一种基于车载激光雷达数据自动提取行道树目标及其林木属性的方法技术

本发明专利技术公开了一种基于车载激光雷达数据自动提取行道树目标及其林木属性的方法，包括以下步骤：利用商业化软件对原始点云数据进行预处理；根据车载扫描的轨迹点确定道路行驶方向；对预处理后点云建立三维规则格网索引并结合杆状特征提取杆柱状点集；根据杆状地物上部点云的形态差异区分行道树与人造杆目标；采用分层冠幅拟合算法提取并分割树冠相连行道树；结合目标区域的数字高程模型（DEM）信息计算行道树林木属性。本发明专利技术在数据处理过程中采用全自动方式，设置好相关参数后就不再需要任何的人为干预，能够高效自动提取城市道路环境下的行道树三维信息：树木的位置、树高、胸径、冠幅、枝下高等，提高城市部件采集和测绘大比例尺地形图生产效率。形图生产效率。形图生产效率。

【技术实现步骤摘要】
一种基于车载激光雷达数据自动提取行道树目标及其林木属性的方法


[0001]本专利技术涉及测绘科学
，具体为一种基于车载激光雷达数据自动提取行道树目标及其林木属性的方法，尤其适用于利用移动测量系统在城市精细化管理中，对园林行道树三维信息的自动化获取。

技术介绍

[0002]行道树在城市的景观美化和生态环境改善等方面发挥着举足轻重的作用。目前，生态智慧城市建设、无人驾驶系统开发、城市部件采集与更新正在如火如荼地推进中，行道树三维信息作为上述领域中重要的基础数据之一，如何高效、准确地提取行道树目标成为了当前研究的一大热点。因此，研究出一种自动提取行道树目标的方法势在必行，以提高测绘生产效率和智能化水平。三维激光扫描技术是测绘领域内的一项重大技术创新，极大地推动了测绘行业的发展。其中，车载移动测量技术因其获取数据精度高、范围广、速度快的特点而被国内外学者广泛应用于点云数据采集中。
[0003]车载移动测量系统配备了激光扫描仪、全球卫星定位系统(GNSS)、惯性测量单元(IMU)、CCD相机等物理器件，并以汽车为主要载体，可在不失机动性的前提下迅速采集测区内的高精度真彩三维点云，这极大提高了测绘数据采集效率，也为各种地物目标的识别提供了高质量的数据源。

