一种基于无人机影像与重建点云的城市植被分类方法技术

本发明专利技术提供了一种基于无人机影像与重建点云的城市植被分类方法，包括：对原始无人机影像进行点云重建；生成研究区的nDSM信息；基于可见光的植被指数计算；影像对象的分类判别。本发明专利技术基于运动恢复结构（SFM）、多视图聚簇（CMVS）和基于面片模型的密集匹配（PMVS）算法重建研究区密集点云；经滤波、插值生成研究区数字高程模型（DEM）和归一化数字表面模型（nDSM），同时结合影像光谱信息对不同高度的城市植被分类提取；采用面向对象的图像分析方法，根据nDSM信息与归一化绿红差异指数(NGRDI)及可见光波段差异植被指数(VDVI)等光谱信息，实现了对不同高度植被类别的区分，大大提高了区分精度。

A method of urban vegetation classification based on UAV image and reconstruction point cloud

The invention provides a kind of urban vegetation classification method based on UAV image and reconstruction point cloud, including the reconstruction of the original UAV image by point cloud, the nDSM information of the study area, the vegetation index calculation based on visible light, and the classification and discrimination of the image objects. The invention is based on the motion recovery structure (SFM), multi view clustering (CMVS) and the dense matching (PMVS) algorithm based on the patch model to reconstruct the dense point cloud in the study area; through filtering and interpolation, the digital elevation model (DEM) and the normalized digital surface model (nDSM) are generated by the filtering and interpolation, and the image spectral information is combined with different heights. According to the nDSM information and the normalized green red difference index (NGRDI) and the difference vegetation index (VDVI) in the visible light band, the classification of the urban vegetation was extracted by the object oriented image analysis method. The distinction between the vegetation categories of different heights was realized, and the distinction accuracy was greatly raised.

