專利名稱：樹木點(diǎn)云數(shù)據(jù)基于分割和自動(dòng)生長的三維模型重建方法
技術(shù)領(lǐng)域：
本發(fā)明屬于計(jì)算機(jī)圖形學(xué)和計(jì)算機(jī)視覺技術(shù)領(lǐng)域，涉及一種利用三維激光掃描儀 對樹木進(jìn)行測量得到樹木點(diǎn)云數(shù)據(jù)，并根據(jù)點(diǎn)云數(shù)據(jù)進(jìn)行基于分割和自動(dòng)生長的三維模型
重建方法。
背景技術(shù)：
植物在現(xiàn)實(shí)生活中扮演著重要的角色，它既是室外場景的重要組成部分，也是室 內(nèi)場景不可缺少的部分。因此植物模型的準(zhǔn)確真實(shí)的重建在數(shù)字娛樂、農(nóng)業(yè)林業(yè)和古樹名 木保護(hù)等方面都有重要的應(yīng)用。經(jīng)過幾十年的發(fā)展，已經(jīng)出現(xiàn)了多種植物建模技術(shù)，這些技術(shù)大體上可以分為四 類基于規(guī)則的方法，基于幾何解析表達(dá)的方法，基于草繪的方法以及基于樹木數(shù)字化的方 法。下面對這些方法分別進(jìn)行介紹?；谝?guī)則的方法的主要特點(diǎn)就是通過數(shù)學(xué)模型結(jié)合植物學(xué)的知識和規(guī)則來模擬 植物的生長過程和形態(tài)特征，植物模型的具體形態(tài)依靠調(diào)整參數(shù)進(jìn)行控制。其中代表性的 工作包括L-系統(tǒng)和AMAP系統(tǒng)?；趲缀谓馕霰磉_(dá)的方法利用曲線曲面造型技術(shù)來構(gòu)造植物模型，不需要嚴(yán)格遵 守植物學(xué)規(guī)律，目的在于生成的模型具有較高的真實(shí)感。這類方法中樹枝一般都由廣義圓 柱來表達(dá)，其中代表性的方法有基于分形的方法以及粒子系統(tǒng)?；诓堇L的方法以手工繪制的樹枝或者外形輪廓為基礎(chǔ)，然后利用植物學(xué)規(guī)則或 者模型庫生成植物三維模型。Makoto Okabe基于“樹木在生長過程中將使不同樹枝之間距 離最大化”的假設(shè)，將從二維草圖中獲得三維樹枝模型，并且設(shè)計(jì)一套手工交互界面，可以 簡單快速地對樹枝和樹葉進(jìn)行交互性的修改，獲得了較好的視覺效果。這種方法的缺陷在 于無法自動(dòng)生成樹枝的細(xì)枝，所有的樹枝的細(xì)枝都要通過手工交互完成，在樹木規(guī)模較大 的情況下，重建的工作量巨大。近年來伴隨數(shù)字化手段的快速發(fā)展，基于樹木數(shù)字化的重建方法在植物重建中獲 得越來越多的重視，該方法以目前的樹木數(shù)字化手段獲得的樹木照片、點(diǎn)云等作為輸入數(shù) 據(jù)，利用一些先驗(yàn)知識和規(guī)則，獲得與輸入數(shù)據(jù)相似的植物模型。除了獲得較好的視覺效果 外，重建模型的準(zhǔn)確性也逐漸成為重建的目標(biāo)之一。按照輸入數(shù)據(jù)的不同，該方法又可以分 為基于照片的重建和基于激光掃描點(diǎn)云的重建。

發(fā)明內(nèi)容
本發(fā)明欲解決基于激光點(diǎn)云數(shù)據(jù)的樹木重建過程中無法保證樹枝位置準(zhǔn)確和保 持原模型生長規(guī)律的的技術(shù)問題，本發(fā)明的目的是針對現(xiàn)實(shí)世界中由激光掃描得到的樹木 點(diǎn)云數(shù)據(jù)，提供一個(gè)激光掃描點(diǎn)云模型準(zhǔn)確并且保持原始模型生長規(guī)律的三維重建方法。為實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)解決方案是提供一種樹木點(diǎn)云數(shù)據(jù)基于分割和自 動(dòng)生長的三維模型重建方法，該三維重建步驟包括
