基于地物形态特征的行道树点云渐进提取方法技术

本发明专利技术提供一种基于地物形态特征的行道树点云渐进提取方法，涉及车载LiDAR数据处理技术领域。该方法包括：对去噪后的点云采用布料模拟滤波得到地面点云和非地面点云；通过对栅格图像八邻域聚类进而实现离散的非地面点云的聚类分割，得到N个点云块，作为数据处理单元；提取每一个数据处理单元特征，基于对各类地物形态特征分析的基础上，依据面积、高差、投影、形态四个方面的形态特征渐进提取初始行道树点云；采用二值化算法对初始行道树点云进行优化，得到最终的行道树结果。与现有技术相比，该方法易于达到高精度提取地物效果，解决了因植被茂密及地物复杂而难以高精度提取行道树的问题，为后续行道树点云数据统计及三维建模提供基础的数据支持。提供基础的数据支持。

【技术实现步骤摘要】
基于地物形态特征的行道树点云渐进提取方法


[0001]本专利技术涉及车载LiDAR数据处理
，尤其涉及一种基于地物形态特征的行道树点云渐进提取方法。

技术介绍

[0002]车载LiDAR技术可以高效、精确地获取地表以及建筑物等人工地物的高密度三维离散点云数据，并广泛应用于三维重建、城市规划与管理、车辆导航、无人驾驶、灾害应急与评估等方面，其中点云分类提取起着关键作用。基于三维激光扫描数据的树木及属性信息提取研究已经日趋成熟，但在对大面积场景下进行数据扫描时，车载LiDAR系统具有相对的弱势。因此，有很多关于行道树的研究已经逐渐转移到车载激光扫描数据处理上。
[0003]Martin针对点云中树木点云之间互不遮挡的这种特殊情况，对单株行道树的属性进行参数化，最后利用这些参数对行道树进行了建模；Yu等人利用单点标记过程获得树木大致位置及几何形状,已标记点云的后验分布采用贝叶斯模型进行获得，同时采用可逆跳转马尔可夫蒙特卡洛算法(R.JMCMC)模拟进行实验，最终得到树木的最佳位置，具有一定实用性；王东等人提出结合随机森林和区域分割的方法实现行道树的提取，引入随机森林算法提取行道树的点云并通过DBSCAN聚类和属性信息提取方法提取出单株行道和行道树的属性信息，该方法具有适应性，但是其精度还有待进一步提高；张焱等人引入随机森林算法，通过多维特征向量构建、特征选择、随机森林模型建立和随机森林分类等步骤从地物点云中准确分离出行道树点云，但在面对较复杂的环境时，就会有相对的局限性。上述行道树点云的提取算法没有较好的普适性，没有考虑到部分复杂环境下存在有相距树干很近的低矮物难以剔除的情况，影响对行道树点云高精度的获得。

