森林场景的地面激光点云方法技术

森林场景的地面激光点云方法，包括以下步骤：S1：应用MCS关联相邻扫描并预测可能的重叠区域；S2：匹配相邻扫描对；S3：将所有扫描合并到一个锚点。本发明专利技术，能够提供高效的、自动的、端到端的解决方案来配准多视图、无序的森林点云。云。

【技术实现步骤摘要】
森林场景的地面激光点云方法


[0001]本专利技术涉及激光点云方法领域，尤其涉及森林场景的地面激光点云方法。

技术介绍

[0002]森林场景的点云配准(PCR)技术是一个重要的研究课题，它的研究对象是反映树干及林下信息特征的地面点云。与城市场景不同，因为频繁的遮挡以及没有明显的特征记号，森林场景的配准更加复杂。
[0003]在森林调查中，点云配准通常是通过使用人工安置在扫描场中的靶标来完成的。虽然基于靶标的配准可以提供准确的匹配结果，但它非常耗时，需要大量的人力物力。此外，重建完整的场景通常需要数百次的激光扫描，这些扫描可能由不同的团队在不同的时间完成。因此，研究多视图无序森林点云的配准问题迫在眉睫。
[0004]现有的森林点云配准方法还没有很好地解决多视图无序点云的配准问题，其中主要存在以下问题：
[0005]各扫描之间需要一定的扫描重叠区域以及尽可能少的遮挡；
[0006]点云中树枝与树叶对树干特征提取存在干扰；处理无序点云需要对所有的扫描进行两两匹配，但其时间复杂度太高；考虑到多视图配准的误差累积，在处理时需要扫描网络具有很好的可靠性和一致性。
[0007]综上，现有方法(全连接网络)的自动化程度低、全局匹配成功率低，时间复杂度高。

