当前位置:主页 > 科技论文 > 物理论文 >

基于点云数据的树木三维重建方法改进

发布时间:2018-02-05 02:34

  本文关键词: 树木 三维重建 激光点云 主方向 分割 骨架点 出处:《农业机械学报》2017年02期  论文类型:期刊论文


【摘要】:激光点云数据以其详尽、高精度的三维信息,在森林参数估算、精确重建植物形态结构三维模型方面具有特殊优势。为进一步提高三维模型精度,综合集成多种算法,在改进现有PC2Tree软件基础上,基于点云数据进行树木三维重建。首先根据树木局部点云的主方向相似度和局部点云轴向分布密度分离枝干与树叶;其次采取水平集和最小二乘法提取枝干部分的骨架点,通过下采样方法提取冠层部分的特征点;最后根据骨架点和特征点拓扑结构重构树木三维模型。以樟树为例,分析枝叶分割精度,自动分割与手动分割结果相近;以无叶的鸡蛋花树为例,分析重建模型精度,模型主枝长度相对误差范围集中在0~8.0%,半径相对误差范围集中在0~10%;枝条重建过程避免了噪声点的干扰,对噪声点具有一定的不敏感性;重建三维模型与原始点云吻合度高,基本解决了冠层内部枝干遮挡严重带来的三维建模困难的问题;依据模型提取树高、冠幅、胸径、体积等参数,增加了重建模型的应用范围。
[Abstract]:Laser point cloud data has a special advantage in estimating forest parameters and reconstructing 3D model of plant morphological structure with its detailed and high precision 3D information. In order to further improve the accuracy of 3D model. Integrated with various algorithms, on the basis of improving the existing PC2Tree software. Tree 3D reconstruction based on point cloud data. Firstly, branches and leaves are separated according to the similarity of the main direction of the local point cloud and the axial distribution density of the local point cloud. Secondly, level set and least square method are used to extract skeleton points of branch and stem, and characteristic points of canopy are extracted by downsampling method. Finally, the tree 3D model is reconstructed according to the topological structure of skeleton points and feature points. Taking camphor tree as an example, the segmentation accuracy of branches and leaves is analyzed. The result of automatic segmentation is similar to that of manual segmentation. The accuracy of the model was analyzed by taking the leafless egg-flower tree as an example. The relative error range of the main branch length of the model was concentrated at 0 ~ 8.0 and the relative error range of radius was 0 ~ 10. The branch reconstruction process avoids the interference of the noise points and is insensitive to the noise points. The reconstructed 3D model has a high consistency with the original point cloud, which basically solves the problem of 3D modeling which is caused by the serious occlusion of branches and branches in the canopy. The parameters of tree height, crown width, DBH and volume were extracted according to the model, and the application range of the reconstructed model was increased.
【作者单位】: 福州大学空间数据挖掘与信息共享教育部重点实验室;福州大学地理空间信息技术国家地方联合工程研究中心;
【分类号】:TN958.58;;TP391.9
【正文快照】: 引言虚拟植物已被认为是一种潜在的有利于理解、表达和模拟植物形态结构生长发育的有效工具[1]。基于植物形态结构的精确模拟使虚拟植物实现了面向多层次、多方面的应用,如植物生长对资源的竞争、光辐射模拟研究[2]等。三维激光扫描技术在非破坏性的前提下能够自动、快速、准

【相似文献】

相关会议论文 前10条

1 闫龙;;摄影测量点云数据精简研究[A];第二十九届中国控制会议论文集[C];2010年

2 吴美金;;基于薄壁构件的点云数据提取[A];全国射线数字成像与CT新技术研讨会论文集[C];2009年

3 段文国;张爱武;蔡广杰;;基于VTK的点云数据绘制研究与实现[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

4 宋碧波;卢小平;卢遥;;基于点云数据的建筑物三维重建[A];第二届“测绘科学前沿技术论坛”论文精选[C];2010年

5 张伟忠;张顺海;于德敏;;点云数据与建模软件的接口设计[A];全国第13届计算机辅助设计与图形学(CAD/CG)学术会议论文集[C];2004年

6 吕琼琼;杨晓晖;杨唐文;韩建达;庄严;;激光雷达点云数据的三维建模技术[A];2009年中国智能自动化会议论文集(第二分册)[C];2009年

7 刘佳;张爱武;杨丽萍;;室内场景激光点云数据的三维建模[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

8 隋立春;张熠斌;赵旦;;基于MicroStation的机载LiDAR点云数据分类处理软件[A];第二届“测绘科学前沿技术论坛”论文精选[C];2010年

9 黄承亮;吴侃;刘虎;;基于三维TIN的格网化点云数据特征提取[A];数字测绘与GIS技术应用研讨交流会论文集[C];2008年

10 杨铭;陈建峰;;基于CUDA的海量点云数据kNN查询算法[A];第四届“测绘科学前沿技术论坛”论文精选[C];2012年

相关博士学位论文 前10条

1 赵江洪;古建筑散乱点云基准面的提取与拟合[D];武汉大学;2012年

2 谷晓英;三维重建中点云数据处理关键技术研究[D];燕山大学;2015年

3 胡峰俊;三维离散点云数据的预处理和配准技术研究[D];浙江工业大学;2015年

4 董秀军;三维空间影像技术在地质工程中的综合应用研究[D];成都理工大学;2015年

5 李晓捷;基于深度相机的三维人体重建及在服装展示方面的技术研究[D];天津工业大学;2016年

6 张坤;基于三维激光扫描的点云数据逆向重建算法研究[D];燕山大学;2016年

7 王岩;阵列激光三维成像点云数据配准技术研究[D];中国科学院长春光学精密机械与物理研究所;2016年

8 张学昌;基于点云数据的复杂型面数字化检测关键技术研究及其系统开发[D];上海交通大学;2006年

9 王果;不同平台激光点云数据面状信息自动提取研究[D];中国矿业大学(北京);2014年

10 赵煦;基于地面激光扫描点云数据的三维重建方法研究[D];武汉大学;2010年

相关硕士学位论文 前10条

1 张磊;大型钢结构建筑安装质量检测与变形监测软件系统设计与实现[D];北京建筑大学;2015年

2 饶杰;基于激光点云数据的建筑物快速三维建模[D];中国地质大学(北京);2015年

3 李俊宝;TLS在古建筑物测绘及建模中的应用研究[D];长安大学;2015年

4 谢金坤;基于事故车辆车身变形的碰撞速度研究[D];长安大学;2015年

5 顾品荧;基于点云数据的基本款女西装样板生成系统研究[D];苏州大学;2015年

6 李国瑞;车载LiDAR点云中的车辆自动检测技术[D];长安大学;2015年

7 江静;建筑物LiDAR点云数据特征检测及配准关键技术研究[D];集美大学;2015年

8 梁子瑜;基于TLS点云数据的林分调查因子测定及收获估计[D];南京林业大学;2015年

9 喻W毶,

本文编号:1491871


资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/wulilw/1491871.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户14c62***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com