The invention relates to a clustering circle fitting optimization algorithm based on TLS extraction of individual tree breast diameter, which belongs to the field of point cloud data processing. The steps are as follows: obtaining point cloud data by Ground Lidar scanning sample plots; data thinning, noise reduction and elevation normalization; intercepting DBH points and clustering them with fuzzy clustering algorithm; using circle fitting algorithm to extract DBH of individual trees; regression analysis to evaluate the accuracy of the algorithm. Practice has proved that the algorithm can effectively extract DBH of single tree through TLS single station data, and obtain satisfactory results. The algorithm has high efficiency, saves data storage space, and can provide a basis for scientific and effective forest management decision-making.
【技术实现步骤摘要】
基于TLS提取单木胸径的聚类圆拟合优化算法
本专利技术涉及一种基于TLS提取单木胸径的聚类圆拟合优化算法。
技术介绍
森林是生态系统的重要组成部分,研究森林的垂直结构分布对于林分生物量反演具有重要意义。树高、胸径、冠幅、郁闭度等是描述林分的几何结构的重要参数。地面激光雷达(TLS,TerrestrialLaserScanner)是近年来国际发展十分迅速的主动雷达探测技术,广泛的应用于工程设计、林业、农业、矿产、交通、城市规划、灾害监测和遗产记录等领域。TLS的工作机理区别于光学遥感,主要是通过测量测站与被测物体之间的相对距离来描述林分之间的相对关系,是一种非破坏性的冠层高分辨率三维测量手段,并为实现单木几何结构参数的自动获取和重建三维真实结构森林场景提供了可能。近年来许多学者致力于TLS提取单木胸径的研究。当前胸径的提取算法主要有Hough变换算法,聚类圆拟合算法,和圆柱体拟合算法,快速凸包算法。常规聚类圆拟合提取胸径分为两步:首先确定单木位置,然后在胸径处截取一定厚度的点云并将其投影到XY平面内,将所有点与胸径点中心距离均值的2倍视为胸径。常规聚类圆拟合算法存在两个问题:1、单木位置的确定需要将各测站数据配准,配准的精度对胸径提取的精度影响明显且数据量较大对计算机性能要求较高;2、本方法通过计算胸径点与单木位置距离的均值提取胸径,所以单木位置确立的精度对胸径提取影响较大。由此可见,提供一种改进的基于TLS提取单木胸径的聚类圆拟合优化算法是本领域亟需解决的问题。
技术实现思路
本专利技术针对上述问题,提供一种基于TLS提取单木胸径的聚类圆拟合优化算 ...
【技术保护点】
1.一种基于TLS提取单木胸径的聚类圆拟合优化算法,包括以下步骤:步骤1:在研究区布设样地,用地面激光雷达(TLS)扫描获取林分点云单站扫描数据,并用胸径尺测量研究对象的单木胸径。其中每一个点用(x,y,z)表示一个扫描点是三维坐标。步骤2:采用体元化法对点云进行降噪处理。将点云分割成多个立方体的体元。若某体元内数据点少于阈值数,即将该体元内所有点视为噪声点并将其剔除。步骤3:依据点云的(x,y)坐标将所有点划归到5*5cm的栅格中并获取每个栅格中所有点z坐标的最小值zmin。将每个栅格的所有点z坐标减去所在栅格z坐标的最小值,最终实现点云高程归一化。步骤4:截取胸径点处的点云,获取所有点的(x,y)坐标,采用模糊类算法将胸径点聚类。最终实现同一单木的所有胸径点归类到一个类别中。模糊聚类算法由一个目标函数(1)和约束条件(2)定义:
【技术特征摘要】
1.一种基于TLS提取单木胸径的聚类圆拟合优化算法,包括以下步骤:步骤1:在研究区布设样地,用地面激光雷达(TLS)扫描获取林分点云单站扫描数据,并用胸径尺测量研究对象的单木胸径。其中每一个点用(x,y,z)表示一个扫描点是三维坐标。步骤2:采用体元化法对点云进行降噪处理。将点云分割成多个立方体的体元。若某体元内数据点少于阈值数,即将该体元内所有点视为噪声点并将其剔除。步骤3:依据点云的(x,y)坐标将所有点划归到5*5cm的栅格中并获取每个栅格中所有点z坐标的最小值zmin。将每个栅格的所有点z坐标减去所在栅格z坐标的最小值,最终实现点云高程归一化。步骤4:截取胸径点处的点云,获取所有点的(x,y)坐标,采用模糊类算法将胸径点聚类。最终实现同一单木的所有胸径点归类到一个类别中。模糊聚类算法由一个目标函数(1)和约束条件(2)定义:式中:c为类别数,n为样本数,uij为隶属度矩阵,m为隶属度因子,ci为聚类中心。经推导得:程序开始时随机将uij或ci赋值并输入待分类个数,反复迭代直到J的值趋于稳定,说明目标函数收敛。最终依据得到的隶属度矩阵uij将胸径点分类。步骤5:在每个类别中随机选取3个点拟合圆,所得圆的直径即为单木胸径。拟合圆的公...
【专利技术属性】
技术研发人员:刘娟娟,朱秀,
申请(专利权)人:南京秀强信息科技有限公司,
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。