技术实现思路

[0008](一)专利技术目的
[0009]为解决
技术介绍
中存在的技术问题，本专利技术提出森林场景的地面激光点云方法，能够提供高效的、自动的、端到端的解决方案来配准多视图、无序的森林点云。
[0010](二)技术方案
[0011]为解决上述问题，本专利技术提出了森林场景的地面激光点云方法，包括以下步骤：
[0012]S1：应用MCS关联相邻扫描并预测可能的重叠区域；
[0013]S2：匹配相邻扫描对；
[0014]S3：将所有扫描合并到一个锚点。
[0015]优选的，S1包括以下步骤：
[0016]S11：获取树干的分布图：对于单株树木，胸径和树干的中心位置记为与透视无关的不变性特征，利用公式A对树干点云进行超圆拟合，获得更加准确的树干属性；并且，通过公式A，拟合出树干模型，并且记录下单次扫描的树干分布图；
[0017]公式A：
[0018]其中，
[0019]每一个树干属性表示为：A＝{DBH，Cpt2，Hdem}；
[0020]其中，Cpt2表示树干中心在二维空间中的位置；
[0021]Hdem表示树干中心DEM的高度；
[0022]S12：基于上述的树干分布图，搜索每个树干的K个相邻树干，以生成三角形；对于每个三角形，计算出相应的质心；
[0023]对每个三角形用特征向量识别，特征向量为：
[0024][0025]其中，A
j
是树干j的特征向量；
[0026]d
ij
是树干i和j的特征向量；
[0027]a
j
表示树干i对应的角度；
[0028]是第一轮中三角形i的质心；
[0029]比较点云P
i
和P
j
中的每个三角形检索近似全等三角形对{Tr
i
，Tr
i
’
}；
[0030]根据上述三角形对，得到一个近似的公共子图；
[0031]S13：每个{Tr
i
，Tr
i
’
}都有对应的{w
r
，w
’
r
}，其中，是和之间的距离；
[0032]通过程序验证所有质心，去除伪质心，将保留的质心作为新的树干分布图继续迭代；
[0033]当迭代n和n+1中没有伪质心时，仍然有不少于3个质心点存在，则判定两个扫描是相邻的；
[0034]其中，则判定这对质心为伪质心。
[0035]优选的，S2包括以下步骤：
[0036]S21：在两个相邻的扫描中，预测一个初步的重叠区域，即对应的公共子图区域，并将其表示为和利用Semantic Keypoint 4-Points Congruent Sets 方法，进行扫描对的匹配；
[0037]在中选择四个非共面的点，即树干中心点，生成一个集合s，确定s中没有三个点共线；
[0038]s＝{a，b，c，d}；
[0039]其中，每个点利用特征向量a记录其语义；
[0040]特征向量a为：a＝{x，y，z，Hdem，DBH}；
[0041]S22：利用每个匹配的候选基准，计算出一个刚性变换T，并将中所有的树干中心转换到如下：
[0042]将中的树干中心利用刚性变换T得到：
[0043]在中搜索距离最近的点在利用公式B、公式C和公式D进行判断，其中：公式B为：
[0044]如果
[0045]公式C为：
[0046]公式D为：
[0047]如果
[0048]R2，表示不正确匹配的树木的百分比；
[0049]R1，表示重叠区域之外树木所占百分比；
[0050]其中，如果迭代没有终止，则记录得分最高的T来转换进行粗匹配；
[0051]S23：引入法向量的方向一致性来避免对齐树状点云产生局部最小问题；
[0052]应用树干模型来约束变换，以解决基于点的配准方法产生的破坏树干模型的问题，具体的约束条件如公式E：
[0053]公式E为：
[0054][0055]ROT和t分别表示旋转矩阵和平移矢量中的6个自由度；
[0056](q
’
i
，q
i
)表示相应的点；
[0057](n
’
i
，n
i
)表示其法向量
[0058]是二维空间中树干j的中心；
[0059]是两次扫描中的点对；
[0060]p
j
是树干j上，在|Hdem
pj-Hdem
j
|≤ε4条件下和相关的点；
[0061]当ΔROT＜10-6
且Δt＜10-4
时，迭代终止，得到所求的旋转矩阵和平移矢量。
[0062]优选的，S3包括以下步骤：
[0063]S31：应用最小环路拓展，合并扫描网络中的环路；当扫描网络中不再存在最小环路时，采用并行合并策略来合并剩余的扫描；
[0064]S32：并行合并策略基于最小生成树MST进行；MST边的权重由相邻扫描之间的重叠率来定义；
[0065]S33：对于单中心扫描和侧向扫描的组合，并行合并策略将同时把所有侧向扫描配准到中心扫描上。
[0066]本专利技术，能够提供高效的、自动的、端到端的解决方案来配准多视图、无序的森林点云。
具体实施方式
[0067]为使本专利技术的目的、技术方案和优点更加清楚明了，下面结合具体实施方式对本专利技术进一步本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.森林场景的地面激光点云方法，其特征在于，包括以下步骤：S1：应用MCS关联相邻扫描并预测可能的重叠区域；S2：匹配相邻扫描对；S3：将所有扫描合并到一个锚点。2.根据权利要求1所述的森林场景的地面激光点云方法，其特征在于，S1包括以下步骤：S11：获取树干的分布图：对于单株树木，胸径和树干的中心位置记为与透视无关的不变性特征，利用公式A对树干点云进行超圆拟合，获得更加准确的树干属性；并且，通过公式A，拟合出树干模型，并且记录下单次扫描的树干分布图；公式A：其中，每一个树干属性表示为：A＝{DBH，Cpt2，Hdem}；其中，Cpt2表示树干中心在二维空间中的位置；Hdem表示树干中心DEM的高度；S12：基于上述的树干分布图，搜索每个树干的K个相邻树干，以生成三角形；对于每个三角形，计算出相应的质心；对每个三角形用特征向量识别，特征向量为：其中，A
j
是树干j的特征向量；d
ij
是树干i和j的特征向量；a
j
表示树干i对应的角度；是第一轮中三角形i的质心；比较点云P
i
和P
j
中的每个三角形检索近似全等三角形对{Tr
i
，Tr
′
i
}；根据上述三角形对，得到一个近似的公共子图；S13：每个{Tr
i
，Tr
′
i
}都有对应的{w
r
，w'
r
}，其中，是和之间的距离；通过程序验证所有质心，去除伪质心，将保留的质心作为新的树干分布图继续迭代；当迭代n和n+1中没有伪质心时，仍然有不少于3个质心点存在，则判定两个扫描是相邻的；其中，则判定这对质心为伪质心。3.根据权利要求1所述的森林场景的地面激光点云方法，其特征在于，S2包括以下步骤：S21：在两个相邻的扫描中，预测一个初步的重叠区域，即对应的公共子...

【专利技术属性】
技术研发人员：肖锐，葛旭明，许思龙，刘铭葳，程铁洪，黄磊，乐海洪，许克崃，叶漫红，帅滔，骆斌，游晋卿，廖永福，孙学勇，
申请(专利权)人：中国电建集团江西省电力设计院有限公司，
类型：发明
国别省市：