一种基于激光雷达点云数据的热带雨林乔灌分离方法技术

本发明专利技术涉及一种基于激光雷达点云数据的热带雨林乔灌分离方法，属于地面激光雷达点云数据处理技术领域

【技术实现步骤摘要】
一种基于激光雷达点云数据的热带雨林乔灌分离方法


[0001]本专利技术涉及一种基于激光雷达点云数据的热带雨林乔灌分离方法，属于地面激光雷达点云数据处理

。

技术介绍

[0002]乔灌是森林生态系统的基本组成部分，准确获取乔木的空间特征对于森林结构参数的提取
、
林分结构的空间分析
、
森林资源的调查和管理等方面具有关键意义
。
此外，乔灌分离研究也在生态学和环境科学领域扮演着重要的角色，它有助于深入探究森林林下植被的特性，以及对乔木的碳储量和生物量等方面的研究
。
传统的方法包括野外调查
、
地面测量
、
航空摄影和遥感等技术手段
。
[0003]激光雷达技术是一种主动遥感技术，近
20
年来取得了迅猛发展
。
与被动光学遥感不同，激光雷达（
LiDAR
）具备显著的优势，能够有效获取森林植被的空间结构和地形信息，因此在森林参数的定量测量和反演方面取得了令人瞩目的成就
。
特别值得强调的是，激光雷达技术在探测森林垂直结构方面表现出了传统光学遥感数据难以匹敌的优越性
。
此外，激光雷达具备高精度测量
、
高分辨率数据采集
、
全天候性无光照限制以及三维信息获取的特点，因此已成为地理信息采集和环境监测领域的重要工具
。
在林业
、
地质
、/>城市规划等领域的应用中，激光雷达不仅实现了精确的空间数据建模，还提高了数据采集效率，为科学研究和资源管理提供了有力的支持
。
[0004]激光雷达技术根据其承载平台的差异可分为地基激光雷达（
TLS
）
、
机载激光雷达（
ALS
）和星载激光雷达
。
地基激光雷达，也称为地面激光雷达扫描仪，通常用于采集单一目标或小尺度精细三维数据
。
根据其工作方式，地基激光雷达可分为固定站式和移动式
。
固定站式激光雷达通过单站或多站扫描与拼接来覆盖整个测区，而移动式激光雷达，例如背包式和车载激光雷达系统，集成了激光雷达传感器
、
全球定位系统（
GPS
）
、
惯性测量单元（
IMU
）等硬件，以辅助自动拼接激光雷达数据
。
地基激光雷达具备提供高质量三维点云数据的能力，可详细而准确地获取目标的几何信息
。
这一特点有助于弥补其他观测手段的不足，使得地基激光雷达能够获取从单一树木到整个林分水平的高精度三维信息
。
因此，地基激光雷达为实现单木几何结构参数的自动获取和重建真实三维森林场景提供了可能；机载激光雷达以飞行器为平台，通常用于快速获取区域尺度的三维信息数据
。
其主要硬件包括激光雷达传感器
、
全球定位系统（
GPS
）和惯性测量单元（
IMU
）
。
这一技术为大面积森林清查和森林结构参数提取提供了一种创新的途径
。
目前，机载激光雷达系统已广泛应用于获取从景观到区域尺度的森林结构参数
。
星载激光雷达则以卫星平台为支撑，用于获取大尺度三维信息数据
。
其研制和应用逐渐成熟，始于
20
世纪
90
年代
。
相较于机载激光雷达，星载激光雷达具备高轨道高度和广阔的观测视野，理论上可提供全球范围的激光雷达数据
。
这些特点使其在地形测绘
、
环境监测和森林调查等领域具有独特的优势
。
然而，由于星载激光雷达的轨道高度和发射频率受到限制，其数据密度相对较低，难以实现连续的空间观测
。
[0005]相对于机载和星载激光雷达，地基激光雷达具备独特的优势
。
其近距离操作能够
提供更高分辨率和精度的数据，因此在需要详细细节测量的任务中表现出特殊的适用性
。
地面激光雷达在森林清查中扮演着重要的角色，可用于测量树木的高度
、
直径
、
冠层体积等参数
。
此外，它还可用于树种和植被类型的识别和分析，从而支持森林生物多样性的评估
。
通过测量树木的体积和生物量，地基激光雷达还有助于估算森林生态系统的碳储量
。
此技术还能获取地面高程和地形信息，有助于分析土壤特性
、
水分分布
、
坡度等因素，为林地管理和土地利用规划提供了数据支持
。
[0006]同时，在乔灌分离和树干提取领域，地面激光雷达技术也得到了广泛的应用
。
目前，国内外学者采用的研究方法主要分为三类：基于聚类
、
基于空间特征和基于机器学习
。
基于聚类是利用激光雷达点云的分布来实现乔灌分离，通常情况下乔木具有较高的点云密度，而灌木点云密度相对较低，通过设置阈值或者使用密度聚类等技术可以实现分离，如
DBSCAN、
基于八叉树节点连接的空间聚类
、K
‑
Means、
欧式聚类等，但该类方法需要设置的参数较多，聚类的速度也较为缓慢，因此许多学者逐渐提出一些新的聚类方法来弥补现有方法的不足
。
基于机器学习的方法是通过训练样本学习不同类别的特征，从而实现乔灌的识别，主要包括支持向量机（
SVM
）
、
随机森林（
Random Forest
）
、
深度学习等，如有学者使用
iForest、CNN、PointNet、R
‑
CNN、Boosting
等机器学习方法来做植被或树干点云的分类；基于空间特征的方法主要是利用点云的三维尺度特征
、
基于树干点云垂直连续分布特征以及植被形态几何特征（如高度
、
形状
、
密度等）来进行乔灌分离
。
虽然以上方法可以提取相应场景下的乔木树干，但其在复杂的热带雨林场景下算法鲁棒性较差，精度较低，运行速度较慢，对于生长不均衡，胸径大小不一的情况并不适用
。

