[发明专利]一种基于能量函数的室外点云场景中树木提取方法

权利要求书

1.一种基于能量函数的室外点云场景中树木提取方法，其特征在于，包括以下步骤：

步骤1，选取LiDAR点云数据，剔除LiDAR点云数据中的平面点，得到候选树木点；

步骤2，将步骤1中候选树木点利用欧几里得聚类算法进行聚类处理，将所有聚类得到的簇保存在簇集C中；

步骤3，对步骤2得到的簇集C进行相似性矩阵计算；添加唯一性约束和条件性约束，随后计算簇集C的能量函数，根据能量函数对簇集C中的簇进行合并；

步骤4，根据步骤3中合并之后的簇集，对其进行筛选优化，对每个簇的点数进行判断，对点数不大于1000的簇进行删除，提取结束。

2.根据权利要求1所述的一种基于能量函数的室外点云场景中树木提取方法，其特征在于，所述步骤1具体为：

步骤1.1，在LiDAR点云数据中随机选取不少于三个且不共线的点，拟合呈一个平面，通过法向量计算平面的四个系数；

步骤1.2，计算LiDAR点云数据中剩余每个点至步骤1.1平面的距离，根据阈值判断距离平面较近的点，记为模型的局内点，记录模型的局内点数量；

步骤1.3，重复迭代，当满足迭代退出条件，则退出循环，得到整个迭代过程中最合理的解，即为平面点集；

步骤1.4，将步骤1.3中的平面点集剔除，得到候选树木点。

3.根据权利要求2所述的一种基于能量函数的室外点云场景中树木提取方法，其特征在于，所述步骤1.3中迭代退出条件具体为：

步骤1.3.1，设W为随机抽到局内点的概率，n′表示计算模型参数需要选取的数据个数，得到随机抽取n′个点都是局内点的概率W^n′；计算至少存在一个局外点的概率，记为1-W^n′；计算迭代k′次都至少存在一个局外点的概率(1-W^n′)^k′；则迭代k′次至少可以获得一组正确模型参数的概率记为1-(1-W^n′)^k′；

步骤1.3.2，计算置信度P＝1-(1-W^n′)^k′；

步骤1.3.3，对步骤1.3.2中置信度P取对数，反推得到k′＝log(1-P)/log(1-W^n′)，k′值即为迭代终止条件，当实际迭代次数不小于k′时，退出循环。

4.根据权利要求1所述的一种基于能量函数的室外点云场景中树木提取方法，其特征在于，所述步骤2具体为：

步骤2.1，利用kd-tree对步骤1中的候选树木点建立拓扑组织结构；

步骤2.2，选择步骤2.1中拓扑组织结构中的任意某点p，通过kd-tree近邻搜索算法找到k个距离p点最近的点，距离小于设定阈值的聚类到集合Q中；

步骤2.3，选取集合Q中除过p点的其余点点，通过kd-tree搜索k近邻，针对小于距离阈值的点继续将其添加到集合Q中，重复直至Q中元素的数目不在增加，划分完成一个簇；

步骤2.4，继续选取在集合Q以外的点，重复步骤2.2和步骤2.3，直至拓扑组织结构中所有的点都被划分到某一个簇里面，将所有聚类得到的簇保存簇集C中。