【技术实现步骤摘要】
本专利技术属于微分几何、计算数学、计算机图形学和计算机视觉
，涉及一种 利用三维激光扫描仪进行树木测量得到树木点云数据，并根据点云数据来进行属于不同器 官间点云的自动分割的方法。在虚拟现实、电脑游戏、数据压缩、特征提取、林业测量、植物 三维3D重建等领域具有重要的应用价值。
技术介绍
点云模型是一种无组织的点云集合(Unorganized Points)。在几何压缩和传输、 交互编辑、纹理映射、参数化等应用方面，需要将点云数据划分为特征单一，互不重叠的区 域，这需要使用点云分割技术。针对树木的生物学特点，树木扫描点云可以被分为树枝点云和树叶点云，其中位 于树枝上的点云又可以按照所处的不同的枝干进行进一步划分。树木点云模型的准确分割对模型的应用具有重要意义。在进行模型重建的过程中，由于树枝与树叶的重建方法有较 大的区别，所以已有的大部分重建方法在重建之前需要对点云进行树枝树叶的分离。同样 道理，直接在点云模型上进行的林业测量工作也需要明确的知道哪些点云位于树枝哪些点 云位于树干上。树木点云模型的配准工作中，如果能对不同的树枝上的点云进行准确的区 分会对配准工...
【技术保护点】
一种树木点云数据的自动分割方法，其特征在于，该点云分割步骤包括： 步骤Ｓ１：利用激光扫描仪扫描直接采集树木的扫描点云数据并对点云数据预处理，按照点云数据中每个点的坐标进行空间划分，实现三维空间的数据存储结构称为ｋｄ树（ｋ－ｄｉｍｅｎｓｉｏｎａｌ ｔｒｅｅ）； 步骤Ｓ２：对于点云数据的每一个点，利用点云数据的ｋｄ树查找多个近邻点，根据最小二乘方法把这些点拟合出一个平面，以这个平面的法向量作为点云法向量的初始估计值； 步骤Ｓ３：对于点云数据的每一个点，利用其法向量、切平面构造局部三维直角坐标系；利用点云数据的ｋｄ树查找多个近邻点； 步骤Ｓ４：对于查找到的近邻点，利用这些...
【技术特征摘要】
一种树木点云数据的自动分割方法，其特征在于，该点云分割步骤包括步骤S1利用激光扫描仪扫描直接采集树木的扫描点云数据并对点云数据预处理，按照点云数据中每个点的坐标进行空间划分，实现三维空间的数据存储结构称为kd树(k-dimensional tree)；步骤S2对于点云数据的每一个点，利用点云数据的kd树查找多个近邻点，根据最小二乘方法把这些点拟合出一个平面，以这个平面的法向量作为点云法向量的初始估计值；步骤S3对于点云数据的每一个点，利用其法向量、切平面构造局部三维直角坐标系；利用点云数据的kd树查找多个近邻点；步骤S4对于查找到的近邻点，利用这些近邻点拟合二次曲面；步骤S5对于点云数据的每一个点，利用该点拟合出的二次曲面计算主曲率；步骤S6对于点云数据的每一个点，利用主曲率方向计算轴向分布密度；步骤S7利用轴向分布密度将属于树枝上的点云与属于树叶上的点云区分；步骤S8对于属于树枝上的点云，利用主曲率方向进行区域生长，产生过分割的分割结果；步骤S9对于过分割的树枝上的点云，依照相邻组内的点云数量以及依照分组中所有点云的主曲率方向的平均值所确定的组角度进行区域合并，得到符合树木树枝器官分布的分割结果。2.按权利要求1所述的树木点云数据的自动分割方法，其特征在于，所述拟合二次曲 面为 h(u，v) = cqu2+2Ciuv+c2v2，其中(u，v，h(u，v))为空间中的点，该二次曲面 h(u，ν)=C。U2+2ClUV+C2v2的系数CtlC1C2通过最小化mjn | B| |2获得，其中A、B、μ为矩阵 、\、比为η个近邻点的坐标值，i = 1，-,n,c0 C1 C2为二次曲面的系数，通过μ = [C0 C1 C2Jt= (AtA)-1AtB得到二次曲面的系数，其中T表示转置，[Ctl C1 (3工表示矩阵[Ctl C1 C2]的转置矩阵；利用拟合二次曲面计算出点云模型P中P点处的局部几何量，包括两个主 曲率k“p)和Ii2(P)J1 (P) <= k2(p)以及对应的主曲率方向义(P)和式O)。3.按权利要求1所述的树木点云数据的自动分割方法，其特征在于，所述点云区分是 通过计算各个点的轴向分布密度实现属于树枝上的点云与属于树叶上的点云区分。4.按权利要求1所述的树木点云数据的自动分割方法，其特征在于，所述轴向分布密 度，由下列方法确定对点云模型P中的点P，以点P为中心，以h为高，以r为半径构建圆 柱S，圆柱S的轴向与点ρ的主方向J1(P)—致；其中高h被设置为10倍于扫描间距，半径r 被手工设置为2倍于扫描间距；位于圆柱S内的每一个点p，将点ρ投影到圆柱S的中心轴 上，投影点被记为Ps(P),...
【专利技术属性】
技术研发人员：张晓鹏，代明睿，李红军，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：11[中国|北京]
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。