一种顾及LiDAR点云数据分布差异的植被三维实景建模方法技术

该发明专利技术公开了一种顾及LiDAR数据分布差异的植被三维模型重建方法，属于计算机三维建模领域，顾及到植被LiDAR点云数据的分布差异从而采用不同方法对植被进行三维重建。本发明专利技术针对现有基于LiDAR数据的植被三维模型重建方法的不足之处，找到一种顾及植被主干与分枝点云密度的分布差异，从而对植被的主干与分枝分别采用了基于凸包算法与基于最小二乘法的不同方法进行分别建模，并将叶片模型贴于枝干相应位置处，最终获得了能够反映植被真实结构参数的三维模型。采用此方法不仅可以构建出更加接近于植被面细节特征的真实形态，还能够降低主干与枝干的拓扑关系，从而提高三角网构建效率，提高点云数据处理效率。

A three dimensional real scene modeling method considering the difference of LiDAR point cloud data distribution

The invention discloses a LiDAR data into account differences in distribution of vegetation 3D model reconstruction method, belonging to the field of computer 3D modeling, taking into account the differences in the distribution of vegetation LiDAR point cloud data and 3D reconstruction of vegetation by different methods. Aiming at the deficiencies existing vegetation 3D modeling method based on LiDAR data, find a difference in the distribution of vegetation for trunk and branch point cloud density, and vegetation on the trunk and branches are used based on convex hull algorithm and least square method with the method based on the model, and the model of blade affixed to the corresponding the position of branches, finally got the three-dimensional model can reflect the real vegetation structural parameters. Using this method not only can build a true form closer to the surface grafting of minutiae, also can reduce the topological relationship between trunk and branches, so as to improve the efficiency of constructing triangulation, improve the processing efficiency of point cloud data.

