侧视LiDAR数据多层次单木点云分割研究

发布时间：2017-05-15 06:13

  本文关键词：侧视LiDAR数据多层次单木点云分割研究，由笔耕文化传播整理发布。

【摘要】：森林资源对生态系统和人类生活有着十分重要的作用,获取准确的树木参数是森林资源调查的基本工作,也是开展农林生态研究和虚拟环境模拟的前提条件。侧视激光雷达(LiDAR)通过高精度侧视扫描的方式,能够快速获取树干、冠层表面和部分冠层内部结构的点云数据,十分利于单木尺度的树木科学研究和精确林木参数提取。从LiDAR数据中分割出单木点云,是进行单木参数提取和后续深入研究的前提条件,已经成为LiDAR技术研究的热点。侧视LiDAR数据是空间离散的高密度三维点云,数据量庞大且无法存储空间拓扑信息,点云中存在许多因遮挡产生的间隙,加上不同树种、不同生长环境和不同物候状态下的树木形态差异较大,从侧视LiDAR数据中有效分离出单木点云存在较大难度。对此,论文提出了一套多层次单木点云分割技术,该技术以自适应八叉树结构为基础,用自适应八叉树叶节点代替LiDAR点云分别进行区域级、单木级和冠层级的分割,再根据叶节点与激光数据点的对应关系对原始LiDAR点云进行类别标记,从而实现单木点云的分割。具体研究内容如下：(1)自适应八叉树点云索引。侧视LiDAR数据拥有很高的激光点密度和数据冗余度,且无空间邻接关系,直接对其进行处理将在空间检索上耗费大量计算机资源,效率十分低下,因而建立高效的点云索引机制十分必要。既有点云索引方法中,八叉树在构建时间和检索效率上均有较好的表现,但结构中存在大量“虚胖”节点,叶节点位置精度较低,对原始点云的替代性不高；对此,研究通过对节点分裂规则进行修改,提出了一种自适应八叉树索引结构。利用LiDAR数据进行的索引构建结果表明,自适应八叉树索引与传统八叉树索引相比,索引构建效率略低,邻域检索效率相当,节点位置精度更高。(2)多层次单木点云分割技术。针对侧视LiDAR数据,借助自适应八叉树结构,分别从区域级、单木级和冠层级进行自上而下的单木点云分割。首先对点云进行预处理操作,滤除地面点和建筑物立面点；然后进行区域级分割,对点云构建自适应八叉树,根据叶节点空间邻接关系对预处理后的LiDAR数据进行空间聚类,将离散点云聚类为局部区域的点集；接着进行单木级分割,对每个聚为一类的点集重新构建自适应八叉树,生成叶节点水平分布直方图,通过分析直方图局部形态特征进行树干检测提取,根据树干位置对水平空间进行Voronoi分割,得到树木核心区和冠层重叠区,并完成除重叠冠层以外的其余部分分割；最后进行冠层级分割,从数据结构、分割流程和图节点相似度上对传统归一化切分(Ncut)方法进行改进,然后使用改进的Ncut方法对相邻树木间的重叠冠层点云进行分割,将其划分到各自所属的树木点云中,实现单木点云的完整分割。分别利用采集自不同环境下的一套地面LiDAR数据与—套车载LiDAR数据对研究提出的技术框架进行实验验证,结果表明,该技术框架能够对侧视LiDAR数据进行有效单木点云分割,两套LiDAR数据均达到了94%的总体分割精度。此外,单木级分割中,结合直方图形态特征和地面连通性的树干检测策略,能够同时适用于高密度树木区域和低密度树木区域,拓宽了方法的适用范围；冠层级分割中,改进的图结点相似度计算方法使得枝条末梢也有较好的分割结果,保障了分割结果的细节程度。
【关键词】：侧视LiDAR 单木点云 点云分割 点云索引 归一化切分方法
【学位授予单位】：南京大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：S771;P225
【目录】：

