[发明专利]一种基于目标立木形态的非接触式立木胸径测量方法

权利要求书

1.一种非接触式立木DBH测量方法，其特征在于，包括以下步骤：

步骤一：获取二维图像和测量装置到目标立木表面的测距值作为输入数据；

步骤二：识别在自然场景下获取的二维图像中的树干区域，包括：首先建立感兴趣区域图像，确定目标立木在图像中的位置并由此创建裁剪后的感兴趣区域图像；然后基于自构建数据集所训练的树干区域识别模型处理感兴趣区域图像，识别树干区域；

步骤三：树干倾斜度检测及在二维图像中的胸径长度L_pixel计算，L_pixel如下式所示：

其中，d_left和d_right分别为树干区域重心到树干边缘轮廓的两条拟合直线的距离，α和β分别为二维图像中树干边缘轮廓的两条拟合直线相对于水平线的倾斜角度；

步骤四：建立DBH计算模型，计算目标立木的DBH，包括：建立光学成像模型，如下式：

其中，成像光线与树干表面的两交点和形成的夹角被分别设为A、B以及2α，f为测量装置焦距；d_l为测量装置到交线AB的距离；DBH_l为交线AB的长度；建立DBH计算模型，计算目标立木的DBH，如下式：

其中，目标立木中心被表示为O，d为测量装置到目标立木表面的距离，d_c为测量装置到目标立木中心O的距离。

2.根据权利要求1所述的测量方法，其中，步骤一中测量装置为相机与激光测距仪集成的装置，通过相机获取二维图像，通过激光测距仪获取测距值。

3.根据权利要求2所述的测量方法，其中，步骤二中确定目标立木在图像中的位置通过定位激光测距仪工作时在树干上形成的光斑确定，创建裁剪后的感兴趣区域图像通过以光斑坐标为中心将原始图像高宽为m×n像素裁剪为高度为200像素、宽度为n像素的图像。

4.根据权利要求2所述的测量方法，其中，步骤二中通过考虑自然场景下多种环境因子来自构建训练数据集作为输入，来保证所训练模型对不同场景的适应能力，识别模型基于深度学习U-Net网络训练实现。

5.根据权利要求3所述的测量方法，其中，将激光测距仪工作时在树干表面形成的光斑作为识别特征来定位目标立木在图像中的位置，包括，首先将原始图像由RGB空间转为HSV空间，通过设置经验全局阈值输出二值图像，以提取所有潜在为光斑的像素；随后计算每个像素块的一阶矩以获取相应的重心坐标，表示像素块在图像中的位置；假设光斑重心分布于图像中心区域且相对孤立于其他重心点，则由此建立提取光斑重心的归一化表达式：

其中，为所有潜在的像素块重心点数量，通过统计图像中重心点总数计算得到；n_p为设置搜索半径后靠近第p个重心点的其他重心点数量，用于衡量当下重心点的孤立程度，通过统计第p个重心点搜索半径内的重心点个数确定；m为全局权重因子，设置为100；d_image为到图像中心的最远像素距离，在相机确定后为定值，即图像中心到图像四个角点的像素距离；d_p为第p个重心点到图像中心的距离，通过计算重心点像素坐标到图像中心的欧氏距离得到；K_p则表示第p个重心点为光斑的几率且当K_p最小时则点p被视为目标树位置，当完成式1的计算时即可获得。

6.根据权利要求1所述的测量方法，其中，步骤三中树干倾斜度检测包括，对步骤二识别的树干区域进行二值化处理，分别计算区域重心、外包围盒以及边缘轮廓。

7.根据权利要求6所述的测量方法，其中，区域重心通过计算图像二值化区域的二阶矩获得；外包围盒通过统计二值化区域的四周边缘坐标获取最大外接矩形确定；边缘轮廓通过在二值化图像中逐行遍历单个像素以确定每行树干左右边缘像素位置得到，随后利用最小二乘法对左右边缘轮廓进行线性拟合来分别求取两侧倾斜角度α和β，其获得的两条拟合直线斜率转化为角度值α和β表征为树干左右边缘的倾斜度。