步驟Sl 利用激光掃描儀掃描直接采集樹木的掃描點(diǎn)云數(shù)據(jù)并對點(diǎn)云數(shù)據(jù)預(yù)處 理，按照點(diǎn)云數(shù)據(jù)中每個(gè)點(diǎn)的坐標(biāo)進(jìn)行空間劃分，實(shí)現(xiàn)三維空間的數(shù)據(jù)存儲結(jié)構(gòu)稱為kd樹 (k-dimensional tree)；步驟S2 對于點(diǎn)云數(shù)據(jù)的每一個(gè)點(diǎn)，利用點(diǎn)云數(shù)據(jù)的kd樹查找多個(gè)近鄰點(diǎn)，根據(jù) 最小二乘方法把這些點(diǎn)擬合出一個(gè)平面，以這個(gè)平面的法向量作為點(diǎn)云法向量的初始估計(jì) 值，利用其法向量、切平面構(gòu)造局部三維直角坐標(biāo)系，利用點(diǎn)云數(shù)據(jù)的kd樹查找多個(gè)近鄰 點(diǎn)；利用這些近鄰點(diǎn)擬合二次曲面；利用這些近鄰點(diǎn)擬合出的二次曲面計(jì)算主曲率；步驟S3 對于點(diǎn)云數(shù)據(jù)的每一個(gè)點(diǎn)，利用主曲率方向計(jì)算軸向分布密度，利用軸 向分布密度將屬于樹枝上的點(diǎn)云與屬于樹葉上的點(diǎn)云區(qū)分；對于屬于樹枝上的點(diǎn)云，利用 主曲率方向進(jìn)行區(qū)域生長，產(chǎn)生過分割的分割結(jié)果；對于過分割的樹枝上的點(diǎn)云，依照相鄰 組內(nèi)的點(diǎn)云數(shù)量以及依照分組中所有點(diǎn)云的主曲率方向的平均值所確定的組角度進(jìn)行區(qū) 域合并，得到符合樹木樹枝器官分布的分割結(jié)果；步驟S4 對于分割得到的屬于樹枝部分的點(diǎn)云，將每一個(gè)樹枝的點(diǎn)云沿其組方向 進(jìn)一步分割成較小的點(diǎn)云分組，利用較小的點(diǎn)云分組中心獲得樹枝的主枝的骨架點(diǎn)和對應(yīng) 的半徑；步驟S5 統(tǒng)計(jì)不同樹枝的主枝的骨架之間的夾角分布規(guī)律，利用分割得到的屬于 樹葉部分的點(diǎn)云從樹枝的主枝的骨架上引導(dǎo)生長樹枝的細(xì)枝，通過控制樹枝的主枝長出樹 枝的細(xì)枝的位置、樹枝的細(xì)枝的骨架與樹枝的主枝的骨架的夾角，樹枝的細(xì)枝的長度來控 制樹冠的形狀；步驟S6 利用各個(gè)骨架點(diǎn)和對應(yīng)的半徑建立樹木的三維網(wǎng)格模型，在樹枝的細(xì)枝 的末端添加樹葉模型完成重建。其中，所述沿其組方向進(jìn)一步分割成較小的點(diǎn)云分組，通過下面方法實(shí)現(xiàn)首先在 屬于每個(gè)樹枝的點(diǎn)云分組中任選一點(diǎn)P作為根點(diǎn)，之后以P作為坐標(biāo)原點(diǎn)，以該點(diǎn)云分組的 組方向作為Z軸，以與Z軸垂直平面上任意兩個(gè)正交方向?yàn)閄軸和1軸建立局部坐標(biāo)系，將 分組內(nèi)的點(diǎn)按照其在局部坐標(biāo)系內(nèi)的ζ值進(jìn)行進(jìn)一步分離成若干小分組，稱每一個(gè)小分組 為一個(gè)點(diǎn)云片。其中，所述利用較小的點(diǎn)云分組中心獲得樹枝的主枝的骨架點(diǎn)，其中較小的點(diǎn)云 分組中心是該組中的所有點(diǎn)的空間位置的算術(shù)平均值。其中，所述統(tǒng)計(jì)不同樹枝的主枝的骨架之間的夾角分布規(guī)律，是通過下述方法進(jìn) 行的，計(jì)算相互連接的樹枝的主枝之間的夾角；角度α為其中最小的夾角，角度β為最大 的夾角，記樹枝的主枝的夾角所在的區(qū)間為η = [α，β]，將η劃分為若干小角度區(qū)間 η0 = [ α，ε ]，H1= [ α + ε , α +2 ε ]，. . .，nn = [ α +n ε , β ]，記區(qū)間集合 X= { n0,