• 摘要4-6
• Abstract6-17
• 第一章 绪论17-30
• 1.1 选题背景与研究意义17-19
• 1.1.1 选题背景17-19
• 1.1.2 研究目的与研究意义19
• 1.2 点云空间索引策略综述19-22
• 1.2.1 点云空间索引方法19-21
• 1.2.2 点云空间索引方法小结21-22
• 1.3 单木点云分割方法综述22-25
• 1.3.1 机载LiDAR单木点云分割方法22-23
• 1.3.2 侧视LiDAR单木点云分割方法23-25
• 1.3.3 单木点云分割方法小结25
• 1.4 研究内容与技术路线25-28
• 1.4.1 研究内容25
• 1.4.2 研究难点25-26
• 1.4.3 技术路线26-28
• 1.5 论文组织结构28-30
• 第二章 研究区与数据30-34
• 2.1 研究区介绍30-31
• 2.2 数据介绍31-34
• 2.2.1 地面LiDAR数据31-32
• 2.2.2 车载LiDAR数据32-34
• 第三章 基于自适应八叉树的点云索引34-50
• 3.1 引言34-37
• 3.2 自适应八叉树37-40
• 3.2.1 传统八叉树37-38
• 3.2.2 自适应八叉树38-40
• 3.3 自适应八叉树构建结果40-49
• 3.3.1 索引构建效率40-42
• 3.3.2 邻域检索效率42-46
• 3.3.3 节点位置精度46-49
• 3.4 小结49-50
• 第四章 多层次单木点云分割技术50-64
• 4.1 引言50-51
• 4.2 区域级分割——点云空间聚类51-53
• 4.3 单木级分割——树木核心区域分割53-58
• 4.3.1 树干检测53-56
• 4.3.2 基于Voronoi图的粗分割56-58
• 4.4 冠层级分割——重叠冠层分割58-63
• 4.4.1 归一化切分方法59-62
• 4.4.2 改进的归一化切分方法62-63
• 4.5 小结63-64
• 第五章 单木点云分割实验64-78
• 5.1 数据预处理64-65
• 5.2 单木点云分割实验65-71
• 5.2.1 区域级分割65-66
• 5.2.2 单木级分割66-67
• 5.2.3 冠层级分割67-68
• 5.2.4 单木点云分割结果68-69
• 5.2.5 精度与误差分析69-71
• 5.3 参数讨论71-75
• 5.3.1 自适应八叉树节点粒度71
• 5.3.2 局部最大值搜索半径71-72
• 5.3.3 直方图峰度阈值72-74
• 5.3.4 Voronoi图缓冲区大小74
• 5.3.5 Ncut节点相似性74-75
• 5.4 分割结果初步应用75-77
• 5.5 小结77-78
• 第六章 结论与展望78-81
• 6.1 研究结论78-79
• 6.2 主要创新79
• 6.3 研究展望79-81
• 参考文献81-87
• 攻读硕士学位期间取得的主要成果87-89
• 致谢89-91

