一种林下单株幼树的识别方法、系统、设备及存储介质技术方案

本发明专利技术公开一种林下单株幼树的识别方法、系统、设备及存储介质，涉及激光雷达点云处理技术领域，所述方法包括对初始的机载激光点云进行单木分割处理，基于初始机载激光点云确定为大树的机载激光点云，并根据每株大树的机载激光点云确定大树的初始的结构参数；基于所有大树的机载激光点云确定为初始基准单木点集，其余的机载激光点云二次分割，得到二次分割激光点云；对二次分割激光点云进行迭代聚类筛选，得到第二基准单木点集和剩余单木点集；再次筛选，得到更新后的结构参数；基于初始的机载激光点云得到待分割机载激光点云并得到幼树的分割参数；根据待分割机载激光点云和分割参数，确定当前树林中的幼树。本发明专利技术实现了树林中幼树的识别。林中幼树的识别。林中幼树的识别。

【技术实现步骤摘要】
一种林下单株幼树的识别方法、系统、设备及存储介质


[0001]本专利技术涉及激光雷达点云处理
，特别是涉及一种林下单株幼树的识别方法、系统、设备及存储介质。

技术介绍

[0002]林下幼树在促进森林群落的生长和更新演替、维持森林物种多样性、平衡和实现森林生态系统功能中起着至关重要的作用。明确林下幼树的空间分布和结构特征，对于研究林冠结构特征和林下光环境动态变化对幼树生长的影响，进一步探索林下植物更新演替的内在机制具有重要意义。机载激光雷达(Airborne Laser Scanning，ALS)可以获取大范围的激光点云，其高穿透性能够实现森林垂直结构的精准刻画。ALS点云的单木分割是提取单木空间结构特征，从而精准评估林分长势和生态功能的基础。但是，受限于ALS相对稀疏的点云密度及森林冠层较高的郁闭度，但是现有的方法只是针对森林上层的单木结构进行研究，对于林下幼树的结构特征关注较少，缺少对林下幼树的识别。