【技术实现步骤摘要】
一种顾及LiDAR点云数据分布差异的植被三维实景建模方法
本专利技术属于计算机三维建模领域，顾及到植被LiDAR点云数据的分布差异从而采用不同方法对植被进行三维重建。技术背景近年来，植被的三维建模已成为相关
的一个热点。然而，由于植被实际生长结构的复杂性，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为植被三维空间信息的获取提供了崭新的方式，但在对植被进行三维激光扫描之后，植被主干与枝干的LiDAR点云数据的分布会有差异，如果简单的采用以上方法一视同仁的对整株植被进行三维重建，其效果往往是差强人意。
技术实现思路
本专利技术针对现有基于LiDAR数据的植被三维模型重建方法的不足之处，找到一种顾及植被主干与分枝点云密度的分布差异，从而对植被的主干与分枝分别采用了基于凸包算法与基于最小二乘法的不同方法进行分别建模，并将叶片模型贴于枝干相应位置处，最终获得了能够反映植被真实结构参数的三维模型。因而专利技术一种顾及LiDAR数据分布差异的植被三维模型重建方法，其主要技术过程如下：步骤1：对植被进行多角度激光扫描并在扫描过程中获取各数据点的R、G、B光谱信息；步骤2：对步骤1获得的植被激光扫描点云数据进行预处理；步骤2.1：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；对每个体元逐一进行判别，如果当前体元满足给定的属性，则该体元构成一个节点，并对应一个点云数据块，否则将该体元继续均匀划分成八个更小的体元；通过这种循环递进的方式对包含植被点云数据的三维空间进行划分，使每个节点都满足相同的属性或者达到预先设定的分辨率阈值为止，最终生成一个具有根节点的多层次方向树；步骤2.2：对方向树中各节点的地址信息和体元大小信息采用Morton码进行编码；步骤2.3：对点云数据进行去噪处理；步骤3：将预处理后的点云数据按植被的结构划分为主干点云数据、分枝点云数据、叶片点云数据；步骤3.1：提取植被点云数据中R、G、B各波段的信息；步骤3.2：为R、G、B三个波段分别根据实际情况设定阈值，在每一波段上对枝干与叶片进行划分；步骤3.3：对R、G、B三个波段的划分结果进行加权平均，根据平均后的值对该数据点进行划分；步骤3.4：将枝干中的点云数根据单位小平面密度均值差异设定经验阈值划分为主干点云数据和分枝点云数据；步骤4：对步骤3得到的各角度点云数据进行配准；步骤5：植被主干点云数据采用凸包算法进行三维重建；步骤6：植被枝干点云数据采用最小二乘法进行枝干骨架提取，再进行三维重建；步骤7：植被叶片点云数据采用Delaunay三角网格化进行三维模型重建；步骤8：将植被主干三维模型、枝干三维模型和叶片三维模型进行拼合得到完整的植被三维模型。进一步的，所述步骤2.1中通过设置体元中包含的最小点数量作为判别是否继续划分的属性。进一步的，所述步骤2.3的具体步骤为：步骤2.3.1：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2.3.2：求取包含最多栅格的最大连通域，并去除孤立噪声点；步骤2.3.3：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2.3.4：用最小二乘法拟合出每个k邻域的最佳拟合平面；步骤2.3.5：计算k邻域内所有点到最佳拟合平面的距离di，并设定一个阈值，把k邻域内距佳拟合平面的距离大于该阈值的点去除。进一步的，所述步骤5的具体方法为：首先将玉兰树主干点云数据按照Z轴方向等距分层，然后将分层后的主干各层点云投影至该层垂直于Z轴的底面上，利用凸包算法提取出每一层点云的凸包折线，再以玉兰树最底层为起始层，逐层向上利用Delaunay三角网算法构建相邻层间三角网格，直至最顶层，最终构建出玉兰树主干的三角网格曲面模型。进一步的，所述步骤6的具体方法为：首先将分枝点云沿Z轴方向进行等距分层，再将分层后的每一层点云投影至该层垂直于Z轴的底面上，然后利用最小二乘法求取每一层上点集的拟合圆，得到圆心及半径参数，最后连结每一层拟合圆的圆心得到分枝的骨架，将每一层的拟合圆与相邻层拟合圆相连结形成分枝曲面。本专利技术一种顾及LiDAR数据分布差异的植被三维模型重建方法，采用此方法不仅可以构建出更加接近于植被面细节特征的真实形态，还能够降低主干与枝干的拓扑关系，从而提高三角网构建效率，提高点云数据处理效率。附图说明图1为本专利技术植被三维模型重构方法结构框图；图2为本专利技术点云数据的空间八叉树结构划分方法示意图；图3为点云数据的空间八叉树结构编码示意图；图4为基于k近邻的去噪方法示意图；图5为植被点云去噪前后对比图像；其中(a)为去噪前植被点云图像，(b)为去噪后植被点云图像，(c)为去噪前局部植被点云图像，(d)为去噪后局部植被点云图像；图6为根据光谱信息提取的叶片与枝干点云示意图；其中(a)为叶片点云，(b)为枝干点云；图7为多站点云数据粗配准示意图；图8为多站点云数据精配准及结果示意图；其中(a)为多站点云精配准，(b)为多站点云配准结果；图9为玉兰树枝干点云的分割结果图；其中(a)为分割前玉兰树枝干点云，(b)为分割后玉兰树主干点云，(c)为分割后玉兰树分枝点云；图10为玉兰树主干建模技术路线示意图；图11为玉兰树主干分层投影后局部点云图像；图12为Graham算法求凸包点过程示意图；图13为利用凸包算法所得平面点集凸包折线示意图；图14为利用凸包折线构建三角网格示意图；图15为玉兰树局部主干模型生成示意图；其中(a)为主干原始点云，(b)为主干三角网格曲面；图16为玉兰树分枝建模示意图；图17为平面点集最小二乘法拟合圆示意图；图18为分枝骨架提取及模型生成示意图；其中(a)为分枝原始点云，(b)为分枝骨架提取，(c)为局部分枝骨架，(d)为局部骨架连结；图19为叶片三维模型生成示意图；图20为植被三维模型生成示意图；具体实施步骤一、植被激光点云数据预处理三维激光点云数据的预处理主要包括点云数据的组织与索引、点云数据的去噪、点云数据的枝叶分割、点云数据的多站配准。首先需要对植被庞大且散乱的点云数据进行有效地组织与索引，这是三维模型建立的必要前提。三维激光扫描仪在每一站点获取数据的扫描过程中，由于受到环境天气以及人为误操作等因素的影响，采集到的初始点云数据中包含有噪声，在进行植被三维建模之前，需要对采集的原始点云数据进行去噪处理。植被三维建模的核心工本文档来自技高网...