...，nj ； ε為角度，設(shè)置為5°，n是整數(shù)，為(β-α)/ε的整數(shù)部分，用概率θχ(χ = 0，l，...，n)表示角度位于角度區(qū)間ηχ(χ = 0，1，...，η)的概率，計(jì)算每一個(gè)概率θχ(χ =0,1,..., n)，這些概率被用來指導(dǎo)后面的樹枝的細(xì)枝的生長過程。其中，所述樹枝的細(xì)枝的長度，通過下述方法確定，對每個(gè)樹枝的主枝的骨架點(diǎn) Pi,定義骨架點(diǎn)Pi的吸引點(diǎn)點(diǎn)集為τ e ρ,T = {、，、，...，tn}，其中點(diǎn)集P為屬于樹葉的點(diǎn) 云；點(diǎn)tx(x= {0,1, ..n})滿足下列條件點(diǎn)tx和點(diǎn)Pi的歐氏距離小于一定的閾值Ω，此 處Ω被設(shè)置為十倍于掃描間距；假設(shè)Pi的每一個(gè)吸引點(diǎn)都能從點(diǎn)Pi處以朝向點(diǎn)tx的方向牽引出一個(gè)樹枝的細(xì)枝，該樹枝的細(xì)枝以點(diǎn)、為第一個(gè)骨架點(diǎn)，試圖向前繼續(xù)生長，在點(diǎn)tx 位置以點(diǎn)tx為下底面中心，以h為高，以r為半徑，以點(diǎn)Pi朝向點(diǎn)tx的方向?yàn)檩S向構(gòu)建圓 柱S，在粒子中，高h(yuǎn)被設(shè)置為10倍于掃描間距，半徑r被設(shè)置為1. 5倍的掃描間距，當(dāng)滿足 下列兩個(gè)條件為在圓柱S內(nèi)存在屬于樹葉上的點(diǎn)云和圓柱S內(nèi)不存在其他已有的樹枝的主 枝的骨架點(diǎn)時(shí)，生成下一個(gè)骨架點(diǎn)；圓柱S的中心點(diǎn)被作為樹枝的細(xì)枝的生長的下一個(gè)骨 架點(diǎn)，該過程反復(fù)運(yùn)行直到不再滿足樹枝的細(xì)枝的生長的條件。其中，所述控制樹枝的主枝長出樹枝的細(xì)枝的位置、樹枝的細(xì)枝的骨架與樹枝的 主枝的骨架的夾角，是通過下述方法進(jìn)行的，為模擬植物的形態(tài)學(xué)特點(diǎn)，假設(shè)每個(gè)樹枝的主 枝的骨架點(diǎn)只能生長出最多一個(gè)樹枝的細(xì)枝，而每個(gè)骨架點(diǎn)都可能有若干吸引點(diǎn)，每個(gè)吸 引點(diǎn)都能引出一個(gè)樹枝的細(xì)枝完成生長過程，其中只有骨架數(shù)量大于一定閾值ξ的樹枝 的細(xì)枝才會被考慮，在這里ξ閾值被設(shè)為4，依靠下列規(guī)則從被考慮的樹枝的細(xì)枝中尋找 最合適的一個(gè)進(jìn)行保留記骨架Api處牽引出的樹枝的細(xì)枝的列表為Bi= IbtlA,...，bn}， 其中Bi為樹枝的細(xì)枝的集合，^{ = 0,..., η}為樹枝的細(xì)枝；首先計(jì)算每個(gè)樹枝的細(xì)枝 與骨架點(diǎn)PiK在的樹枝的主枝的夾角，判斷該夾角是否位于夾角區(qū)間n = [α，β]，其中 角度α為相互連接的樹枝的主枝之間的最小的夾角，角度β為相互連接的樹枝的主枝之 間的最大的夾角；如果該夾角位于區(qū)間內(nèi)，找到該夾角在X內(nèi)所對應(yīng)的小區(qū)間1對應(yīng)的概 率θ χ，令該樹枝的細(xì)枝對應(yīng)的概率Qi = θ χ，如果該夾角不在區(qū)間內(nèi)，令該樹枝的細(xì)枝對 應(yīng)的概率91 = 0，之后計(jì)算每個(gè)樹枝的細(xì)枝的骨架點(diǎn)數(shù)量11(1 = 0，1，...，11)；通過比較 各樹枝的細(xì)枝對應(yīng)的權(quán)值δ i = Ii* θ i來保留各樹枝的細(xì)枝中對應(yīng)權(quán)值δ i最大的一個(gè)。