【技术实现步骤摘要】
一种树木三维点云分割方法及系统
本专利技术涉及一般的三维测量数据处理，具体是一种树木三维点云分割方法及系统。
技术介绍
近年来，利用激光三维扫描仪对树木进行非接触式测量逐渐成为农林研究的热点问题。但是，利用激光三维扫描仪对树木进行扫描时获取得到的只是非结构化的离散三维点云，尚无法直接从这些三维点云中识别出哪些点是属于叶子，哪些点是属于枝条，也难以直接从这些三维点云中得到树木的树干半径、枝量、枝条密度、总叶面积等指标。因此，如何从三维点云中进行树木不同器官的分割是一个重要的问题。目前关于三维点云分割的方法主要包括基于边的分割方法、基于面的分割方法和基于聚类的分割方法等三种。基于边的三维点云分割方法首先找出曲率或法矢量的突变点，然后将这些点连成边界线，最后由边界线围成的各个封闭区域就完成了三维点云数据的区域分割；基于面的分割方法的主要思想是确定哪些点属于某个曲面，实现时一般先选定1个种子点，然后由此种子点向外延伸，判断其周围邻域的点是否属于同一个曲面，直到邻域不存在连续的点为止；而基于聚类的方法是将具有类似几何特征的点聚类为一类，从而实现三维点云的数据分割。虽然目前在...
【技术保护点】
1.一种树木三维点云分割方法，其特征是，包括如下步骤：S1获取树木的颜色特征：采用数码相机获取目标树木的图像，计算图像中不同器官即枝干、叶子、果实、花朵的颜色的统计特征，其过程为：S11：采用数码相机拍摄不同光照条件下目标树木的3‑5张图像；S12：采用图像处理软件，分别从步骤S11获取的每张图像上分别提取叶子、枝干包括树干和小枝条、果实、花的小图像块5‑8个，图像块的高度相同，宽度可灵活选取；S13：将步骤S12从步骤S11获取的多张图像提取得到的所有同类器官的小图像块拼接成一张图像，记拼接后的叶子图像为Fl，枝干图像为Fb，果实图像为Ff，花图像为Fo；S14：计算图像...
【技术特征摘要】
1.一种树木三维点云分割方法，其特征是，包括如下步骤：S1获取树木的颜色特征：采用数码相机获取目标树木的图像，计算图像中不同器官即枝干、叶子、果实、花朵的颜色的统计特征，其过程为：S11：采用数码相机拍摄不同光照条件下目标树木的3-5张图像；S12：采用图像处理软件，分别从步骤S11获取的每张图像上分别提取叶子、枝干包括树干和小枝条、果实、花的小图像块5-8个，图像块的高度相同，宽度可灵活选取；S13：将步骤S12从步骤S11获取的多张图像提取得到的所有同类器官的小图像块拼接成一张图像，记拼接后的叶子图像为Fl，枝干图像为Fb，果实图像为Ff，花图像为Fo；S14：计算图像Fl、Fb、Ff、Fo的颜色均值，得到图像Fl的颜色均值CFl、图像Fb的颜色均值CFb、图像Ff的颜色均值CFf和图像Fo的颜色均值CFo，其中，颜色均值的计算方法为对图像中的每个像素点的R、G、B三个分量值分别累加，三个分量值累加后的结果分别除以图像总的像素点个数，得到平均后的三个分量值，即为该图像的颜色均值；S2计算树木不同器官的颜色差异：计算目标树木同种器官颜色上的差异，以及不同器官间的颜色差异，其过程为：S21：计算树木器官类内颜色差异，以叶子的类内颜色差异cdl为例，计算方法为公式(1)：式中CFl_R为图像Fl的颜色均值CFl的R分量值,CFl_G为CFl的G分量值，CFl_B为CFl的B分量值，CPi_R为图像Fl中第i个像素点的颜色的R分量值，CPi_G为图像Fl中第i个像素点的颜色的G分量值，CPi_B为图像Fl中第i个像素点的颜色的B分量值，n为图像Fl的总像素个数；同理可计算得到枝干、果实和花的类内颜色差异cdb、cdf、cdo；S22:计算器官的类间颜色差异，叶子与枝干的类间颜色差异cdl—b的计算方法如公式(2)：cdl-b＝|CFl_R-CFb_R|+|CFl_G-CFb_G|+|CFFl_B-CFb_B|(2)，同理，可计算得叶子与果实的类间颜色差异cdl—f如公式(3)cdl-f＝|CFl_R-CFf_R|+|CFl_G-CFf_G|+|CFFl_B-CFf_B|(3)；叶子与花朵的类间颜色差异cdl—o如公式(4)：cdl-o＝|CFl_R-CFo_R|+|CFl_G-CFo_G|+|CFFl_B-CFo_B|(4)；枝干与果实的类间颜色差异cdb—f如公式(5)：cdb-f＝|CFb_R-CFf_R|+|CFb_G-CFf_G|+|CFFb_B-CFf_B|(5)；枝干与花朵的类间颜色差异cdb—o如公式(6)：cdb-o＝|CFb_R-CFo_R|+|CFb_G-CFo_G|+|CFFb_B-CFo_B|(6)；果实与花朵的类间颜色差异cdf—o如公式(7)：cdf-o＝|CFf_R-CFo_R|+|CFf_G-CFo_G|+|CFFf_B-CFo_B|(7)；S3点云分割：其过程为：S31：将获得的包括颜色信息的果树三维点云导入数据集Da；S32：建立4个空的数据集，Dl、Db、Df和Do，分别用来存放分类得到的叶子、枝干、花和果实的三维数据点；S33：对Da中的每个数据点vi，循环执行如下操作，直到数据集Da为空，(1)分别计算vi的颜色与步骤S14计算得到的各个不同类型器官的图像均值的距离，其中数据点vi的颜色与叶子图像均值的距离cdvi_l通过公式(8)获得：cdvi_l＝|vi_R-CFl_R...
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。