技术实现思路

[0004]本专利技术要解决的技术问题是针对上述现有技术的不足，提供一种基于地物形态特征的行道树点云渐进提取方法。
[0005]对提取行道树点云环境的考虑可以有效提高算法的普适性，直接影响行道树点云的提取精度。因此本文通过提高提取算法的普适性和提取精度：对各类地物的形态特征进行深入分析，根据面积、高差、投影、形态四个方面的形态特征渐进提取行道树；对初始提取的行道树进行优化，采用行道树点云二值化方法对树冠以下点云进行优化，提取小面积对象，得到最后的行道树点云数据，在很大程度上提高了行道树点云的提取精度。
[0006]为解决上述技术问题，本专利技术提供一种基于地物形态特征的行道树点云渐进提取方法，包括以下步骤：
[0007]步骤1：采用KD树方法(K
‑
dimensional tree)对原始车载LiDAR点云数据进行粗差剔除，对去噪后的点云采用布料模拟滤波(Cloth Simulation Filtering，CSF)得到地面点云和非地面点云。
[0008]步骤2：通过对栅格图像八邻域聚类进而实现离散的非地面点云的聚类分割，得到
N个点云块，作为数据处理单元。
[0009]步骤2.1：非地面点云栅格化；
[0010]步骤2.1.1：依据地物点云的覆盖范围建立XOY二维平面格网，公式如下所示，投影点云到格网平面；
[0011][0012][0013]式中，X
max
、X
min
、Y
max
、Y
min
为点云覆盖范围内X方向和Y方向上的最大值和最小值；Gridsize为格网单元大小，Gridsize＝0.45米；m、n分别为X方向和Y方向上的格网单元的数目；int(
·
)为求整函数。
[0014]步骤2.1.2：将每个格网内点云数据的最低高程值赋给每个格网，对空格网赋值为0，实现地物点云数据的栅格化；
[0015]步骤2.1.3：对每个格网内的点云进行记录存储；
[0016]步骤2.2：统计每个网格中点的数目N
p
，判断其是否大于给定的数目阈值T
N
，如果N
p
>T
N
，则将该格网保留，记为非空格网，反之，则将包含点的数目小于或等于数目阈值T
N
的格网视为空格网，赋值为0；
[0017]步骤2.3：将对应栅格影像上非空格网处的矩阵值赋值为
‑
1，设定索引变量i，并设置初始值i＝1；
[0018]步骤2.4：随机选取A中任一非空格网为初始中心格网，赋值i给中心格网；
[0019]步骤2.5：探测中心格网八邻域属性值为
‑
1的格网，将其属性值更新为i，步骤2.4和该步骤中处理过的非空格网后续不再进行探测；
[0020]步骤2.6：对于新探测到的非0格网，继续八邻域探测，重复该过程直至找不到非空格网，至此一个聚类单元处理完毕；
[0021]步骤2.7：令i＝i+1，重复步骤2.4到步骤2.6，，直到所有格网点云完成八邻域探测，得到N个独立的聚类单元。
[0022]步骤3：提取每一个聚类单元的特征，具体包括高程相关特征、投影面积、投影跨度、投影面积比及其它特征等。
[0023]对每一个聚类单元分别进行如下特征提取：
[0024](1)聚类单元高程相关特征包括格网化点云的归一化高程、高程最大值、高程最小值和高程差；
[0025](2)投影面积S
j
为单元中的点云投影到二维XOY平面上的面积；
[0026](3)投影跨度K
X
和K
Y
分别为每一个聚类单元在格网X方向和Y方向上投影的最大跨度；
[0027]其中，X方向跨度为投影单元对应的X方向上格网编号的最大值与最小值的差值；Y方向跨度为投影单元对应的Y方向上单元格网编号的最大值和最小值的差值；
[0028](4)投影面积比S
r
为每一个聚类单元中整体点云在XOY平面上的投影面积S1和部分点云在XOY平面投影面积S2的比值；
[0029](5)每一个聚类单元的面积S
m
以及包含的点云个数，其中面积S
m
为每个聚类单元所
占平面格网的数目。
[0030]步骤4：基于对各类地物形态特征分析的基础上，依据面积、高差、投影、形态四个方面的形态特征渐进提取初始行道树点云。
[0031]步骤4.1：对各类地物的形态特征进行分析；
[0032]步骤4.1.1：地面信息存在于整个环境中，局部范围内基本表现为平面，在整个环境中则是有起伏的，且地面点的高程是最小的；
