点云进行圆柱拟合得到树木胸径，但是无论是利用高斯图法、遗传算法还是特征算法进行圆柱拟合，计算过程都过于繁琐，且该方法对具有一定倾斜度的树干拟合准确度不够。

技术实现要素：

本发明的目的在于提供一种基于体素生长和地面激光点云的树木胸径自动计算方法，其能克服现有技术的不足，具有普适性，计算速度快，准确率高。

为实现上述目的，本发明采用以下技术方案：

一种基于体素生长和地面激光点云的树木胸径自动计算方法，其包括以下步骤：

s1、从利用地面激光扫描装置获取的三维森林点云数据集cloud1中截取出距离地面一定距离内的点云并滤除其中的地面点，得到点云数据集cloud2；

s2、对步骤s1得到的cloud2中的每个点云估计法向量，利用法向量的z分量对cloud2滤波，从而减小树叶等噪声的干扰提高树干提取和胸径测量的准确度，滤波后得到点云数据集cloud3；

s3、对步骤s2得到的cloud3以一定长宽高进行体素化划分，并计算每个体素中存在的点云数量，然后在最顶层的体素搜索出点云数量大于阈值n的体素，向下生长出树干；再从次顶层搜索出点云数大于阈值n的体素，向下生长出树干，此过程不包括最顶层中已被生长过的体素；依次操作，直到最底层的体素，生长出全部竖条状的可能树干，滤除树干高度差小于阈值h的树干点云，以排除树叶等噪声的干扰，最后得到树干treei，i∈[1,tn]，tn为整个cloud3中树干的数量；

s4、从距离步骤s3得到的treei,i∈[1,tn]最低点1.3米处开始，向上截取一定厚度的树干点云切片数据集，记为slicei。利用slicei中每个点的法向量相互叉乘，得到与树干slicei处垂直的平面，将slicei中的点投影到该平面，获得每棵树在1.3米处的切片投影，投影得到的点云集记为pcloudi,i∈[1,tn]；

s5、对步骤s4中得到的pcloudi,i∈[1,tn]进行圆拟合，得到每颗树干所处位置的xy值及其直径di,i∈[1,tn]，所述直径即该树木的胸径。

进一步地，步骤s4中所述的树干点云切片厚度为5cm。

进一步地，步骤s2中利用法向量的z分量对cloud2滤波的具体步骤为：对cloud2中的每个点云，利用其最近的50个点云估计该点云所在平面的法向量ni＝(nix，niy，niz)，当该点的niz的绝对值大于一定的阈值nzth，就将该点滤除，以减小树叶等噪声的干扰，余下的点云记为cloud3。

采用上述技术方案后，本发明与背景技术相比，具有如下优点：

(1)本发明可以对大规模的森林三维点云数据进行直接的处理，进而自动获得场景中树木的数量、单木的具体位置以及其1.3米处的胸径。由于只保留了树干部分的点云数据，大大地减少了计算量，提高了计算速度。

(2)本发明利用法向量的z分量对树干上的点云进行滤波，可以将树叶等噪声滤除，减小了噪声的干扰，提高树干提取和胸径测量的准确度。

(3)本发明对每棵树1.3米处的切片点云集进行法向量的相互叉乘，得出与1.3米处树干相互垂直的平面，再将切片点云集投影到该平面，解决了现有技术中直接投影到xoy平面对具有一定倾斜度的树干计算不准确的问题，提高算法的鲁棒性，具有普适性，能够适用于复杂茂密的林区环境，可以在森林资源规划调查中发挥较好的作用。

附图说明

图1为本发明的流程示意图；

图2为截取出距离地面3米以内的点云并滤除其中的地面点后，得到的树干部分点云；

图3为自顶向下生长的树干点云；

图4为生长的单木树干点云，其中a区域内的树干部分为切片部分；

图5为图4中a区域内的切片投影后的点云。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例

图1示出了本实施例的实施流程，参考图1所示，本发明公开了一种基于体素生长和地面激光点云的树木胸径自动计算方法，其包括以下步骤：

s1、从利用地面激光扫描装置获取的三维森林点云数据集cloud1中截取出距离地面3米以内的点云并滤除其中的地面点，得到点云数据集cloud2；

具体过程如下：

首先，在xoy平面以一定宽度wb的网格将cloud1分割成许多长方体形的点云块bi,i＝1,2,3……nv，其中nv为局部点云块的数量；

然后对每一个点云块bi，利用八叉树索引结构划分，细分成一系列的点云体素vj，对每个点云体素实施向上生长过程：每个点云体素生长出其上方最邻近的9个点云体素，再将这9个点云体素分别作为起点继续重复向上生长，直到没有上面9个邻域时，结束并完成向上生长过程；