技术实现思路

[0004]为解决上述现有技术中存在的不足，本专利技术提出一种基于车载激光雷达数据自动提取行道树目标及其林木属性的方法。
[0005]本专利技术的目的是这样实现的：
[0006]一种基于车载激光雷达数据自动提取行道树目标及其林木属性的方法，包括如下步骤：
[0007]第一步，原始点云数据预处理：包括点云分块、地面滤波和DEM生成；在TerraSolid软件中按照自定义的方式将大范围城市道路点云划分为若干子块；利用TerraSolid软件依次对分块点云执行地面滤波操作得到地面点与非地面点，然后基于地面点云生成DEM；
[0008]第二步，预处理后点云坐标转换：读取TerraSolid工程文件获取分块点云边界信息，在分块边界点集的约束下结合轨迹点的GpsTime与相邻轨迹点之间的连线斜率计算水平旋转角，然后将点云旋转至道路行驶方向与X轴平行；
[0009]第三步，杆柱状点集识别与提取：对目标点云建立三维规则格网索引，以非空格网为研究单元结合地物杆状特征进行空间邻域分析获取杆柱状点集；
[0010]第四步，人造杆目标的识别与滤除：第三步中获取到的杆柱状点集内也包含了一部分人造杆点云，主要根据不同杆状地物上部点云的形态差异来区分人造杆与行道树目标；
[0011]第五步，相连树冠精细化分割：使用基于规则格网的空间聚类算法提取完整树冠点云，若只有一棵行道树则直接聚类即可，若存在多棵行道树树冠相连的情况，需要在聚类完毕后使用分层冠幅拟合算法分割树冠点云，实现行道树单体的精细化提取；
[0012]第六步，行道树属性自动计算与成果输出：在正确提取行道树单体点云的基础上设计相关算子来自动地计算行道树的树高、冠幅、枝下高等林木属性并输出为文本文件和矢量文件。
[0013]第二步包括如下子步骤：
[0014](1)读取并解析TerraSolid工程文件：解析prj格式的工程文本文件，文件中包含了所有分块点云的外围水平凸包(记为：C1，C2，
……
，C
n
)的顶点坐标，每个分块都对应了一个水平凸包，凸包顶点记为Q1，Q2，
……
，Q
n
；
[0015](2)根据轨迹点信息计算水平旋转角度：按照顺时针或逆时针依次取凸包顶点Q
i
与某一轨迹点G构成向量v1，与Q
i+1
构成向量v2，计算v1和v2的向量积，所得值同号说明当前轨迹点G在凸包内部；遍历所有轨迹点，按照上述方法确定落在当前分块点云区域内部的轨迹点；按照GpsTime升序的方式对轨迹点重新排序，计算相邻轨迹点的时间差Δt和前后轨迹点连线斜率差Δk，若满足条件：Δt＜t
阈值
&&Δk＜k
阈值
则认为相邻轨迹点分布在同一轨迹线上，据此成功分离出不同轨迹线上的轨迹点；取任意一条轨迹线上首尾两端轨迹点P1(x1,y1)、P2(x2,y2)，根据公式：计算水平旋转角θ；
[0016](3)点云坐标转换：为便于计算机处理，首先将原始点云以包围盒的几何中心P
c
(x
c
,y
c
,z
c
)为固定点绕Z轴逆时针旋转θ角，然后将旋转后点云的x、y、z坐标分别减去固定的偏移量dx、dy、dz。设任意点云P(x,y,z)，根据公式：x'＝(x
‑
x
c
)cosθ+(y
‑
y
c
)sinθ+x
c
‑
dx，y'＝
‑
(y
‑
y
c
)sinθ+(y
‑
y
c
)cosθ+y
c
‑
dy，z'＝z
‑
dz计算坐标转换结果P'(x',y',z')；
[0017]第三步包括如下子步骤：
[0018](1)三维规则格网索引建立：遍历目标点集获取点云坐标在三轴方向上的最小值(x
min
,y
min
,z
min
)，设定格网边长为Δd，对于任意点云P
i
(x
i
,y
i
,z
i
)可按照公式：计算其所在格网单元的行(R)、列(C)、层(L)索引，利用上述规则依次计算目标点集内所有点云对应的格网单元索引号，据此完成三维规则格网索引的构建；
[0019](2)格网水平邻域分析：首先在同层水平格网内选择任意非空格网作为初始种子格网S，以S为中心进行水平八邻域聚类，当聚类体中无法加入新的非空格网时表示单体聚类完毕，然后在剩余的非空格网中再次选择任意格网作为新的种子格网S，重复上述步骤直到该分层内所有非空格网均被处理完为止。遍历所有聚类体，若聚类体满足几何条件：聚类格网数量<a1且水平跨度<a2且聚类体点云数量<a3。则判断其为杆状截面点云，需保留下来，舍弃不满足条件的聚类体对象。自下而上依次对各分层内非空格网采取上述方法进行水平邻域分析，最终得到若干到疑似杆状物截面点集；
[0020](3)格网竖直邻域分析：分析第n层和第n+1层格网内聚类体的分布情况，若第n层内聚类体S
n
与第n+1层内聚类体S
n+1
存在具有相同行、列索引的格网，则将S
n
与S
n+1
合并为一个整体；按照上述方式以上、下相邻层格网内聚类体为研究对象开始聚类合并，最终得到三
