申请/专利权人：南京航空航天大学

申请日：2020-09-18

公开（公告）日：2024-04-16

公开（公告）号：CN112381861B

主分类号：G06T7/33

分类号：G06T7/33;G06T7/11;G06V20/10

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2021.03.09#实质审查的生效;2021.02.19#公开

摘要：本发明公开一种基于地基激光雷达的林地点云数据配准和分割方法，涉及林地点云数据配准和分割方法。本发明是为了提供一种有效可行的林地点云数据预处理方法，解决现有林地点云数据配准和分割精度差、效率低的问题，提高地基激光雷达在林业遥感的应用。本发明包括：一：利用改进的正态分布变换配准算法实现林地点云数据的多站式配准；二：对配准后的林地点云数据进行压缩，然后利用随机采样一致性算法和欧式聚类算法将树木点云数据从林地点云数据中分离；三：识别树木点云数据中单株树的位置，然后利用最小割算法进行单木分割；四：利用体素云连通性分割算法和局部凸包算法实现单木枝干和树叶分割。本发明用于地基激光雷达林业遥感应用领域。

主权项：1.一种基于地基激光雷达的树木点云配准和分割方法，其特征在于：所述基于地基激光雷达的树木点云配准和分割方法包括以下步骤：步骤一：利用三维激光扫描仪采集林地点云数据，利用改进的正态分布变换配准算法对林地点云的进行多站式配准，得到完整的林地点云数据；步骤二：对步骤一中得到的完整的林地点云进行压缩，然后利用随机采样一致性算法和欧式聚类算法将树木点云从林地点云中分离；步骤三：对步骤二中得到的树木点云进行单株树位置识别，根据获取的单株树位置和最小割算法进行单木分割；步骤四：对步骤三中得到的单木点云利用体素云连通性分割算法生成超体素块，然后基于不同超体素块之间的凹凸关系，利用局部凸包连接算法对点云进行聚类分割，从而实现枝干和树叶点云分割；所述步骤一中利用三维激光扫描仪采集林地点云数据，利用改进的正态分布变换配准算法对林地点云的进行多站式配准，得到完整的林地点云数据的具体过程为：步骤一一：分别计算两个待配准点云的法向量，然后计算每个特征点Bq与邻域内所有点Bk的法线相对偏差关系，得到简化的点特征直方图SBq，再根据每个点的SBq特征重新计算Bq的直方图，生成目标点云和待配准点云的快速点特征直方图FBq，公式如下： 其中FBq为快速点特征直方图，SBq为简化的点特征直方图，k为邻域内点的个数，wi为特征点Bq与邻域点Bk的距离；步骤一二：从待配准点云Q中选取n个采样点，利用kd-tree结构搜索目标点云P中与采样点具有相似FPFH特征的点，将其作为待配准点云Q和目标点云P之间的对应点；步骤一三：根据待配准点云Q和目标点云P间的对应点关系，使用奇异值分解得到刚体变换矩阵，其公式如下：Q＝RiP+Ti其中Ri为旋转矩阵，Ti为平移矩阵；步骤一四：将经过刚体变换后的对应点间距离误差和函数来判定当前配准变换的性能，求解距离误差和函数的最小值，此时得到的刚体变换矩阵为最终的点云配准矩阵；通常使用Huber罚函数来表示距离误差和函数，记为 其中m1为给定值，li为经过变换后第i组对应点间的距离差；步骤一五：把初始配准后的点云均匀地划分成同等大小的三维体素单元格，每个单元格内含有一点数量的点，计算每个体素单元格中所有点云的协方差矩阵C和均值向量q； 其中xi是体素单元格中包含的点；n是体素单元格中包含的点个数；步骤一六：使用正态分布函数Nq,C来表示三维体素单元格中每个点xi的概率密度函数： 其中q含点云x的体素单元格中的均值向量，C含点云x的体素单元格中的协方差矩阵，c为常量；步骤一七：将待配准点云经过初始坐标转换参数映射到目标点云，利用求解每个映射点的概率分布之和sp的最优值来代替求解点云的最优转换参数； 其中xi′表示待配准点云映射到目标点云下的坐标，Tp,xi表示待配准点云的坐标转换，qi和C分别表示xi′对应的均值向量和协方差矩阵，c为常量；步骤一八：使用Hessian矩阵法求解sp的最小值，得到最优的变换矩阵，完成精确配准。

全文数据：

权利要求：

百度查询： 南京航空航天大学 一种基于地基激光雷达的林地点云数据配准和分割方法

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