该发明专利技术公开了一种基于地面LiDAR点云数据的单株植被三维建模方法，属于计算机三维建模领域，采用新兴的三维激光扫描技术对单株植被进行模型重建。将激光雷达点云数据用于构建单株植被三维仿真模型的途径和方法。首先，对地面多个观测站点获取的植被点云数据进行配准、结构化存储和多次去噪等预处理，并且提出利用基于强度阈值的方法实现植被枝干与叶片激光点云数据的有效提取；然后，利用Delaunay三角网生长算法对分割后的点云数据进行有效的曲面拟合与修补；最终，通过对比拼接和渲染建立反映植被真实结构的三维仿真模型。
【技术实现步骤摘要】
本专利技术属于计算机三维建模领域，采用新兴的三维激光扫描技术对单株植被进行 模型重建。 技术背景 近年来，随着人们对绿色植被生态系统的日益关注，以及对植被生态功能定量化 研究的广泛开展，植被的三维建模已成为目前相关
关注的一个热点。然而，由于植 被实际结构的复杂性，如:表皮不规则、分枝不对称、枝叶分布错综复杂且相互遮挡等，给植 被三维仿真模型的建立带来了许多困难。目前植被的计算机三维仿真建模主流方法有基于 植物生长规则的过程建模法、基于图像的建模法和基于草绘的建模法三大类。基于规则的 方法最先得到发展，是目前应用最为广泛的虚拟植物构建方法。此法需要一定的植物学专 业知识，通过定义和调整几何参数来确定植物的三维形态。除了需要专业知识和经验外，基 于规则的方法生成的是统计意义上的模型，真实感稍差，且对真实树木或特定形状树木的 建模比较困难。基于图像的建模方法利用图像处理工具或计算机视觉算法，从单幅或不同 视角的多幅自然影像中自动提取植物特征来构建模型。基于草绘的方法则是通过人机交互 方式在用户手绘的枝干或外形轮廓的基础上，利用植物生长规则或者已有的树木模型库生 成三维模型。后两种方法可以生成外观逼真、形态各异的虚拟植物，但难以从虚拟模型中提 取出准确的树木生长和几何形态参数。 激光扫描技术的出现改变了原有的数据采集方式，它通过发射和接收激光脉冲进 行非接触式主动测量，能够方便、快捷、直接地获取目标物体表面高精度的三维点云数据， 已广泛应用于文物保护、地形勘探、数字城市等领域。因此，三维激光扫描技术为植被立体 结构信息的获取和真实场景的三维模拟提供了全新的手段。
技术实现思路
本专利技术针对现有技术的不足之处，改进设计了一种计算量小，模型清晰逼真的基 于地面LiDAR点云数据的单株植被三维建模方法。 本专利技术将激光雷达点云数据用于构建单株植被三维仿真模型的途径和方法。首 先，对地面多个观测站点获取的植被点云数据进行配准、结构化存储和多次去噪等预处理， 并且提出利用基于强度阈值的方法实现植被枝干与叶片激光点云数据的有效提取;然后， 利用Delaunay三角网生长算法对分割后的点云数据进行有效的曲面拟合与修补；最终，通 过对比拼接和渲染建立反映植被真实结构的三维仿真模型。 因而本专利技术，该方法包括： 步骤1:通过多站点的方式从不同的方位对单朱植被进行扫描，再对各方位扫描获 得的点数据进行配准，使各方位的扫描电数据统一到同一坐标系中； 步骤2:将步骤1获得同一坐标系下的所有点数据进行归类，建立索引，方便对各点 数据进行后续计算； 步骤3 :对步骤2建立索引后的点数据进行去噪处理，去除在扫描过程中因为植被 摇动产生的噪声点数据； 步骤4:将去噪后的所有点数据划分为枝干和叶片两部分，分开建模； 步骤5:将步骤4建立的枝干模型和叶片模型进行组合，获得完整的植被模型。 进一步，所述步骤1的具体方法为： 步骤1.1:从不同的方位大于单株植被进行扫描，采集各方位的点数据； 步骤1.2:通过将相邻站点点云数据中的标靶作为控制点进行强制符合，对各方位 扫描的点数据进行粗配准； 步骤1.3:采用ICP算法对步骤1.2粗配准后的数据精配准。 进一步的，所述步骤2的具体方法为： 划分出一个包含所有数据点立方体空间，将该空间分割为8个相同的小立方体空 间，再将各小立方体空间划分为8个更小的立方体空间，依次对更小的立方体空间进行划 分，知道划分后的最小的立方体空间包括的数据点个数小于或等于设定的阈值。 进一步的，所述步骤3的具体方法为： 步骤3.1:利用包围盒方法对点云数据进行栅格化，将其中所有的点分配到各栅格 中； 步骤3.2:求取包含最多栅格的最大连通域，并去除不在最大连通域内的孤立噪声 占 .步骤3.3 :对去除孤立噪声点后的点云数据进行第二次栅格划分，建立各删格内点 云的k邻域； 步骤3.4:用最小二乘法拟合出每个k邻域的最佳逼近平面； 步骤3.5:计算每个k邻域内所有点到其最佳逼近平面的距离，并给定一个阈值，把 k邻域内距平面距离大于该阈值的点去除。 