[发明专利]一种基于形状分类与组合的室外点云场景中树木提取方法

权利要求书

1.一种基于形状分类与组合的室外点云场景中树木提取方法，其特征在于，具体包括以下步骤：

步骤1)基于室外场景点云数据的特征，得到室外场景的最优特征集；

所述步骤1)具体按照以下步骤实施：

步骤1.1)手动在室外场景点云数据中选取线状数据点、平面数据点、圆柱数据点和散射数据点共四部分数据点，该四部分数据点依次记为T₁、T₂、T₃和T₄，求出所选每部分数据点中各数据点的所有特征信息值，所述所有特征信息包括维度特征、法向量、主方向、特征值、特征值之和、特征熵、全方差、点的异向性、点局部表面变化、局部点密度、点的高度；

步骤1.2)求出T₁中各特征信息值的平均值，并由大到小排列，选取排列后前三位特征信息值的平均值所对应的特征信息，前三位的特征信息值的平均值所对应的特征信息分别为V₁(T₁)、V₂(T₁)、V₃(T₁)，T₂、T₃和T₄同理得到V₁(T₂)、V₂(T₂)、V₃(T₂)、V₁(T₃)、V₂(T₃)、V₃(T₃)、V₁(T₄)、V₂(T₄)、V₃(T₄)；

步骤1.3)若T₁、T₂、T₃和T₄所选取的特征信息均不相同，则将T₁、T₂、T₃和T₄所选取的特征信息组成集合，得到最优特征集；若T₁、T₂、T₃和T₄所选取的特征信息存在相同的特征信息，则删除相同的特征信息，选取相同特征信息所对应部分排列后第四位特征信息值的平均值所对应的特征信息，判断T₁、T₂、T₃和T₄重新选取的特征信息是否有相同的特征信息，按照该方式以此类推，若每次T₁、T₂、T₃和T₄重选取的特征信息均存在相同的特征信息，则将T₁、T₂、T₃和T₄中保留的特征信息组成集合，得到最优特征集，若T₁、T₂、T₃和T₄重新选取的特征信息不存在相同的特征信息，则将T₁、T₂、T₃和T₄重新选取的特征信息组成集合，得到最优特征集；

步骤2)根据最优特征集对室外场景点云数据进行分类，分类具体包括线状点、平面点、圆柱点和散射点；

所述步骤2)具体为，通过支持向量机得到高斯核函数及其参数，通过随机森林方法构件决策树，将最优特征集输入决策树生成多个训练集，并由高斯核函数计算每个点云数据与各训练集的相似程度，通过比较相似程度将室外点云场景数据进行分类，分类具体包括线状点、平面点、圆柱点和散射点；

步骤3)由于树木的树干和树冠对应的室外场景点云数据为圆柱点和散射点，因此提取分类后的圆柱点和散射点，通过对圆柱点和散射点定位、过滤、匹配、优化，来完成室外场景点云数据中单棵树木提取；

所述步骤3)具体按照以下步骤实施：

步骤3.1)提取分类后的圆柱点和散射点，通过光谱聚类算法对圆柱点和散射点进行聚类，得到了不同种类的圆柱点和散射点点集，即得到不同的树干和树冠；

步骤3.2)通过分别设置圆柱点和散射点筛选点数阈值，将点数小于对应筛选点数阈值的点集剔除，即移除一些离室外场景比较远或者不属于真正树干、树冠、的点集，得到可匹配的圆柱点和散射点的点集；

步骤3.3)通过求取可匹配的圆柱点点集与各散射点点集的相似性，根据相似性将对应的散射点集进行匹配；

步骤3.4)若同一散射点点集对应多个圆柱点点集，求出所对应的每个圆柱点点集的质心m_i(i＝1,2,…,n)，从该散射点点集随机选取一个数据点，计算该数据点到质心m_i(i＝1,2,…,n)的距离，通过比较将该数据点分配给距离最短的质心所对应的圆柱点点集进行合并，按照此方式，知道该散射点点集中的数据点分配完为止，并且将其他一一对应的散射点点集和圆柱点点集进行合并，每个合并后的点集即为单棵树木对应的点集，单棵树木提取完成；若不存在同一散射点点集对应多个圆柱点点集，直接将一一对应的散射点点集和圆柱点点集进行合并，每个合并后的点集即为单棵树木对应的点集，单棵树木提取完成。