[发明专利]一种基于机器学习的激光雷达点云树干提取方法

说明书

本发明公开了一种基于机器学习的激光雷达点云树干提取方法，包括以下步骤：1）使用地基激光雷达采集样地内样木的点云数据；2）对点云数据进行预处理，得到样地点云数据；3）基于样地点云数据，计算样地点云数据内任意一点的特征参数,并将特征参数组成特征矩阵；4）选择样地内任意一棵样木，该样木涵盖的样地点云数据为训练样本，标记其主干点云和非主干点云；5）基于训练样本和特征矩阵，通过机器学习的方式对整块样地的样地点云数据进行分类训练。基于具有代表性的特征向量，在判别树干点云和非树干点云上能做有效区分，单木的标记训练适用于整个样地。

技术领域

本发明涉及一种树干精确快速提取方法，具体为一种基于机器学习的激光雷达点云树干提取方法。

背景技术

树木主干作为树木养分吸收、传递的重要场所，具有强大的支撑力，是树木经济利用的主要部分。树干的精确提取是树高、树干材积精确计算的基础，对植被固碳量、生物量的估算具有重要意义。对树干的实时快速提取有利于及时评估树木出材量，可应用于家具制造、建筑材料的估算中。

传统树干资源主要采用人工实测的方法，这种方法需通过砍伐树木的方式得到树干部分，这对活立木造成一定的破坏性且破坏性不可逆，与此同时还存在工作量大、无法快速了解树干的基本情况等缺点。

近年来随着雷达技术的不断发展，激光雷达探测手段替代了传统人工采样的方法。激光雷达探测手段能快速获取树木详细结构信息，在植被可视化上具有巨大优势。激光雷达作为一种主动遥感工具，可快速采集高密度点云数据，稳定的采集平台确保了数据采集的精准性。通过选用合适的激光雷达扫描工具，能无损获取完整植被表面的详细覆盖信息，得到真实、详细的树木三维数据。目前，国内外学者常用地基激光雷达(terrestriallaser scanning，TLS)、移动激光扫描(moblie laser scanning，MLS)等工具来高效获取树木三维点云数据。

目前对于树木点云的处理上没有形成统一的方法，有学者选用深度学习的方法进行提取，这类方法通常需要较长的处理计算时间，前期还需要大量数据作为基础。还有学者选用聚类分类的手段，这类方法在树干上层的连续性较差，树干顶端的点云很难被提取。因此，如何利用点云数据快速、精确地提取树干点云是当前急需解决的技术难题。

发明内容

本发明的目的在于提供一种基于机器学习的激光雷达点云树干提取方法，基于具有代表性的特征向量，在判别树干点云和非树干点云上能做有效区分，单木的标记训练适用于整个样地；运用机器学习方法对树木点云进行提取，支持向量机对小样本具有良好的分类性能，分类速度快，为主干点云的高效提取提供支持。

为达到上述目的，根据本发明的一个方面，本发明提供如下技术方案：

一种基于机器学习的激光雷达点云树干提取方法，包括以下步骤：

1)使用地基激光雷达采集样地内样木的点云数据；

2)对点云数据进行预处理，得到样地点云数据；

3)基于样地点云数据，计算样地点云数据内任意一点的特征参数,并将特征参数组成特征矩阵；

4)选择样地内任意一棵样木，该样木涵盖的样地点云数据为训练样本，标记其主干点云和非主干点云；

5)基于训练样本和特征矩阵，通过机器学习的方式对整块样地的样地点云数据进行分类训练；

6)对样地内所有标记为主干点云数据进行欧氏距离分组判别，进一步提取主干点云，得到最终的主干点云数据。

本发明进一步设置为：所述步骤1)使用地基激光雷达采集样地内样木的点云数据，具体为，

在样地四角及中心位置设置站点，每个站点架设地基激光雷达设备，进行扫描，通过各站点云数据拼接得到样地内样木的点云数据，每个点具有三维空间坐标(x,y,z)。