技术实现思路

[0003]本专利技术的目的是提供一种林下单株幼树的识别方法、系统、设备及存储介质，实现了对林下幼树的识别。
[0004]为实现上述目的，本专利技术提供了如下方案：
[0005]一种林下单株幼树的识别方法，所述方法包括：
[0006]获取当前树林中每株单木初始的机载激光点云；
[0007]利用谱聚类方法对初始的机载激光点云进行单木分割处理，将高度大于5m的初始机载激光点云确定为每株大树的机载激光点云，并根据每株大树的机载激光点云确定每株大树的初始的结构参数；所述结构参数包括：树高、冠幅、位置、质心、树冠最低点高度和单木点云的数量；
[0008]将符合预设单木条件的所有大树的机载激光点云确定为初始基准单木点集，采用双向投影法，将不符合所述预设单木条件的大树的机载激光点云进行二次分割，得到二次分割激光点云；所述预设单木条件根据初始的结构参数确定；
[0009]利用均值漂移聚类算法，对所述二次分割激光点云进行迭代聚类，得到带有类别标签的二次分割单木点集，所述带有类别标签的二次分割单木点集中包括多个带有类别标签的单木点；
[0010]基于所述预设单木条件和预设距离条件对所述带有类别标签的二次分割单木点集进行筛选，将符合所述预设单木条件或所述预设距离条件的带有类别标签的二次分割单木点集中的点加入所述初始基准单木点集中，得到第二基准单木点集，将不符合所述预设单木条件和所述预设距离条件的带有类别标签的二次分割单木点集确定为剩余单木点集；
[0011]基于第二基准单木点集和剩余单木点集构建所述剩余单木点集中每个剩余单木点的局部K近邻点集，确定所述局部K近邻点集中第二基准单木点集中的点的数量占所述局
部K近邻点集中的点的总数量的比例，将比例大于0.5的局部K近邻点集对应的剩余剩余单木点加入到所述第二基准单木点集中，得到第三基准单木点集，并基于所述第三基准单木点集中每株大树的机载激光点云确定每株大树的更新后的结构参数；
[0012]从初始的机载激光点云中去除每株大树的更新后的树冠最低点高度大于5m的机载激光点云，得到二次去除机载激光点云；
[0013]去除所述二次去除机载激光点云中处于预设圆柱缓冲区中的机载激光点云，得到待分割机载激光点云；所述预设圆柱缓冲区的底面为以更新后的位置为圆心，以0.8m为半径的圆，所述预设圆柱缓冲区的高为更新后的树冠最低点高度；
[0014]采用狄洛尼三角剖分插值算法，根据所述待分割机载激光点云生成幼树冠层高度模型，并采用固定窗口检测所述幼树冠层高度模型中的局部最大值，得到幼树的分割参数，所述分割参数包括：位置、局部株数密度和冠幅；
[0015]利用均值漂移算法，根据所述待分割机载激光点云和所述分割参数，确定所述当前树林中的幼树。
[0016]可选地，所述预设单木条件包括：
[0017]所述树高大于5m；
[0018]所述冠幅的东西半径与南北半径的比值的范围为：0.7～1.3；
[0019]所述质心在所述冠幅的范围内；
[0020]所述单木点云的数量大于所有单木点云的数量的平均值的一半。
[0021]可选地，所述预设距离条件包括：
[0022]所述带有类别标签的二次分割单木点集中具有相同类别标签的点组成的单木与第一基准单木的距离小于所述第一基准单木的冠幅，所述第一基准单木为所述初始基准单木点集中的点组成的单木。
[0023]一种林下单株幼树的识别系统，所述系统包括：
[0024]初始点云获取模块，用于获取当前树林中每株单木初始的机载激光点云；
[0025]第一分割模块，用于利用谱聚类方法对初始的机载激光点云进行单木分割处理，将高度大于5m的初始机载激光点云确定为每株大树的机载激光点云，并根据每株大树的机载激光点云确定每株大树的初始的结构参数；所述结构参数包括：树高、冠幅、位置、质心、树冠最低点高度和单木点云的数量；
[0026]第二分割模块，用于将符合预设单木条件的所有大树的机载激光点云确定为初始基准单木点集，采用双向投影法，将不符合所述预设单木条件的大树的机载激光点云进行二次分割，得到二次分割激光点云；所述预设单木条件根据初始的结构参数确定；
[0027]聚类模块，用于利用均值漂移聚类算法，对所述二次分割激光点云进行迭代聚类，得到带有类别标签的二次分割单木点集，所述带有类别标签的二次分割单木点集中包括多个带有类别标签的单木点；
[0028]筛选模块，用于基于所述预设单木条件和预设距离条件对所述带有类别标签的二次分割单木点集进行筛选，将符合所述预设单木条件或所述预设距离条件的带有类别标签的二次分割单木点集中的点加入所述初始基准单木点集中，得到第二基准单木点集，将不符合所述预设单木条件和所述预设距离条件的带有类别标签的二次分割单木点集确定为剩余单木点集；