[0033]步骤4.1.2：建筑物分布于道路的两侧，垂直于地面，建筑物的高程在场景信息中最高，其在投影平面的形状为长条形状并且其截面的投影形状与整个建筑物的投影形状相差不大，投影面积大于其它地物；
[0034]步骤4.1.3：行道分布在道路与建筑物之间，从高程来看的话，其高低于建筑物、路灯和电线杆等地物，高于其它的地物，行道树的投影形状呈现为簇状，投影面积比建本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于地物形态特征的行道树点云渐进提取方法，其特征在于,包括以下步骤：步骤1：采用KD树方法对原始车载LiDAR点云数据进行粗差剔除，对去噪后的点云采用布料模拟滤波得到地面点云和非地面点云；步骤2：通过对栅格图像八邻域聚类进而实现离散的非地面点云的聚类分割，得到N个点云块，作为数据处理单元；步骤3：提取每一个聚类单元的特征，具体包括高程相关特征、投影面积、投影跨度、投影面积比、每一个聚类单元的面积以及包含的点云个数；步骤4：基于对各类地物形态特征分析的基础上，依据面积、高差、投影、形态四个方面的形态特征渐进提取初始行道树点云；步骤5：采用二值化算法对初始行道树点云进行优化，得到最终的行道树结果。2.根据权利要求1所述的一种基于地物形态特征的行道树点云渐进提取方法，其特征在于，所述步骤2具体包括：步骤2.1：非地面点云栅格化；步骤2.2：统计每个网格中点的数目N
p
，判断其是否大于给定的数目阈值T
N
，如果N
p
>T
N
，则将该格网保留，记为非空格网，反之，则将包含点的数目小于或等于数目阈值T
N
的格网视为空格网，赋值为0；步骤2.3：将对应栅格影像上非空格网处的矩阵值赋值为
‑
1，设定索引变量i，并设置初始值i＝1；步骤2.4：随机选取A中任一非空格网为初始中心格网，赋值i给中心格网；步骤2.5：探测中心格网八邻域属性值为
‑
1的格网，将其属性值更新为i，步骤2.4和该步骤中处理过的非空格网后续不再进行探测；步骤2.6：对于新探测到的非0格网，继续八邻域探测，重复该过程直至找不到非空格网，至此一个聚类单元处理完毕；步骤2.7：令i＝i+1，重复步骤2.4到步骤2.6，，直到所有格网点云完成八邻域探测，得到N个独立的聚类单元。3.根据权利要求2所述的一种基于地物形态特征的行道树点云渐进提取方法，其特征在于，所述步骤2.1具体包括：步骤2.1.1：依据地物点云的覆盖范围建立XOY二维平面格网，公式如下所示，投影点云到格网平面；到格网平面；式中，X
max
、X
min
、Y
max
、Y
min
为点云覆盖范围内X方向和Y方向上的最大值和最小值；Gridsize为格网单元大小，Gridsize＝0.45米；m、n分别为X方向和Y方向上的格网单元的数目；int(
·
)为求整函数；步骤2.1.2：将每个格网内点云数据的最低高程值赋给每个格网，对空格网赋值为0，实现地物点云数据的栅格化；步骤2.1.3：对每个格网内的点云进行记录存储。
4.根据权利要求1所述的一种基于地物形态特征的行道树点云渐进提取方法，其特征在于，所述步骤3具体包括：对每一个聚类单元分别进行如下特征提取：(1)聚类单元高程相关特征包括格网化点云的归一化高程、高程最大值、高程最小值和高程差；(2)投影面积S
j
为单元中的点云投影到二维XOY平面上的面积；(3)投影跨度K
X
和K
Y
分别为每一个聚类单元在格网X方向和Y方向上投影的最大跨度；其中，X方向跨度为投影单元对应的X方向上格网编号的最大值与最小值的差值；Y方向跨度为投影单元对应的Y方向上单元格网编号的最大值和最小值的差值；(4)投影面积比S
r
为每一个聚类单元中整体点云在XOY平面上的投影面积S1和部分点云在XOY平面投影面积S2的比值；(5)每一个聚类单元的面积S
m
以及包含的点云个数，其中面积S
m
为每个聚类单元所占平面格网的数目。5.根据权利要求1所述的一种基于地物形态特征的行道树点云渐进提取方法，其特征在于，所述步骤4具体包括：步骤4.1：对各类地物的形态特征进...

【专利技术属性】
技术研发人员：王竞雪，卫尧鑫，宿颖，
申请(专利权)人：辽宁工程技术大学，
类型：发明
国别省市：