技术实现思路

[0007]本专利技术要解决的技术问题是提供一种基于激光雷达点云数据的热带雨林乔灌分离方法，用以解决热带雨林复杂森林场景下的地面激光雷达点云数据高精度
、
高效率乔灌分离的问题
。
[0008]本专利技术的技术方案是：一种基于激光雷达点云数据的热带雨林乔灌分离方法，首先对数据进行去噪
、
滤波
、
高程归一化
、
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于激光雷达点云数据的热带雨林乔灌分离方法，其特征在于：
Step1
：首先获取热带雨林乔灌的原始点云数据，并对所述原始点云数据进行预处理，获取5米以下的高度层点云数据；
Step2
：基于
K
维树对5米以下的高度层点云数据进行邻域搜索，再通过求解协方差矩阵计算点云数据曲率，根据点云数据曲率的区别特征对点云数据进行粗略分离；
Step3
：根据点云邻域法向量夹角以及点云数据曲率大小对粗略分离后的点云数据进行区域生长分割，获取点云簇对象；
Step4
：根据分割后的点云簇对象的点云数
、
高宽比和高度范围特征来识别乔木和灌木
。2.
根据权利要求1所述的基于激光雷达点云数据的热带雨林乔灌分离方法，其特征在于，所述
Step1
具体为：
Step1.1
：通过裁剪
、
去噪
、
滤波和高程归一化的方式对原始点云数据进行预处理；
Step1.2
：将树冠点云数据去掉，保留5米以下高度层的点云数据进行后续乔灌分离处理
。3.
根据权利要求1所述的基于激光雷达点云数据的热带雨林乔灌分离方法，其特征在于，所述
Step2
具体为：
Step2.1
：在建立
K
维树索引的基础上，确定邻域半径
r
，然后以每个点云数据为圆心
、r
为半径建立球形邻域，将每个点云数据的球形邻域以内的点作为其邻域内点；
Step2.2
：根据每个点云数据的邻域内点计算该点的协方差矩阵，设定
p
i
=(xi,yi,zi)
是
3D
点云空间中的点，
Vr
（
p
i
）为
p
i
点的球形邻域集合，通过主成分分析求解出球形邻域的协方差特征值，以所述协方差特征值作为点
p
i
的局部特征，所述协方差矩阵为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（1）；其中，
C
cov
为协方差矩阵，为球形邻域的质心，
p
i
为
3D
点云空间中的点，
k
为球形邻域中点云的个数，
T
为矩阵转置符号；根据协方差矩阵分解计算其三个特征值为
λ0、
λ1、
λ2，所述三个特征值需满足
λ0≥
λ1≥
λ2；
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（2）；将
L
‑
curvature
小于
0.2
的点云数据分割成
2m
×
2m
的分块，进行下一步分离
。4.
根据权利要求3所述的基于激光雷达点云数据的热带雨林乔灌分离方法，其特征在于，所述
Step3
具体为：
Step3.1
：基于局部拟合的方法来估计点云数据的法向量；
Step3.2
：对点云数据的曲率大小进行计算；
Step3.3
：基于点云数据的法向量和曲率大小进行区域生长分割，将点云数据分割聚类成多个点云簇对象
。5.
根据权利要求4所述的基于激光雷达点云数据的热带雨林乔灌分离方法，其特征在于，所述
Step3.1
具体...

【专利技术属性】
技术研发人员：程峰，聂辰辰，王成，吴骏恩，
申请(专利权)人：云南师范大学，
类型：发明
国别省市：