[0029]结构参数更新模块，用于基于第二基准单木点集和剩余单木点集构建所述剩余单木点集中每个剩余单木点的局部K近邻点集，确定所述局部K近邻点集中第二基准单木点集中的点的数量占所述局部K近邻点集中的点的总数量的比例，将比例大于0.5的局部K近邻点集对应的剩余剩余单木点加入到所述第二基准单木点集中，得到第三基准单木点集，并基于所述第三基准单木点集中每株大树的机载激光点云确定每株大树的更新后的结构参数；
[0030]二次去除机载激光点云确定模块，用于从初始的机载激光点云中去除每株大树的更新后的树冠最低点高度大于5m的机载激光点云，得到二次去除机载激光点云；
[0031]待分割机载激光点云确定模块，用于去除所述二次去除机载激光点云中处于预设圆柱缓冲区中的机载激光点云，得到待分割机载激光点云；所述预设圆柱缓冲区的底面为以更新后的位置为圆心，以0.8m为半径的圆，所述预设圆柱缓冲区的高为更新后的树冠最低点高度；
[0032]分割参数确定模块，用于采用狄洛尼三角剖分插值算法，根据所述待分割机载激光点云生成幼树冠层高度模型，并采用固定窗口检测所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种林下单株幼树的识别方法，其特征在于，所述方法包括：获取当前树林中每株单木初始的机载激光点云；利用谱聚类方法对初始的机载激光点云进行单木分割处理，将高度大于5m的初始机载激光点云确定为每株大树的机载激光点云，并根据每株大树的机载激光点云确定每株大树的初始的结构参数；所述结构参数包括：树高、冠幅、位置、质心、树冠最低点高度和单木点云的数量；将符合预设单木条件的所有大树的机载激光点云确定为初始基准单木点集，采用双向投影法，将不符合所述预设单木条件的大树的机载激光点云进行二次分割，得到二次分割激光点云；所述预设单木条件根据初始的结构参数确定；利用均值漂移聚类算法，对所述二次分割激光点云进行迭代聚类，得到带有类别标签的二次分割单木点集，所述带有类别标签的二次分割单木点集中包括多个带有类别标签的单木点；基于所述预设单木条件和预设距离条件对所述带有类别标签的二次分割单木点集进行筛选，将符合所述预设单木条件或所述预设距离条件的带有类别标签的二次分割单木点集中的点加入所述初始基准单木点集中，得到第二基准单木点集，将不符合所述预设单木条件和所述预设距离条件的带有类别标签的二次分割单木点集确定为剩余单木点集；基于第二基准单木点集和剩余单木点集构建所述剩余单木点集中每个剩余单木点的局部K近邻点集，确定所述局部K近邻点集中第二基准单木点集中的点的数量占所述局部K近邻点集中的点的总数量的比例，将比例大于0.5的局部K近邻点集对应的剩余剩余单木点加入到所述第二基准单木点集中，得到第三基准单木点集，并基于所述第三基准单木点集中每株大树的机载激光点云确定每株大树的更新后的结构参数；从初始的机载激光点云中去除每株大树的更新后的树冠最低点高度大于5m的机载激光点云，得到二次去除机载激光点云；去除所述二次去除机载激光点云中处于预设圆柱缓冲区中的机载激光点云，得到待分割机载激光点云；所述预设圆柱缓冲区的底面为以更新后的位置为圆心，以0.8m为半径的圆，所述预设圆柱缓冲区的高为更新后的树冠最低点高度；采用狄洛尼三角剖分插值算法，根据所述待分割机载激光点云生成幼树冠层高度模型，并采用固定窗口检测所述幼树冠层高度模型中的局部最大值，得到幼树的分割参数，所述分割参数包括：位置、局部株数密度和冠幅；利用均值漂移算法，根据所述待分割机载激光点云和所述分割参数，确定所述当前树林中的幼树。2.根据权利要求1所述的林下单株幼树的识别方法，其特征在于，所述预设单木条件包括：所述树高大于5m；所述冠幅的东西半径与南北半径的比值的范围为：0.7～1.3；所述质心在所述冠幅的范围内；所述单木点云的数量大于所有单木点云的数量的平均值的一半。3.根据权利要求1所述的林下单株幼树的识别方法，其特征在于，所述预设距离条件包括：
所述带有类别标签的二次分割单木点集中具有相同类别标签的点组成的单木与第一基准单木的距离小于所述第一基准单木的冠幅，所述第一基准单木为所述初始基准单木点集中的点组成的单木。4.一种林下单株幼树的识别系统...

【专利技术属性】
技术研发人员：杜黎明，庞勇，孔丹，
申请(专利权)人：中国林业科学研究院资源信息研究所，
类型：发明
国别省市：