[发明专利]逐层LiDAR点云的弦角判别聚类单木分割方法

说明书

本发明涉及到了森林遥感的LiDAR点云单木分割领域，公开了逐层LiDAR点云的弦角判别聚类单木分割方法，发明了几何关系判别聚类法，包括：1.机载LiDAR森林点云数据的回波信息处理，提取植被点云数据；2.逐层半弦值判别聚类分割，普遍适用于多木间单木分割；3.逐层半弦角辅助聚类分割，帮助2中局部重叠的两棵树进行分割；4.对3中存在“大盖小”的两棵树遮挡现象设定阈值，根据大树与小树高度关系聚类；5.联合判断分割出的单木，修正或删除错判ID单木。本发明为森林点云数据提供了一种基于圆形弦值和角度的几何判别聚类的分割方法，该发明较于CHM方法能够更快速、准确获取单木分割形状，减少错误分割单木，有助于林业研究的森林植被参数反演和建立林木3D模型。

技术领域

本发明涉及到了森林遥感的LiDAR点云单木分割领域，具体用到了多回波提取植物点云数据和逐层弦角判别聚类的分割方法，从三个方面分析和解决多木聚类关系问题。

技术背景

近年来，随着我国一系列重点林业工程的实施，人工林面积已逐步接近全球人工林面积的30％。发展人工林能够有效解决森林消耗、木材供应不足和森林生态环境被破坏等问题，而且在提高森林碳汇、维持区域生态平衡和加快森林恢复方面也具有重要作用。当前，我国人工林经营已从单纯追求经济效益发展到注重多种效益相结合及可持续发展，其监测目的也从传统的森林资源利用转向保护生态环境、维持森林健康以及平衡森林碳储量等方面，高效和高精度的人工林森林资源监测越显重要。单木是构成森林的基本单元，其空间结构、生物物理和化学组分是森林资源调查、生态环境建模研究等所需的关键因子。LiDAR可快速、精确地获取单木信息，为森林资源监测与管理提供有效保障，合理利用各种单木分割算法，提高单木分割精度，可为精确获取单木空间位置、冠层结构以及掌握树木竞争和健康状况等提供重要的算法和技术支持。

目前，传统的单木分割通常采用人工实测法，且仅能获得点上的数据，难以获取区域或更大尺度的数据；而国际上最常用的单木分割方法是基于植被冠层的冠层高度模型(CHM)进行分割。获得CHM模型的大致过程是LiDAR点云数据对应的数字表面模型(DSM)与数字高程模型(DEM)做差值。之后定位局部CHM最大值，并以此在一定范围内识别出单棵树的冠幅，从而提取该棵树。利用CHM进行分割时往往造成错误分割以及不适当的形状分割。

为了确保点云后处理工作顺利进行和单木分割的正确率，有必要对以上出现的问题进行改进和完善。

发明内容

本发明的目的是提供一种LiDAR点云数据单木分割的方法，能够有效判别多木点云从属关系，提高单木分割正确率，避免错误分割的情况，为后期正确提取单木分割参数提供有力保证。

为了实现本发明的目的，本发明提出了一种基于弦角关系判别的多木聚类分割方法：以目标树和邻居树的最高点为顶点，建立目标树与邻居树之间的空间几何关系，以目标树的顶点为圆心、样本点与圆心连线为半径画圆，样本点距目标树顶点的水平距离为半弦长，则半弦对应该圆心角的1/2定义为半弦角，同理邻居树建立对应的弦角关系，从最高点到最低点用上述方法对两棵树逐层判别聚类。该方法适用于具有坡度的地形，点云数据归一化之后进行单木聚类分割。该方法在空间几何上对三维点云进行弦角判别聚类，为单木的正确分割提供了新思路。

树的生长状态依据地形等环境因素发生变化，本发明考虑了多木的邻树聚类关系中的3种情况：

情况1：逐层半弦值判别聚类分割，普遍适用于多木间单木分割；

情况2：逐层半弦角辅助聚类分割，帮助情况1分割下可能会存在特殊邻树关系继续分割，即局部重叠的两棵树其实为一棵树的情况；

情况3：压缩至二维聚类，忽略x(或y)方向的索引，对情况2单木分割出树进行阈值复判、由于情况2中可能会出现“大盖小”两棵临树判为一棵树的障碍物，因此该方法设定点云数量的最大阈值和最小阈，辅助方法2识别被覆盖的小树，这种情况下根据大树树干高度(h_A)与小树高度(H_B)的关系，判断样本点归属性。