[发明专利]基于局部区间极大值的激光扫描点云树木自动提取方法

摘要

本发明公开了一种具有普适性的基于局部区间极大值的激光扫描点云树木的快速自动提取方法，本方法直接基于三维激光点云数据，通过划分水平网格，定义并计算高程区间的累积能量，采用非局部极大值抑制方法，获取树木潜在位置，从而进行自动分割提取。本方法充分利用树木树干结构的显著性，进行网格统计描述，克服了(不同树种，不同树龄)树干和树冠的形态大小各异导致的特征描述难，特征计算结果不稳定的问题。同时本方法密度无关，对树干的部分缺失不敏感，克服了远距离树木因密度过低或是遮挡丢失导致难提取的问题，使本方法不依赖扫描设备的位置摆放，可以适应复杂的扫描环境。本方法无需设置先验拟合模型，因而对噪声不敏感，适合复杂茂密的林区环境，可以在林业调查中发挥较好的稳定性。

主权项

1.基于局部区间极大值的激光扫描点云树木自动提取方法，其特征在于，包括以下步骤：(1)对获得的三维点云数据集P进行网格划分，建立非空网格索引，将空网格排除；(2)遍历每一个非空网格，计算非空网格中高程区间的累积值E；(3)获取树木的中心点集，具体为，a、设置能量粗分隔T_E对网格进行阈值粗分割，保留累积值E≥T_E的网格，排除累积值E＜T_E的网格并将其置为空网格；b、计算阈值粗分割后保留下来的每个网格的水平中心c＝[c_x,c_y]，所有保留网格水平中心c＝[c_x,c_y]构成了嫌疑树干中心点集C；c、为嫌疑树干中心点集C构建Kd‑tree索引结构，设置树木半径r，遍历嫌疑树干中心点集C中的点c_i，以该点为查询点，搜寻其邻域半径内的邻域中心点c_j(c_j∈C)，若为空集(除查询点本身)则保留，若非空则依次查找各个邻域中心点c_j，比较该邻域中心点c_j与查询点c_i的高程区间累积值，若查询点的累积值为该邻域内所有中心点中的最大值则标记为树木中心点，并将其他点标记为非树木中心点，若查询点不是最大值，则标记为非树木中心点，在遍历完所有点后将该点排除，最终得到树木中心点集为(4)树木的提取将原始的三维点云数据集P投影于XOY平面上，从而获得投影点并为该点集建立Kd‑tree索引，然后遍历每一个树木中心点c_tr(c_tr∈C_tr)，每遍历一个树木中心点，以该中心点作为查询点，搜索投影点集中距离小于r的数据点并记录索引值i，构成单株木的点云索引序列，最后在原始点云中将属于该索引序列的点集提取出来作为单株树木点云，完成提取树木操作。