基于类主干点的三维树木几何模型重建方法技术

本发明专利技术提出的是一种基于类主干点的三维树木几何模型重建方法，具体包括如下步骤：（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。优点：（1）有效处理点云的数据缺失；（2）降低算法对点云密度的敏感性；（3）提高树木建模的鲁棒性。

Reconstruction Method of Three-dimensional Tree Geometric Model Based on Class Trunk Points

【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密度都有了极大提高，2017年纽约大学发布的DublinALS点云数据集已经达到300点/平方米，为实现大范围林木场景的模型重建提供了良好的数据源；移动式激光扫描（MobileLaserScanning，MLS）技术是一种新兴的、综合的、髙效灵活的空间信息获取手段，在实施高效获取树木点云数据的同时，也存储了自身运动轨迹信息与相关全景影像最具有代表性特点。此外，移动式激光扫描通常搭载了由全球卫星导航系统(GNSS-GlobalNavigationSatelliteSystem)和惯性导航系统(INS-InertialNavigationSystem)组合而成的定位定姿系统(POS)，为获取的点云数据提供了精确的位置信息。然而，无论是地面、机载还是移动式激光扫描技术，其获取的点云数据，往往存在着点密度不均匀、噪声点与离值点以及树冠内部遮挡严重、数据缺失等问题；此外树木本体具有形态各异、无规则可循、几何结构复杂，这种点云自身缺陷与树木几何形态固有的特点为树木模型的重建，带来了巨大的挑战。近二十年来，模式识别、人工智能与虚拟现实技术的全面发展，在促进激光雷达与点云数据建模研究发展的同时，也对二者提出了更高的要求。如何自动化、高效化、高保真度、轻量化地实现树木模型重建，是数字城市与数字林业建设过程中必须重视与解决的问题。当前主流的植被地面点云建模方法主要包括：基于聚类思想的建模、基于图论方法的建模、基于先验假设的约束建模、基于拉普拉斯算子的建模、以及基于轻量化的树木建模；上述建模方法均存在不同程度的缺陷：（1）基于聚类思想的建模，理论上可以提取任意树木的骨架点，但聚类算法的时间复杂度较高，并随着点数增加而呈现指数变化，不适合大数据量点云的建模研究；此外，聚类算法对点邻域的界定存在很大的依赖，点的邻域图构建直接影响后续聚类过程的进行。（2）基于图论方法的建模，往往对体素的分辨率有很大的依赖性，体素的规格大小会对点云的计算精度与邻域范围分析产生影响：体素过大，骨架节点提取精度降低，体素过小又会加大计算成本、削弱计算效率。因此，合理的体素大小选择也是利用该方法进行建模时所必须解决的问题；最小生成树极其改进方法，在抗噪声与数据缺失上比较鲁棒，能够很好地对缺失点云数据进行弥补，但优化迭代过程需要进行进一步研究。（3）基于先验假设的约束建模方法依赖去噪的预处理过程，且由于现实场景中，由于自然风、光照等环境因素的诱导使得树木结构并非完全规则的圆柱体或截面并非规则椭圆体，严格的先验假设约束在一定程度上损失了树木模型的精度。（4）基于拉普拉斯算子的建模策略中算子的平滑过程时间复杂度高，建模效率受到影响，利用拉普拉斯算子建模时，往往未兼顾算子的时间复杂度与骨架线提取精度。（5）基于轻量化的树木建模策略中点云三维空间信息的完整性与全面性被削弱，不考虑骨架特别是树冠内部树枝骨架，必然会造成枝条拓扑连接的不准确与细枝模型的丧失，在充分表达树木特别是植冠内部一些细节处的信息上，也存在部分拓扑链接的缺陷。
技术实现思路
本专利技术的目的在于克服上述现有树木三维建模方法存在的种种缺陷，提出一种基于类主干点的三维树木几何模型重建方法，该方法对点云数据缺失和点云的密度不敏感，对试验区不同的树种建模具有较高的鲁棒性，通过对不同密度的点云和不同抽稀层次下的点云进行效率测试，结合类主干点表达和点云抽稀共同确保对大场景树木点云数据的重建。本专利技术的技术解决方案：基于类主干点的三维树木几何模型重建方法，具体包括如下步骤：（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.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。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。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为中心本文档来自技高网...

【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