【技术实现步骤摘要】
一种基于无人机影像与重建点云的城市植被分类方法
本专利技术涉及一种城市植被分类方法，具体的说，涉及了一种基于无人机影像与重建点云的城市植被分类方法。
技术介绍
植被是城市生态系统中重要的组成部分，具有吸收噪音、减少雾霾和减轻城市热岛效应的功能。研究并准确掌握城市植被的类型、面积及空间分布可为城市规划者优化城市空间利用提供可靠依据，利于提高城市宜居指数、促进城市发展。传统的植被调查多采用人工方法，虽然调查详细、准确率高，但人力、财力消耗大而且周期长，无法满足植被信息快速更新的需求。无人机遥感具有客观、高效等特点，可在短期内获取较大范围地面信息，加之其影像分辨率高，用于信息的分类与快速更新具有很大优势。以往城市植被分类时多利用影像光谱、纹理和形状等特征，能较好地提取某一类植被，而无法很好从植被这一大类中根据高度信息对不同类型植被进一步提取。为了解决以上存在的问题，人们一直在寻求一种理想的技术解决方案。
技术实现思路
本专利技术的目的是针对现有技术的不足，从而提供一种可区分不同高度的植被、分类精度高、分类效率高、实用性强的基于无人机影像与重建点云的城市植被分类方法。为了实现上述目的，本专利技术所采用的技术方案是：一种基于无人机影像与重建点云的城市植被分类方法，包括以下步骤：步骤1、对原始无人机影像进行点云重建拍摄研究区的原始无人机影像，采用SFM算法，获得研究区的稀疏点云，采用CMVS/PMVS算法将稀疏点云扩展为密集点云；对密集点云进行克里金插值建模，生成文理，获得研究区的正射影像DOM，并对正射影像DOM进行影像分割；步骤2、生成研究区的nDSM信息对获得的密集点云进行抽稀处理，获得抽稀点云；对所述抽稀点云进行滤波，滤除非地貌特征点，获得地面点云集合，经克里金插值处理后，获得研究区的数字高程模型DEM；对所述抽稀点云进行克里金插值处理，获得研究区的数字表面模型DSM；对所述数字高程模型DEM与所述数字表面模型DSM进行求差分析获得研究区的nDSM信息；步骤3、基于可见光的植被指数计算取含可见光波段的研究区的正射影像，计算归一化绿-红差异指数NGRDI和可见光波段差异植被指数VDVI，以NGRDI值和VDVI值的大小表示植被的覆盖度；其中，式中，G，R，B，分别表示绿、红和蓝三个波段的反射率或像元值；NGRDI和VDVI的值域均为[-1，1]；步骤4、影像对象的分类判别所述影像对象包括草地、灌木、乔木、水生植被、建筑物、水泥硬化地面和水体；4.1设定DEM的值域范围以及VDVI的值域范围，再加设nDSM的值域范围，进行水体与水生植被的分类判别；4.2、设定DEM的值域范围以及NGRDI的值域范围，进行陆生植被与非陆生植被的分类判别；4.2.1、加设nDSM的值域范围，进行草地、灌木和乔木的分类判别，以及建筑物和水泥硬化地面分类判别；4.2.2、计算nDSM的标准偏差standarddeviationnDSM，在区分建筑物与小乔木时，加设standarddeviationnDSM的值域范围。基于上述，所述步骤4中：当NGRDI＞0.2、nDSM＜0.26、DEM＞94.1时判定为草地；当NGRDI＞0.2、0.26＜nDSM＜1.5、DEM＞94.1时判定为灌木；当NGRDI＞0.2、nDSM＞1.5时判定为乔木；当NGRDI＜0.2、nDSM＞5、StandarddeviationnDSM＜0.1时判定为建筑物；当NGRDI＜0.2、2＜nDSM＜9、StandarddeviationnDSM＞0.1时判定为小乔木；当NGRDI＜0.2、nDSM＜0.055、DEM＞94.1时判定为水泥地面；当VDVI＞0.168、nDSM＜1.6、DEM＜94.1时判定为水生植物；当VDVI＜0.168、nDSM＜0.01、DEM＜94.1时判定为水体。基于上述，所述步骤2中，对所述抽稀点云采用自适应不规则三角网点云滤波算法滤除非地貌特征点；1.1、预设阈值条件，任取局部区域最低点构建一自适应不规则三角网TIN模型；1.2、计算目标点到不规则栅格网TIN中相应三角形顶点角度和该目标点到相应三角形面的距离，并与预设的阈值条件进行比较；1.3、如果目标点的距离和角度小于预设阈值，将该点加入到地面点云集合，再用地面点云集合构建一个新的不规则栅格网TIN模型，返回步骤1.2直到滤除所有非地面特征点。基于上述，所述步骤1中，对正射影像DOM进行影像分割时，采用ESP软件确定影像的最优分割尺度。本专利技术相对现有技术具有突出的实质性特点和显著的进步，具体的说，本专利技术提供了一种全新的城市植被分类思路，其基于运动恢复结构（SFM）、多视图聚簇（CMVS）和基于面片模型的密集匹配（PMVS）算法重建研究区密集点云；经滤波、插值生成研究区数字高程模型（DEM）和归一化数字表面模型（nDSM），同时结合影像光谱信息对不同高度的城市植被分类提取；采用面向对象的图像分析方法，根据nDSM信息与归一化绿红差异指数(NGRDI)及可见光波段差异植被指数(VDVI)等光谱信息，分别建立了水生植被、草地、灌木、小乔木、乔木等不同植被和非植被的分类规则，从而实现了对具体植被类别的区分，通过不同指数的设定，使得总体精度大于92.08%，大大提高了区分精度；其具有可区分不同植被、分类精度高、分类效率高、实用性强的优点。附图说明图1是本专利技术的技术流程图。图2是研究区的原始无人机影像。图3（a）是研究区的DEM。图3（b）是研究区的nDSM。图4是局部方差及变化率曲线。图5（a）是尺度为22时分割得到的对象。图5（b）是尺度为26时分割得到的对象。图5（c）是尺度为33时分割得到的对象。具体实施方式下面通过具体实施方式，对本专利技术的技术方案做进一步的详细描述。如图1和图2所示，一种基于无人机影像与重建点云的城市植被分类方法，包括以下步骤：步骤1、对原始无人机影像进行点云重建拍摄研究区的原始无人机影像，采用SFM算法，获得研究区的稀疏点云，采用CMVS/PMVS算法将稀疏点云扩展为密集点云；具体的，所述SFM算法是一种相机标定方法，可在相机参数及场景中三维信息未知的情况下，通过迭代的方式求解出相机矩阵和三维点坐标，其中每次迭代均先恢复相机运动（即计算投影矩阵），再采用三角测量的方法恢复场景结构。SFM算法的理论基础是透视投影几何原理，基于照片之间特征点的匹配关系，借助投影模型采用非线性的优化方法回算相机参数，从而建立起二维与三维之间的对应关系，再根据该对应关系生成稀疏的三维点云。如有m幅影像，空间中有n个点，有方程i=1，…，m；j=1，…，n；式中，为第i幅图像中第j个点的二维信息，为第j个点的三维位置信息，为第i幅图像的投影矩阵。由m×n个二维信息，估算m个投影矩阵以及n个点的三维位置信息，以此得到稀疏点云。由于稀疏点云无法较好表达地表物体信息，因此继续采用CMVS/PMVS方法进一步将稀疏点云扩展为密集点云。由于SFM算法得到的影像有大量重叠，为减少数据量、提高密集匹配效率，先采用CMVS方法对影像进行聚簇分类，在减少数据量的同时提高运算速度。聚簇后再通过PMVS方法，经匹配、扩散和过滤后完成密集匹配，继而生成研究区密集且带有真实颜色的三维点云--密集点云。对密集点本文档来自技高网...