最后计算每个点云体素的局部高度值和全局高度值，其中：某个点云体素vj的局部高度值为该点云体素vj与其所在点云块bi的所有点云体素中高度值最小体素间的高度差，记为lhj；体素vj的全局高度值为体素vj与整个场景最低体素的高度差，记为ghj。如果点云体素vj的局部高度值lhj小于局部阈值hl且全局高度值ghj小于全局阈值hg，则该体素vj则标记为地面点，滤除该点云体素。如果没有同时满足这两条件，该点云体素标记为非地面点，保留该点云体素。如果点云体素vj的局部高度值lhj大于3米，将该点云体素vj滤除，只保留距离地面3米以内的点云，最终得到点云数据集cloud2。

图2示出了截取出距离地面3米以内的点云并滤除其中的地面点后，得到的树干部分点云的示意图。

s2、对步骤s1得到的cloud2中的每个点云估计法向量，利用法向量的z分量对cloud2滤波，从而减小树叶等噪声的干扰，提高树干提取和胸径测量的准确度，滤波后得到点云数据集cloud3；

具体为：对cloud2中的每个点云，利用其最近的50个点云估计该点云所在平面的法向量ni＝(nix，niy，niz)。由于树干上点云法向量的z分量相对都较小，而树叶等噪声法向量的z分量相对都较大，所以当该点的niz的绝对值大于一定的阈值nzth，就将该点滤除，余下的点云记为cloud3。

s3、对步骤s2得到的cloud3以一定长宽高进行体素化划分，并计算每个体素中存在的点云数量，然后在最顶层的体素搜索出点云数量大于阈值n的体素，向下生长出树干；再从次顶层搜索出点云数大于阈值n的体素，向下生长出树干，此过程不包括最顶层中已被生长过的体素；依次操作，直到最底层的体素，生长出全部竖条状的可能树干，滤除树干高度差小于阈值h的树干点云，以排除树叶等噪声的干扰，最后得到树干treei，i∈[1,tn]，tn为整个cloud3中树干的数量；

具体过程为：

首先对步骤s2得到的cloud3以一定的长宽高进行体素化，得到一系列的体素，计算出每个体素中的点云数量，记为ni,j,k，其中k∈[0,nk]，nk是体素的层数，该层对应的z坐标最大；

然后从最顶层的体素中搜索体素内点云数量ni,j,k大于阈值nth的体素从体素向下生长出树干，生长的条件同样为体素内点云数量ni,j,k大于阈值nth，生长出来的树干点云存储到treei，如果treei中最高点与最低点的高度差小于阈值hth，将treei舍弃，以排除树叶等噪声的干扰，当完成对最顶层全部体素的搜索并生长后，对次顶层中的体素(已经被生长的体素除外)进行同样条件的搜索和生长，依次对每一层体素不断重复该过程，直到最底层的体素vi,j,0结束树干的搜索和生长。

最后，得到全部的树干treei，i∈[1,tn]，tn为整个cloud3中树干的数量。

图3示出了自顶向下生长的树干点云的示意图。

s4、从距离步骤s3得到的treei,i∈[1,tn]最低点1.3米处向上截取5厘米的点云切片数据集，记为slicei。利用slicei中每个点的法向量相互叉乘，得到与树干slicei处垂直的平面，将slicei中的点投影到该平面，获得每棵树在1.3米处的切片投影，投影得到的点云集记为pcloudi,i∈[1,tn]；

图4示出了生长的单木树干点云，其中a区域内的树干部分为切片部分。

s5、对步骤s4中得到的pcloudi,i∈[1,tn]进行圆拟合，得到每颗树干所处位置的xy值及其直径di,i∈[1,tn]，所述直径即该树木的胸径。

图5示出了图4中a区域内的切片投影后的点云。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。