中的坐标逆变换，还本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于车载激光雷达数据自动提取行道树目标及其林木属性的方法，其特征在于，包括如下步骤：第一步，原始点云数据预处理：包括点云分块、地面滤波和DEM生成；在TerraSolid软件中按照自定义的方式将大范围城市道路点云划分为若干子块；利用TerraSolid软件依次对分块点云执行地面滤波操作得到地面点与非地面点，然后基于地面点云生成DEM；第二步，预处理后点云坐标转换：读取TerraSolid工程文件获取分块点云边界信息，在分块边界点集的约束下结合轨迹点的GPSTime与相邻轨迹点之间的连线斜率计算水平旋转角，然后将点云旋转至道路行驶方向与X轴平行；第三步，杆柱状点集识别与提取：对目标点云建立三维规则格网索引，以非空格网为研究单元结合地物杆状特征进行空间邻域分析获取杆柱状点集；第四步，人造杆目标的识别与滤除：第三步中获取到的杆柱状点集内也包含了一部分人造杆点云，主要根据不同杆状地物上部点云的形态差异来区分人造杆与行道树目标；第五步，相连树冠精细化分割：使用基于规则格网的空间聚类算法提取完整树冠点云；若是孤立的行道树则直接聚类即可；若存在多棵行道树树冠相连的情况，需要在聚类完毕后使用分层冠幅拟合算法分割树冠点云，实现行道树单体的精细化提取；第六步，行道树属性自动计算与成果输出：在正确提取行道树单体点云的基础上设计相关算子来自动地计算行道树的树高、冠幅、枝下高等林木属性并输出为文本文件和矢量文件。2.根据要求1所述的一种基于车载激光雷达数据自动提取行道树目标及其林木属性的方法，其特征在于，所述的第二步包括如下子步骤：(1)读取并解析TerraSolid工程文件：解析prj格式的工程文件，文件中包含了所有分块点云的外围水平凸包(记为：C1，C2，
……
，C
n
)的顶点坐标，每个分块都对应了一个水平凸包，凸包顶点记为Q1，Q2，
……
，Q
n
；(2)根据轨迹点信息计算水平旋转角度：按照顺时针或逆时针依次取凸包顶点Q
i
与某一轨迹点G构成向量v1，与Q
i+1
构成向量v2，计算v1和v2的向量积，所得值同号说明当前轨迹点G在凸包内部；遍历所有轨迹点，按照上述方法确定落在当前分块点云区域内部的轨迹点；按照GpsTime升序的方式对轨迹点重新排序，计算相邻轨迹点的时间差Δt和前后轨迹点连线斜率差Δk，若满足条件：Δt＜t
阈值
&&Δk＜k
阈值
则认为相邻轨迹点分布在同一轨迹线上，据此成功分离出不同轨迹线上的轨迹点；取任意一条轨迹线上首尾两端轨迹点P1(x1,y1)、P2(x2,y2)，根据公式：计算水平旋转角θ；(3)点云坐标转换：为便于计算机处理，首先将原始点云以包围盒的几何中心P
c
(x
c
,y
c
,z
c
)为固定点绕Z轴逆时针旋转θ角，然后将旋转后点云的x、y、z坐标分别减去固定的偏移量dx、dy、dz；设任意点云P(x,y,z)，根据公式：x'＝(x
‑
x
c
)cosθ+(y
‑
y
c
)sinθ+x
c
‑
dx，y'＝
‑
(y
‑
y
c
)sinθ+(y
‑
y
c
)cosθ+y
c
‑
dy，z'＝z
‑
dz计算坐标转换结果P'(x',y',z')。3.根据权利要求1所述的一种基于车载激光雷达数据自动提取行道树目标及其林木属性的方法，其特征在于，第三步包括如下子步骤：(1)三维规则格网索引建立：遍历目标点集获取点云坐标在三轴方向上的最小值(x
min
,y
min
,z
min
)，设定格网边长为Δd，对于任意点云P
i
(x
i
,y
i
,z
i
)可按照公式：
计算其所在格网单元的行(R)、列(C)、层(L)索引，利用上述规则依次计算目标点集内所有点云对应的格网单元索引号，据此完成三维规则格网索引的构建；(2)格网水平邻域分析：首先在同层水平格网内选择任意非空格网作为初始种子格网S，以S为中心进行水平八邻域聚类，当聚类体中无法加入新的非空格网时表示单体聚类完毕，然后在剩余的非空格网中再次选择任意格网作为新的种子格网S，重复上述步骤直到该分层内所有非空格网均被处理完为止；遍历所有聚类体，若聚类体满足几何条件：聚类格网数量<a1，且水平跨度<a2，且聚类体点云数量<a3；则判断其为杆状截面点云，需保留下来，舍弃不满足条件的聚类体对象；自下而上依次对各分层内非空格网采取上述方法进行水平邻域分析，最终得到若干到疑似杆状物截面点集；(3)格网竖直邻域分析：分析第n层和第n+1层格网内聚类体的分布情况，若第n层内聚类体S
n
与第n+1层内聚类体S
n+1
存在具有相同行、列索引的格网，则将S
n
与S
n+1
合并为一个整体；按照上述方式以上、下相邻层格网内聚类体为研究对象开始聚类合并，最终得到三维空间聚类点集；用公式：H
c
＝Z
max
‑
Z
min
计算聚类点集的高差(H
c
)，若H
c
<H
阈值
则认为当前聚类点集为杆柱状点集。4.如权利要求1所述的一种基于车载激光雷达数据自动提取行道树目标及其林木属性的方法，其特征在于，第四步包括如下子步骤：以杆状部分点云质心坐标所在格网为中心，从杆状物最高点开始自上而下截取m
×
m
×
n大小的格网窗口，并将窗口内点云投影到水平面内，计算投影点云在环形邻域下的方位覆盖度值W；定义东、南、西、北、东北、东南、西南、西北8个方位，行车道内侧树冠点云扫描完整但外侧只能扫描到部分点云，因此对于树冠而言至少在4个方位上存在覆盖，然而对于路...

【专利技术属性】
技术研发人员：韩文泉，徐嘉淼，韩昌宝，
申请(专利权)人：南京市测绘勘察研究院股份有限公司，
类型：发明
国别省市：