【技术保护点】
1.一种基于无人机影像与重建点云的城市植被分类方法，其特征在于，包括以下步骤：步骤1、对原始无人机影像进行点云重建拍摄研究区的原始无人机影像，采用SFM算法，获得研究区的稀疏点云，采用CMVS/PMVS算法将稀疏点云扩展为密集点云；对密集点云进行克里金插值建模，生成文理，获得研究区的正射影像DOM，并对正射影像DOM进行影像分割；步骤2、生成研究区的nDSM信息对获得的密集点云进行抽稀处理，获得抽稀点云；对所述抽稀点云进行滤波，滤除非地貌特征点，获得地面点云集合，经克里金插值处理后，获得研究区的数字高程模型DEM；对所述抽稀点云进行克里金插值处理，获得研究区的数字表面模型DSM；对所述数字高程模型DEM与所述数字表面模型DSM进行求差分析获得研究区的nDSM信息；步骤3、基于可见光的植被指数计算取含可见光波段的研究区的正射影像，计算归一化绿‑红差异指数NGRDI和可见光波段差异植被指数VDVI，以NGRDI值和VDVI值的大小表示植被的覆盖度；其中，

【技术特征摘要】
1.一种基于无人机影像与重建点云的城市植被分类方法，其特征在于，包括以下步骤：步骤1、对原始无人机影像进行点云重建拍摄研究区的原始无人机影像，采用SFM算法，获得研究区的稀疏点云，采用CMVS/PMVS算法将稀疏点云扩展为密集点云；对密集点云进行克里金插值建模，生成文理，获得研究区的正射影像DOM，并对正射影像DOM进行影像分割；步骤2、生成研究区的nDSM信息对获得的密集点云进行抽稀处理，获得抽稀点云；对所述抽稀点云进行滤波，滤除非地貌特征点，获得地面点云集合，经克里金插值处理后，获得研究区的数字高程模型DEM；对所述抽稀点云进行克里金插值处理，获得研究区的数字表面模型DSM；对所述数字高程模型DEM与所述数字表面模型DSM进行求差分析获得研究区的nDSM信息；步骤3、基于可见光的植被指数计算取含可见光波段的研究区的正射影像，计算归一化绿-红差异指数NGRDI和可见光波段差异植被指数VDVI，以NGRDI值和VDVI值的大小表示植被的覆盖度；其中，式中，G，R，B，分别表示绿、红和蓝三个波段的反射率或像元值；NGRDI和VDVI的值域均为[-1，1]；步骤4、影像对象的分类判别所述影像对象包括草地、灌木、乔木、水生植被、建筑物、水泥硬化地面和水体；4.1设定DEM的值域范围以及VDVI的值域范围，再加设nDSM的值域范围，进行水体与水生植被的分类判别；4.2、设定DEM的值域范围以及NGRDI的值域范围，进行陆生植被与非陆生植被的分类判别；4.2.1、加设nDSM的值域范围，进行草地、灌木和乔木的分类判别，以及建筑物和水泥硬化地面分类判别；4.2.2、计算nDSM的标准偏差standarddeviationnDSM，在区分建筑物与小乔木时，加设...

【专利技术属性】
技术研发人员：于海洋，李莹，王燕燕，吴建鹏，杨礼，
申请(专利权)人：河南理工大学，
类型：发明
国别省市：河南,41