[发明专利]激光点云中林木参数评估方法

摘要

本发明提供一种测定数据方便，不受环境影响，评估结果准确的激光点云中林木参数评估方法。该方法是对点云数据进行窗口平滑操作，以消除地形高度差；对点云特征进行枝叶分离操作，并获取主枝干信息；计算主枝干点云的法矢量，求取瑞利商获取主枝干倾斜角；结合投影分水岭算法，实现对橡胶林段的单株提取；株株分离后进行反演冠幅与叶片分布，分别计算了冠幅、胸径、冠积、倾斜度、树叶分布与叶面积指数等参数。

主权项

激光点云中林木参数评估方法，其特征是：包括以下步骤：步骤A:获取点云数据：以激光雷达对树林自下而上扫描，获取树林的点云数据pi(xi，yi，zi)，xi、yi、zi分别表示点pi在x、y、z坐标轴方向上的坐标值；步骤B:对树木株叶分离：对于点云数据中的一点pi＝(xi,yi,zi)T,其中对于点pi，半径为rm内的领域定义为：pj＝(xj,yj,zi)T，且满足条件：||pj‑pi||≤rm；点pi邻域的协方差矩阵定义为Cp：当时，其中μ表示pi邻域所有点在空间中位置的均值；重新定义一个新的坐标系，特征向量代表轴方向，相对应的特征值代表沿轴的点方差；设ek,i是矩阵Cp的特征向量，λk,i是相应的特征值，k＝0,1,2且λ0,i≤λ1,i≤λ2,i；λk,i定量的显示沿轴ek,i方向的数据方差；用e0,i＝{ei,x,ei,y,ei,z}表示最小特征值λ0,i所对应的特征向量，e0,i也代表着点pi处的法向量；将对应的每个点云pi的方差矩阵的特征值归一化，即：计算结构张量特征，包括结构张量的平面性特征(c0,i)、熵特征(c1,i)与线性特征(c2,i)，分别计算为使用以下等式计算每个点云pi的法向量分布：其中e0,j是点云pi的法向量，是点云pi邻域基团的平均法向量分布，且Vp三个特征值{l0,l1,l2}的相对幅度满足条件：l0≥l1≥l2，这反映出点云pi邻域的几何特征；基于上述分析，一系列关于点云pi的特征被计算出来，记为:其中{eix,eiy,eiz}为点pi的法向量，{c0,i,c1,i,c2,i}为点pi的结构张量特征，而{l0,i,l1,i,l2,i}为点pi的形状特征向量；当特征值符合l0≈l1≈l2时，基团点云呈现球形状，对应为果实；当特征值分布为l0≥l1≈l2时，基团点云呈现线形状，对应为枝干；而当特征值分布为l0≈l1≥l2时，基团点云呈现面状，对应为叶片；也就是说，根据获得的点pi的特征对树木进行枝叶分离操作；基于枝叶分离后的枝干数据，按照树木自然生长方向，以树总高度的1/2区域作为主枝干数据，其余部分为分支干数据；步骤C:树冠中心定位，确定树冠的中心点坐标；步骤D:倾斜度分析，计算出则主枝干倾斜度α、主枝干与分支干之间的夹角β；步骤E:基于meanshift和分水岭算法进行株株分离，得到树木总棵数，并计算得出树高、胸径、冠体积、冠幅。