【相似文献】

中国期刊全文数据库 前10条

1 高恩阳;郑昊鸿;;点云数据滤波方法综述[J];科技资讯;2012年33期

2 龚书林;;三维激光点云处理软件的若干关键技术[J];测绘通报;2014年06期

3 赵强;彭国华;王锋;;点云精简的一种方法[J];西南民族大学学报(自然科学版);2006年05期

4 李德江;张延波;于曼竹;姜丽丽;曲雪光;;基于扫描模式的点云修复技术研究[J];测绘与空间地理信息;2011年06期

5 蔡来良;李儒;;点云数据处理算法与实现初步研究[J];测绘通报;2012年S1期

6 詹庆明;张海涛;喻亮;;古建筑激光点云-模型多层次一体化数据模型[J];地理信息世界;2010年04期

7 曾敬文;朱照荣;丁锐;;基于立方体网格的数据点云约简和体积计算方法[J];测绘科学;2008年06期

8 杨欣;姚海燕;;平面点云边界参数识别[J];中国西部科技;2009年27期

9 孙瑞;张彩霞;;点云数据压缩算法综述[J];科技信息;2010年32期

10 张毅;闫利;;地面激光点云强度噪声的三维扩散滤波方法[J];测绘学报;2013年04期

中国重要会议论文全文数据库 前10条

1 李文涛;韦群;杨海龙;;基于图像的点云生成和预处理[A];2011年全国通信安全学术会议论文集[C];2011年

2 蔡来良;李儒;;点云数据处理算法与实现初步研究[A];第四届“测绘科学前沿技术论坛”论文精选[C];2012年

3 马国庆;陶萍萍;杨周旺;;点云空间曲线的微分信息计算及匹配方法[A];第四届全国几何设计与计算学术会议论文集[C];2009年

4 江倩殷;刘忠途;李熙莹;;一种有效的点云精简算法[A];第十五届全国图象图形学学术会议论文集[C];2010年

5 解辉;张爱武;孟宪刚;;机载激光点云快速绘制方法[A];第二十五届全国空间探测学术研讨会摘要集[C];2012年

6 李凯;张爱武;;基于激光点云的粮仓储粮数量测量方法[A];第二届“测绘科学前沿技术论坛”论文精选[C];2010年

7 朱晓强;余烨;刘晓平;袁晓辉;Bill P.Buckles;;基于航拍图像和LiDAR点云的城市道路提取[A];全国第19届计算机技术与应用（CACIS）学术会议论文集（上册）[C];2008年

8 刘虎;;基于线性八叉树的点云简化与特征提取研究[A];促进科技经济结合，服务创新驱动发展——蚌埠市科协2012年度学术年会论文集[C];2012年

9 李滨;王佳;;基于点云的建筑测绘信息提取[A];第四届“测绘科学前沿技术论坛”论文精选[C];2012年

10 杨雪春;;反求工程建模中点云切片技术研究[A];全国先进制造技术高层论坛暨第八届制造业自动化与信息化技术研讨会论文集[C];2009年

中国重要报纸全文数据库 前2条

1 曹裕华 高化猛 江鸿宾;激光点云 亦真亦幻[N];解放军报;2013年

2 中国工程院院士 刘先林;四维远见的装备创新[N];中国测绘报;2012年

中国博士学位论文全文数据库 前10条

1 彭检贵;融合点云与高分辨率影像的城区道路提取与表面重建研究[D];武汉大学;2012年

2 刘涌;基于连续序列自动快速拼接的全方位三维测量技术研究[D];西南交通大学;2013年

3 袁小翠;产品表面缺陷视觉检测数据处理关键技术研究[D];南昌大学;2015年

4 韩峰;基于点云信息的既有铁路状态检测与评估技术研究[D];西南交通大学;2015年

5 金龙存;3D点云复杂曲面重构关键算法研究[D];上海大学;2012年

6 李扬彦;基于点云的三维重建与形变事件分析[D];中国科学院深圳先进技术研究院;2013年

7 杨德贺;面向虚拟测方系统的点云聚类与拟合理论[D];中国矿业大学（北京）;2014年

8 何朝明;离散点云处理的关键技术研究[D];西南交通大学;2007年

9 孟凡文;面向光栅投影的点云预处理与曲面重构技术研究[D];南昌大学;2010年

10 李宝;三维点云的鲁棒处理技术研究[D];国防科学技术大学;2011年

中国硕士学位论文全文数据库 前10条

1 段红娟;点云图像交互式曲线骨架提取技术及其应用[D];西南交通大学;2015年

2 张永恒;散乱点云数据配准方法研究[D];长安大学;2015年

3 吴爱;面向特征拟合的点云简化方法研究[D];中国地质大学(北京);2015年

4 薛广顺;基于立体视觉的牛体点云获取方法研究与实现[D];西北农林科技大学;2015年

5 吕超;异型面工件定位装配系统测控技术研究[D];北京交通大学;2016年

6 刘婷玉;基于逆向工程的曲面模型数字化技术研究[D];华东理工大学;2016年

7 罗寒;地面激光扫描三维模型重建技术研究[D];东华理工大学;2016年

8 刘群;基于小光斑机载LiDAR数据的单木三维分割[D];北京林业大学;2016年

9 张巍;基于深度相机Kinect的植物叶片重建研究[D];江苏大学;2016年

10 谢颖;基于三维激光扫描的粮仓储量测量中点云数据处理技术的研究[D];华东师范大学;2016年

  本文关键词：侧视LiDAR数据多层次单木点云分割研究，由笔耕文化传播整理发布。

，

本文编号：367027