本發(fā)明的有益效果本發(fā)明以樹木的掃描點(diǎn)云為輸入數(shù)據(jù)，獲得樹木準(zhǔn)確的三維 重建模型，人工交互少，重建過程易于操作，重建模型能夠保持原始數(shù)據(jù)的形態(tài)特征。本發(fā) 明利用三維激光掃描儀對樹木進(jìn)行測量得到樹木點(diǎn)云數(shù)據(jù)，并根據(jù)點(diǎn)云數(shù)據(jù)進(jìn)行基于分割 和自動(dòng)生長的三維模型重建方法。其結(jié)果在虛擬現(xiàn)實(shí)、電腦游戲、自然場景模擬、城市景觀 設(shè)計(jì)、電影制作、樹木3D重建、農(nóng)林業(yè)測量等領(lǐng)域具有重要的應(yīng)用價(jià)值。


圖1示出本發(fā)明方法的流程圖；
圖2示出本發(fā)明采用的單面掃描數(shù)據(jù)；
圖3a、圖3b示出樹木點(diǎn)云主方向分布規(guī)律示意圖4示出圓柱構(gòu)造示意圖5a、圖5b示出軸向分布密度的可視化表示和被判斷屬于樹枝上的點(diǎn)云；
圖6示出區(qū)域生長的結(jié)果示意圖；
圖7示出小分組被合并后的分割情況示意圖；
圖8a、圖8b示出區(qū)域合并的角度限制示意圖；
圖9示出區(qū)域合并后的分割結(jié)果示意圖；
圖10示出分組建立局部坐標(biāo)系；
圖11示出樹枝點(diǎn)云的進(jìn)一步分割；
圖12示出樹枝的主枝的骨架點(diǎn)；
圖13示出重建的樹枝網(wǎng)格模型；
圖14示出完整的重建模型。
具體實(shí)施例方式下面結(jié)合附圖詳細(xì)說明本發(fā)明技術(shù)方案中所涉及的各個(gè)細(xì)節(jié)問題。應(yīng)指出的是， 所描述的實(shí)施例僅旨在便于對本發(fā)明的理解，而對其不起任何限定作用。1、方法概述(overview ofapproach)如圖1示出本發(fā)明整個(gè)方法的流程，其中本發(fā)明算法的主要步驟包括1)、點(diǎn)云的獲取及預(yù)處理。2)、局部幾何量計(jì)算，包括4個(gè)子步驟(a)點(diǎn)云法方向估計(jì)、(b)局部坐標(biāo)系的構(gòu) 造、(c)利用近鄰點(diǎn)擬合二次曲面、(d)利用二次曲面計(jì)算主曲率。3)、對樹木點(diǎn)云模型進(jìn)行分割，包括3個(gè)子步驟(f)計(jì)算軸向分布密度并利用軸 向分布密度區(qū)分屬于樹枝上的點(diǎn)云與屬于樹葉上的點(diǎn)云、(g)利用主曲率方向進(jìn)行區(qū)域生 長、(h)依照相鄰組內(nèi)的點(diǎn)云數(shù)量以及組內(nèi)點(diǎn)云主曲率平均值的夾角進(jìn)行區(qū)域合并。4)、計(jì)算樹枝的主枝的骨架點(diǎn)和對應(yīng)半徑。5)、利用樹葉部分的點(diǎn)云引導(dǎo)生長樹枝的細(xì)枝。6)、三維網(wǎng)格模型的重建與樹葉模型的添加。2、點(diǎn)云的獲取及預(yù)處理首先，獲取真實(shí)樹木的掃描數(shù)據(jù)(如圖2示出采用的掃描數(shù)據(jù))并進(jìn)行預(yù)處理。對 點(diǎn)云數(shù)據(jù)進(jìn)行預(yù)處理包括以下兩個(gè)步驟2. 1 創(chuàng)建 kd 樹在計(jì)算三維點(diǎn)云數(shù)據(jù)法向量和主曲率、主方向的過程中都需要用到近鄰點(diǎn)，我們 使用建立點(diǎn)云數(shù)據(jù)的3維空間的二分查找樹，簡稱為kd樹(k-dimensional tree)來查找 近鄰點(diǎn)。首先，建立kd樹。kd樹基于點(diǎn)的空間位置信息，通過二分法迭代劃分三維空間，實(shí) 現(xiàn)最優(yōu)存儲。在kd樹上，進(jìn)行k近鄰查找的時(shí)間復(fù)雜度為O(Iog2Ii)，這里η為點(diǎn)云數(shù)據(jù)的 點(diǎn)的個(gè)數(shù)。2. 