【技术保护点】
一种顾及LiDAR数据分布差异的植被三维模型重建方法，其主要技术过程如下：步骤1：对植被进行多角度激光扫描并在扫描过程中获取各数据点的R、G、B光谱信息；步骤2：对步骤1获得的植被激光扫描点云数据进行预处理；步骤2.1：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；对每个体元逐一进行判别，如果当前体元满足给定的属性，则该体元构成一个节点，并对应一个点云数据块，否则将该体元继续均匀划分成八个更小的体元；通过这种循环递进的方式对包含植被点云数据的三维空间进行划分，使每个节点都满足相同的属性或者达到预先设定的分辨率阈值为止，最终生成一个具有根节点的多层次方向树；步骤2.2：对方向树中各节点的地址信息和体元大小信息采用Morton码进行编码；步骤2.3：对点云数据进行去噪处理；步骤3：将预处理后的点云数据按植被的结构划分为主干点云数据、分枝点云数据、叶片点云数据；步骤3.1：提取植被点云数据中R、G、B各波段的信息；步骤3.2：为R、G、B三个波段分别根据实际情况设定阈值，在每一波段上对枝干与叶片进行划分；步骤3.3：对R、G、B三个波段的划分结果进行加权平均，根据平均后的值对该数据点进行划分；步骤3.4：将枝干中的点云数根据单位小平面密度均值差异设定经验阈值划分为主干点云数据和分枝点云数据；步骤4：对步骤3得到的各角度点云数据进行配准；步骤5：植被主干点云数据采用凸包算法进行三维重建；步骤6：植被枝干点云数据采用最小二乘法进行枝干骨架提取，再进行三维重建；步骤7：植被叶片点云数据采用Delaunay三角网格化进行三维模型重建；步骤8：将植被主干三维模型、枝干三维模型和叶片三维模型进行拼合得到完整的植被三维模型。...

【技术特征摘要】
1.一种顾及LiDAR数据分布差异的植被三维模型重建方法，其主要技术过程如下：步骤1：对植被进行多角度激光扫描并在扫描过程中获取各数据点的R、G、B光谱信息；步骤2：对步骤1获得的植被激光扫描点云数据进行预处理；步骤2.1：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；对每个体元逐一进行判别，如果当前体元满足给定的属性，则该体元构成一个节点，并对应一个点云数据块，否则将该体元继续均匀划分成八个更小的体元；通过这种循环递进的方式对包含植被点云数据的三维空间进行划分，使每个节点都满足相同的属性或者达到预先设定的分辨率阈值为止，最终生成一个具有根节点的多层次方向树；步骤2.2：对方向树中各节点的地址信息和体元大小信息采用Morton码进行编码；步骤2.3：对点云数据进行去噪处理；步骤3：将预处理后的点云数据按植被的结构划分为主干点云数据、分枝点云数据、叶片点云数据；步骤3.1：提取植被点云数据中R、G、B各波段的信息；步骤3.2：为R、G、B三个波段分别根据实际情况设定阈值，在每一波段上对枝干与叶片进行划分；步骤3.3：对R、G、B三个波段的划分结果进行加权平均，根据平均后的值对该数据点进行划分；步骤3.4：将枝干中的点云数根据单位小平面密度均值差异设定经验阈值划分为主干点云数据和分枝点云数据；步骤4：对步骤3得到的各角度点云数据进行配准；步骤5：植被主干点云数据采用凸包算法进行三维重建；步骤6：植被枝干点云数据采用最小二乘法进行枝干骨架提取，再进行三维重建；步骤7：植被叶片点云数据采用Delaunay三角网格化进行三维模型重建；步骤8：将植被主干三维模型、枝干三维模型和叶片三维模型进行拼合得到完...

【专利技术属性】
技术研发人员：罗欣，钟明，赵翔宇，洪韬，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51