[发明专利]一种基于激光点云数据的真实阔叶树器官分类识别方法

说明书

本发明公开了一种基于激光点云数据的真实阔叶树器官分类识别方法，本方法利用流形学习的思想来描述非线性局部曲面特性，并设定局部邻域为线性结构，在枝叶的原始点云中融入流行结构的思想，同时根据叶面与枝干形体差异，结合点云的非线性局部切平面分布、空间离散点分布特征和局部离散点法向特征，根据叶面与枝干形体差异，最后结合监督分类的思想，设计了GEPSVM分类器，从训练样本中找寻类别特征，对测试样本进行分类，进而提取阔叶树中复杂点云的枝叶数据。本发明结合枝叶的各种基本特征的优势，提出了基于特征融合的点云活立木枝叶分离的方法，从实验结果看，是切实可行并且高效的，并为林学参数的精确求取打下基础。

技术领域

本发明涉及一种基于激光点云数据的真实阔叶树器官分类识别方法，属于计算机视觉理论研究在林木测量应用中的创新，从而实现阔叶树不同植物器官的精确识别。

背景技术

近年来地面激光扫描仪(TLS)广泛应用于复杂现场勘测和空间物体的测量，激光扫描不会对被测物造成任何损伤，且能以点云的形式精确还原出目标体的三维数据。由于三维激光扫描仪在计测学中具有无可比拟的优势，因此国外许多林业科研工作者就地面三维激光扫描技术在林业中的应用进行了深入研究和探讨。

但仅仅依靠地面激光扫描仪获取林木生态参数还处研究阶段，这主要是因为树木外形特征无规律且形态复杂，并且外界环境对TLS扫描过程中树木的状态产生着持续的影响；激光扫描在采集数据时，外部环境如风吹抖动及遮挡的对测试对象的影响；树木生长得状态以及形态及叶子的方位角度不固定性，如何从激光扫描得到的树木点云点云数据分别具体器官是需要解决的难题；激光扫描获取的是离散的点云数据，而树叶是由三维曲面构成，设计合理的点到面的拟合算法是需要解决的难题。因此，上述因素都是研究林学参数自动获取的阻力，因此如何从离散的激光点云中自动获取精确林学指标是亟待解决的问题。

林业树木的监测和精细识别一直是个难题。传统的测树工具中，借助机械原理如轮齿或围尺、测高器等量测工具，量测读数记录的效率低，且获得的数据较为单一、精度较差；运用光学的方法进行树木测量时，会受到遮挡和光照的影响，对影像的采集视角和摄像机参数的精准度都有严格的要求；采用超声波传感器阵列测量林业作物时，虽可得到树木冠层的三维点阵云图数据，但只能监测树木表层数据且无法得到树木内部结构信息；而相对一些复杂林学参数，即使采用各种现有方法也无法获得精确值，对于大维数的点云数据要分类出植物的不同器官，更是很难，如何找寻一个行之有效的策略去避免此类困难，并对活立木各项林学指标进行分类是我们亟待解决的问题。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提供一种基于激光点云数据的真实阔叶树器官分类识别方法，通过挖掘数据量大、分布离散且单点信息量小的激光点云数据中的结构信息(如邻域信息、流形结构等)，根据结构信息分离出植物器官。

技术方案：为实现上述目的，本发明采用的技术方案为：

由于植物生理结构和点云拓扑来看数学模型难以准确刻画枝叶曲面，因而无法直接嵌入点云数据的结构信息，本发明本发明针对散乱、无规律阔叶树PCD，设计了一组面向非线性空间点云的特征的提取方法，结合了高维半监督分类思想，设计了面向阔叶树生理器官有效的分类。一种基于激光点云数据的真实阔叶树器官分类识别方法，使用激光扫描仪扫描单株树木，运用计算机理论提出了一组新颖的特征向量，该向量由非线性局部切平面分布特征F_LTS，空间离散点分布特征F_saliency、局部离散点法向特征组成F_normal，并提出新型的改进LIBSVM，半监督分类识别方法，结合本发明中，新颖的树木点云特征向量及改进的监督识别方法，实现阔叶树枝叶分离。

该方法包括如下求取非线性局部切平面分布特征F_LTS的步骤：