【技术实现步骤摘要】
基于类主干点的三维树木几何模型重建方法
本专利技术涉及的是一种基于类主干点的三维树木几何模型重建方法,属于城市地面植被测量及建模
技术介绍
在数字化城市场景的过程中,由于树木、灌木等植被在城市场景中随处可见,快速、高效地对树木三维模型进行重建也是城市建模不可或缺的重要组成部分,高精度且逼真的树木模型能够使得数字化的城市场景更富有真实感与沉浸感。此外,随着当前大数据与信息化进程的发展,数字林业建设过程也进一步加快,构建更加真实的树木模型也是推动林业数字化进程的基础和关键。激光雷达技术(LightDetectionAndRanging,LiDAR)以作业场景大、空间数据获取速度快、自动化程度高、精度高、时效性好、通用性强等特点,逐渐成为城市场景和林业进行树木三维空间数据采集的重要方式,同时也为进行高精度、大范围场景林木模型的重建工作研究提供了数据保障。目前通过地面、机载、移动式激光扫描获取的激光点云数据,均可用于树木模型的重建工作。其中地面激光雷达技术(Terrestriallaserscanning,TLS)获取的点云数据精度已能达到毫米级,且得到的点云数据密度大(单株树木经单站扫描已能获取近百万数量的点)、精度高,单棵树木的完整性较好,因此在不结合树木照片、精确点位等异源数据信息的情况下,单独利用地面激光扫描技术,已能实现较高精度的树木三维模型重建;机载激光雷达(AirborneLaserScanning,ALS)技术是利用航空飞机或无人机平台,实施大范围林木场景、快速高效模型重建,广泛应用于树冠、林木顶端结构的模型构建。当前的机载激光点云精度与 ...
【技术保护点】
1.基于类主干点的三维树木几何模型重建方法,其特征是包括如下步骤:(1)单株树木分割;(2)构建树木初始骨架;(3)优化初始骨架;(4)确定枝干半径;(5)添加树叶。
【技术特征摘要】
1.基于类主干点的三维树木几何模型重建方法,其特征是包括如下步骤:(1)单株树木分割;(2)构建树木初始骨架;(3)优化初始骨架;(4)确定枝干半径;(5)添加树叶。2.根据权利要求1所述的基于类主干点的三维树木几何模型重建方法,其特征是所述的步骤(1)单株树木分割,具体包括如下步骤:对实验场景进行多站点扫描,扫描时合理布设标靶,利用标靶信息配准多站扫描数据,避免多株树木之间的遮挡和单株树木枝干之间自遮挡造成的数据缺失,从而保证扫描树木点云的完整性;在此基础之上,进一步利用CloudCompare软件,从扫描场景点云数据中手动分割单株树木,以此作为树木几何建模算法的输入。3.根据权利要求1所述的基于类主干点的三维树木几何模型重建方法,其特征是所述的步骤(2)构建树木初始骨架依据激光反射强度值的差异,从预处理原始树木点云中,提取出树木的“类主干点”,然后采用图论中的“最小生成树”算法组织“类主干点”和剩余的“非主干点”,形成树木的初始骨架,最后通过“点密度调整”、“树枝平滑”对初始树木骨架进一步优化,得到比较精确且分布合理的树木骨架;具体包括如下步骤:①提取“类主干点”从原始树木点云中粗略区分出“类主干点”和“非主干点”,其中,“类主干点”主要指位于树主干和树冠中优势枝干上的点,而“非主干点”主要指位于树冠细枝和树叶上的点。首先从预处理后的原始树木点云中,依据激光点云反射强度差异,采用“直方图统计分析”方法,通过实验得到经验阈值,根据试验区不同树种的直方图统计,选择合适的阈值,提取适合该类树种的“类主干点”和“非主干点”。②构建树木的粗略骨架采用无向图G(V,E)组织点云,并采用数组表示法存储点云,其中数组Vertex存储数据元素信息(即顶点),数组Edge存储数据元素之间的关系(即边);提取出的“类主干点”中的每一个点作为图中的一个顶点,搜索每一个顶点周围最邻近的k个点,连接该点和这k个点形成边,并将每条边两顶点间的欧氏距离度量作为这条边的权重;采用Prim算法,从上述无向图中构建MST,从而提取树木的初始骨架。4.根据权利要求1所述的基于类主干点的三维树木几何模型重建方法,其特征是所述的步骤(3)优化初始骨架,具体包括如下步骤:①点密度调整基于ε邻近图进行计算,ε邻近图的定义为:两点i~j之间具有相互连接的关系,如果j∈B(i;ε),其中B(i;ε)表示以i为中心以ε为欧式度量距离的原始点云的集合。我们基于ε邻近图组织原始树木点云,并根据公式(1)计算点云的密度:Di=N(B(i;ε))/ε(1)其中N(B(i;ε))表示ε邻近图中与i点直接连接的点的数目,ε取值为0.1m;生成MST时,采用欧式距离作为边的权重;树点云的分布特征:(i)在不存在数据缺失的情况下,MST上两点间的点云密度是相似的,在较小...
【专利技术属性】
技术研发人员:陈动,杨强,王玉亮,郑加柱,曹震,曹伟,李春成,
申请(专利权)人:南京林业大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。