进一步的，所述步骤4的具体方法为： 步骤4.1:根据经验选定两个阈值I#PI2,然后比较输入点云中各离散点的激光回 波强度值是否大于阈值I:，将强度值大于I:的点归为叶片，其余归为残余点云； 步骤4.2:继续判别残余点云中各离散点的激光回波强度值是否大于阈值12,将强 度值大于12的点归为枝干；步骤4.3:采用Delaunay三角网生长算法分别对植被叶片和枝干进行三角网格构 建；步骤4.4:分别对植被叶片和枝干的空洞区域进行人为修补，对修补后的三角网格 进行平滑处理；本专利技术能够实现对多站点大规模点云的快速配准，对三维激光点云数据的组织与 索引具有树深小，遍历速度快，内存消耗少等优势，在去除噪声方面，可以通过选择邻近点 数量及判别阈值控制去噪迭代过程，同时本专利技术利用激光点云数据的反射强度信息，更加 便捷地实现了植被枝干与叶片点云数据的分割，并利用Delaunay三角网生长法在占用内存 较小、构网效率较高的前提下实现了植被表面重构。因此，本专利技术适用于对单株植被的三维 模型重建。【附图说明】图1为基于地面点云数据的单株植被三维建模流程图；图2为单株植被两站点云数据的配准结果图； 图3为点云数据空间的八叉树结构划分示意图； 图4为单株植被点云数据噪声的去除示意图； 图5为根据强度阈值提取的枝干和叶片点云示意图；图6为枝干点云三角网格空洞的修补示意图； 图7为植被枝干与叶片点云网格化结果示意图； 图8为单株植被实景与三维建模结果对比示意图。具体实施步骤 1)多站点云数据的配准与拼接：为了获得完整的植被点云数据，需要从不同方位对植被进行扫描，而通过将相邻 站点点云数据中的标靶作为控制点进行强制符合，可以完成对多站点云数据的粗配准，即 将不同坐标系下的点云大致统一到同一坐标系下。然后，通过精配准，可使多站点云之间的 拼接误差达到最小。设P、Q为在不同站点获取的同一物体的点云集，且点P、q为被测物体表 面任意一点在不同坐标系点云集中的构象，即P(Xp，yp，Zp) eP，q(Xq，yq，Zq) eQ，点云数据的 精配准就是要使两个点云集中任意表示物体表面同一点的点对(P，q)，满足相同的变换， 即：其中，R为旋转矩阵，t为平移矢量。本专利技术采用的是ICP算法，其主要步骤是:首先， 假设一个初始的位置及状态估计，即从点云集P中选取一定数量的点，并在相邻点云集Q中 寻找出这些点的对应点；然后，通过最小二乘法迭代，计算最优的坐标变换参数，即使误差 函数最小的R和t。两站植被点云数据的配准过程如图2所示。将前两站的精配准结果按 相同的步骤与第三站点云数据进行配准，可最终获得全方位完整的单株植被点云数据。 2)点云数据的组织：从植被表面获取的激光雷达点云数据相当庞大且离散度高，如何有效地组织这些 点云数据，是进行植被三维建模的重要前提。本专利技术采用了八叉树结构和Morton码对植被 点云数据进行划分和编码。首先，将三维空间中包围整个点云数据的最小立方体均匀划分 为具有相同大小的八个子立方体，称为体元。其次，对每个体元进行判别，如果当前体元满 足给定的属性，则该体元构成一个叶节点，并对应一个本文档来自技高网...
【技术保护点】
一种基于地面LiDAR点云数据的单株植被三维建模方法，该方法包括：步骤1：通过多站点的方式从不同的方位对单朱植被进行扫描，再对各方位扫描获得的点数据进行配准，使各方位的扫描电数据统一到同一坐标系中；步骤2：将步骤1获得同一坐标系下的所有点数据进行归类，建立索引，方便对各点数据进行后续计算；步骤3：对步骤2建立索引后的点数据进行去噪处理，去除在扫描过程中因为植被摇动产生的噪声点数据；步骤4：将去噪后的所有点数据划分为枝干和叶片两部分，分开建模；步骤5：将步骤4建立的枝干模型和叶片模型进行组合，获得完整的植被模型。进一步，所述步骤1的具体方法为：步骤1.1：从不同的方位大于单株植被进行扫描，采集各方位的点数据；步骤1.2：通过将相邻站点点云数据中的标靶作为控制点进行强制符合，对各方位扫描的点数据进行粗配准；步骤1.3：采用ICP算法对步骤1.2粗配准后的数据精配准。
【技术特征摘要】
【专利技术属性】
技术研发人员：罗欣，赵翔宇，杜俊，吴宝峰，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51
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。