申请/专利权人：桂林理工大学

申请日：2021-04-29

公开（公告）日：2022-06-14

公开（公告）号：CN113222917B

主分类号：G06T7/00

分类号：G06T7/00;G06T7/194;G06T7/136;G06K9/62;G06V10/762;G06V10/764

优先权：

专利状态码：有效-授权

法律状态：2022.06.14#授权;2021.08.24#实质审查的生效;2021.08.06#公开

摘要：本发明涉及激光雷达数据处理领域，公开了机载激光雷达点云数据冠层高度模型的DBI树顶点探测方法，发明了一种基于冠层高度冠层模型的DBI控制前景像素探测树顶点的方法，包括：1.规范冠层高度模型的标记像素生成条件；2.利用高度冠层模型的灰度变化特点对伪前景像素进行过滤剔除；3.引入相似度判断因子DBI进行DBI‑K筛选树冠顶点。本发明提供了一种机载激光雷达点云数据冠层高度模型的树顶位置探测方法，能够有效的解决传统窗口探测树顶点方法的阈值依赖问题，提高树顶点识别准确度。

主权项：1.机载激光雷达点云数据CHM的DBI树顶点探测方法，其具体步骤如下：步骤1对点云数据进行滤波分类并生成数字高程模型Digitalelevationmodel，DEM、数字表面模型DigitalSurfaceModel，DSM、冠层高度模型CanopyHeightModel，CHM；步骤2根据高度冠层模型CHM的像素灰度级，规范冠层高度模型的前景标记像素生成条件，生成冠层高度模型的初始前景标记，具体为：1冠层高度模型图像标记外像素点的灰度级值都比标记内部的低；2冠层高度模型图像前景图像的像素点组成一个连通分量；3冠层高度模型图像同一个标记内部的像素点具有相同的灰度级值；依据以上3个规范条件生成初始前景标记后的冠层高度模型图像C；步骤3基于高度冠层模型的初始前景标记，利用中心像元相邻八邻域像素灰度值变化特点对伪前景像素进行过滤剔除；步骤4引入相似度判断因子DBI，对冠层高度模型前景标记进行DBI-K方法的树冠顶点筛选，具体为：对输入的冠层高度模型二维灰度图像进行聚类，利用引入相似度判断因子DBI的K-means聚类方法多次迭代生成冠层高度模型前景图像的聚类中心m和聚类中心数目K值；如果DBInew＜DBIlast，则可以形成新的聚簇中心，否则算法终止，并将迭代终止产生的聚类中心m作为树梢点Tpoint，聚类中心数目K值则作为目标图像的单木株数，将筛选后的聚类中心像元作为描绘每棵树冠树梢点Tpoint的位置，之后对树顶点标号并进行三维可视化显示。

全文数据：

权利要求：

百度查询： 桂林理工大学 机载激光雷达点云数据CHM的DBI树顶点探测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD