本文選題：機載LiDAR + 單木三維分割�。� 參考：《北京林業(yè)大學》2016年碩士論文

【摘要】：從小光斑機載LiDAR點云中獲取結(jié)構(gòu)完整的單木數(shù)據(jù),在林業(yè)研究中具有廣泛的應用。近十幾年來,如何從海量LiDAR點云數(shù)據(jù)中提取單木信息,一直是國內(nèi)外學者研究的重點。本文提出了一種從離散的小光斑機載LiDAR豹椐中提取單木點云的三維分割方法。首先將濾波后的LiDAR點云柵格化生成樹冠極大值模型,應用傳統(tǒng)的分水嶺算法對其進行粗糙分割,并將分割區(qū)域內(nèi)的高程值局部最大值點作為樹梢標記；而后在各粗糙分割區(qū)域內(nèi)通過高度閾值過濾潛在的樹干反射點,并通過隨機抽樣一致算法,將水平聚類后潛在的樹干點云擬合樹干,以實現(xiàn)對樹干的識別與標記；最后以樹干識別中標記的樹梢位置作為初始聚類中心,將濾波后的點云高程值按比例縮小,進行迭代的k均值聚類,實現(xiàn)了單木點云數(shù)據(jù)的三維分割。本文以美國華盛頓州西部國會森林的藍嶺地區(qū)為研究區(qū)域,LiDAR數(shù)據(jù)由搭載在直升機上的Saab TopEye LiDAR系統(tǒng)所采集,脈沖密度為每米4次且最多記錄4次回波。研究結(jié)果證明,新的三維單木分割方法能夠識別位于較低森林層次的矮小樹木,彌補了基于樹冠高程模型分割方法的局限,有效改善了在對郁閉度較高的森林中相鄰樹木以及位于樹冠高程模型之下低矮樹木的識別與分割。與直接應用分水嶺算法分割相比,運用結(jié)合樹干檢測的分水嶺方法和改進的k均值聚類方法,單木分割的精度得到明顯提高。
[Abstract]:It is widely used in forestry research to obtain single tree data with complete structure from airborne LiDAR point cloud with small spot. In recent years, how to extract single wood information from massive LiDAR point cloud data has been the focus of domestic and foreign scholars. In this paper, a 3D segmentation method for extracting single tree point cloud from discrete airborne LiDAR leopard with small spot is proposed. Firstly, the filtered LiDAR point cloud rasterization is used to generate the tree crown maximum model, and the traditional watershed algorithm is used to segment it rough, and the local maximum value of elevation in the segmented region is used as the tree tip mark. Then the potential tree trunk reflection points are filtered through the height threshold in each rough segmentation area, and the potential tree trunk point cloud after horizontal clustering is fitted to the trunk by random sampling consistent algorithm to realize the recognition and marking of the trunk. Finally, the tree tip position marked in tree trunk recognition is taken as the initial clustering center, the filtered point cloud height value is reduced proportionally, and the k-means clustering is carried out iteratively to realize the 3D segmentation of single tree point cloud data. In this paper, the Lidar data are collected from the Blue Ridge region of the Congressional Forest in western Washington State of the United States. The pulse density is 4 times per meter and the maximum number of echoes recorded is 4 times per meter. The results show that the new method can identify the small trees at the lower forest level, which makes up for the limitation of the method based on the crown elevation model. It can effectively improve the recognition and segmentation of the adjacent trees in the forest with higher canopy density and the low trees located under the crown elevation model. Compared with direct watershed segmentation, the accuracy of single tree segmentation is improved obviously by using watershed method combined with tree trunk detection and improved k-means clustering method.
【學位授予單位】：北京林業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP79

【相似文獻】

相關(guān)期刊論文 前10條

1 葉愛芬;龔聲蓉;王朝暉;劉純平;;基于隨機分布估計的點云密度提取[J];計算機工程;2009年04期

2 梁新合;梁晉;郭成;曹巨明;;法向約束的多幅點云數(shù)據(jù)融合算法[J];西安交通大學學報;2009年05期

3 孟凡文;吳祿慎;;用繼承與優(yōu)化算法精密拼接無序點云[J];光學精密工程;2009年04期

4 李海亮;鄧非;李剛;;攝影測量激光點云空洞修補[J];測繪科學;2010年05期

5 張晶;楊云生;豐少偉;;基于點云法矢變化的點云簡化方法研究[J];計算機與數(shù)字工程;2011年12期

6 李曉久;景曉寧;;基于非接觸式測量的人體點云簡化方法[J];紡織學報;2012年07期

7 高恩陽;鄭昊鴻;;點云數(shù)據(jù)濾波方法綜述[J];科技資訊;2012年33期

8 范然;金小剛;;大規(guī)模點云選擇及精簡[J];圖學學報;2013年03期

9 李偉;李旭東;趙慧潔;張穎;;基于姿態(tài)標準化的線特征點云提取方法[J];北京航空航天大學學報;2013年08期

10 錢偉春;3DSMAX中動態(tài)云的制作[J];多媒體世界;1999年03期

相關(guān)會議論文 前10條

1 李文濤;韋群;楊海龍;;基于圖像的點云生成和預處理[A];2011年全國通信安全學術(shù)會議論文集[C];2011年

2 蔡來良;李儒;;點云數(shù)據(jù)處理算法與實現(xiàn)初步研究[A];第四屆“測繪科學前沿技術(shù)論壇”論文精選[C];2012年

3 馬國慶;陶萍萍;楊周旺;;點云空間曲線的微分信息計算及匹配方法[A];第四屆全國幾何設計與計算學術(shù)會議論文集[C];2009年

4 江倩殷;劉忠途;李熙瑩;;一種有效的點云精簡算法[A];第十五屆全國圖象圖形學學術(shù)會議論文集[C];2010年

5 解輝;張愛武;孟憲剛;;機載激光點云快速繪制方法[A];第二十五屆全國空間探測學術(shù)研討會摘要集[C];2012年

6 李凱;張愛武;;基于激光點云的糧倉儲糧數(shù)量測量方法[A];第二屆“測繪科學前沿技術(shù)論壇”論文精選[C];2010年

7 朱曉強;余燁;劉曉平;袁曉輝;Bill P.Buckles;;基于航拍圖像和LiDAR點云的城市道路提取[A];全國第19屆計算機技術(shù)與應用（CACIS）學術(shù)會議論文集（上冊）[C];2008年

8 劉虎;;基于線性八叉樹的點云簡化與特征提取研究[A];促進科技經(jīng)濟結(jié)合，，服務創(chuàng)新驅(qū)動發(fā)展——蚌埠市科協(xié)2012年度學術(shù)年會論文集[C];2012年

9 李濱;王佳;;基于點云的建筑測繪信息提取[A];第四屆“測繪科學前沿技術(shù)論壇”論文精選[C];2012年

10 楊雪春;;反求工程建模中點云切片技術(shù)研究[A];全國先進制造技術(shù)高層論壇暨第八屆制造業(yè)自動化與信息化技術(shù)研討會論文集[C];2009年

相關(guān)重要報紙文章 前2條

1 曹裕華 高化猛 江鴻賓;激光點云 亦真亦幻[N];解放軍報;2013年

2 中國工程院院士 劉先林;四維遠見的裝備創(chuàng)新[N];中國測繪報;2012年

相關(guān)博士學位論文 前10條

1 彭檢貴;融合點云與高分辨率影像的城區(qū)道路提取與表面重建研究[D];武漢大學;2012年

2 劉涌;基于連續(xù)序列自動快速拼接的全方位三維測量技術(shù)研究[D];西南交通大學;2013年

3 袁小翠;產(chǎn)品表面缺陷視覺檢測數(shù)據(jù)處理關(guān)鍵技術(shù)研究[D];南昌大學;2015年

4 韓峰;基于點云信息的既有鐵路狀態(tài)檢測與評估技術(shù)研究[D];西南交通大學;2015年

5 金龍存;3D點云復雜曲面重構(gòu)關(guān)鍵算法研究[D];上海大學;2012年

6 李揚彥;基于點云的三維重建與形變事件分析[D];中國科學院深圳先進技術(shù)研究院;2013年

7 楊德賀;面向虛擬測方系統(tǒng)的點云聚類與擬合理論[D];中國礦業(yè)大學（北京）;2014年

8 何朝明;離散點云處理的關(guān)鍵技術(shù)研究[D];西南交通大學;2007年

9 孟凡文;面向光柵投影的點云預處理與曲面重構(gòu)技術(shù)研究[D];南昌大學;2010年

10 李寶;三維點云的魯棒處理技術(shù)研究[D];國防科學技術(shù)大學;2011年

相關(guān)碩士學位論文 前10條

1 龔碩然;基于Delaunay三角剖分的點云三維網(wǎng)格重構(gòu)[D];河北大學;2015年

2 楊紅粉;頻域技術(shù)應用于點云配準研究[D];北京建筑大學;2015年

3 段紅娟;點云圖像交互式曲線骨架提取技術(shù)及其應用[D];西南交通大學;2015年

4 張永恒;散亂點云數(shù)據(jù)配準方法研究[D];長安大學;2015年

5 吳愛;面向特征擬合的點云簡化方法研究[D];中國地質(zhì)大學(北京);2015年

6 薛廣順;基于立體視覺的牛體點云獲取方法研究與實現(xiàn)[D];西北農(nóng)林科技大學;2015年

7 胡誠;精度約束下地表LiDAR點云抽稀方法研究[D];西南交通大學;2015年

8 余明;三維離散點云數(shù)據(jù)處理技術(shù)研究[D];南京理工大學;2015年

9 陳星宇;基于三維彩色點云的地形分類方法研究[D];南京理工大學;2015年

10 朱東方;基于復雜拓撲結(jié)構(gòu)點云的曲線擬合研究與應用[D];山東大學;2015年

本文編號：1988469