2搜索近鄰點(diǎn)由于預(yù)處理階段建立了 kd樹，以點(diǎn)云模型P中點(diǎn)ρ為查詢點(diǎn)，基于歐式距離查找k 近鄰，比如k = 20近鄰或k = 30近鄰，根據(jù)數(shù)據(jù)掃描精度確定近鄰點(diǎn)的個(gè)數(shù)，掃描精度較 低則取15個(gè)近鄰點(diǎn)，掃描精度較高則取30個(gè)近鄰點(diǎn)，這里記qi(i = 1，2，·.·，m)為查詢得 到的m個(gè)近鄰點(diǎn)。3、利用二次曲面計(jì)算主曲率利用二次曲面計(jì)算主曲率，包括以下4個(gè)子步驟3. 1計(jì)算各個(gè)點(diǎn)的法向量對于點(diǎn)云數(shù)據(jù)的每一個(gè)點(diǎn)，利用點(diǎn)云數(shù)據(jù)的kd樹查找15個(gè)或30個(gè)近鄰點(diǎn)，對整 個(gè)點(diǎn)云模型P中的每個(gè)點(diǎn)P選擇其近鄰點(diǎn)組成的點(diǎn)集N(P ；k) = {qi ;i = 1，...，k}表示 點(diǎn)P附近的局部形狀、Qi(I = L--^k)為點(diǎn)ρ的k個(gè)近鄰點(diǎn)進(jìn)行曲面擬合。點(diǎn)ρ處的法 方向可以用下述方法計(jì)算首先構(gòu)造矩陣，
其中(g)表示向量之間的叉乘，M(p，k)的較小的特征值對應(yīng)的特征向量即為ρ點(diǎn)處 的法方向。我們記該法方向?yàn)榭厘?，我們統(tǒng)一的把朝向攝像機(jī)的一側(cè)作為法方向HO)的正 方向。3. 2建立局部坐標(biāo)系在點(diǎn)云各個(gè)點(diǎn)處建立局部坐標(biāo)系，設(shè)點(diǎn)ρ的法向量為砜妁=("￥,"%， ，丨，其中 nx,p, ny,p，nz,p法向量的三個(gè)分量，則這個(gè)ρ點(diǎn)就是局部坐標(biāo)系的原點(diǎn)，X，Y，Z三個(gè)坐標(biāo)軸分 別為
其中 Ψ 和φ通過下式計(jì)算 3.3擬合二次曲面點(diǎn)云模型P處待擬合的二次曲面為h (u，v) = c0u2+2ciuv+c2v2,其中(u，ν, h(u, ν))為空間中的點(diǎn)，該二次曲面h(u, ν) = c0u2+2ciuv+c2v2的系數(shù)C0C1C2通過最小化
η ι||Αμ-Β||2獲得，其中Α、Β、μ為矩陣 Ui, Vi，Iii為η個(gè)近鄰點(diǎn)的坐標(biāo)值，i = 1，...，n，CtlC1C2為二次曲面的系數(shù)，通過μ =[C0C1C2Jt= (AtA)ItB得到二次曲面的系數(shù)，其中T表示轉(zhuǎn)置，[CtlC1C2]工表示矩陣[CtlC1C2] 的轉(zhuǎn)置矩陣；3. 4計(jì)算局部幾何量利用二次曲面h(u，ν) = c0u2+2ciuv+c2v2,計(jì)算ρ點(diǎn)處的局部幾何量，包括兩個(gè)主 曲率
以及對應(yīng)的主曲率方向式O)和式O)。圖3a是各點(diǎn)式O) 的結(jié)果，圖3b是主方向局部的特寫。4、對點(diǎn)云數(shù)據(jù)進(jìn)行分割樹木點(diǎn)云模型的分割，包括以下三個(gè)步驟4. 1計(jì)算軸向分布密度并進(jìn)行樹枝點(diǎn)云與樹葉點(diǎn)云的分離大多數(shù)的樹枝都近似圓柱形，分布在上面的點(diǎn)云也呈圓柱面分布。圓柱面上對應(yīng) 主曲率值較小的主曲率方向與圓柱的軸向一致，所以樹枝上點(diǎn)云處的局部幾何量也有相同 的性質(zhì)，即式ο)與樹枝的軸向方向近似一致，所以我們在這里更加關(guān)心式(P)，統(tǒng)一朝向地 面的方向?yàn)槭?P)的正方向，在后面，我們稱式(P)為主方向。
但是僅僅依靠近鄰點(diǎn)云的主方向相似度無法實(shí)現(xiàn)樹枝與樹葉的分離，原因有如下
的兩點(diǎn)a、在樹枝的某些位置由于形狀不規(guī)則或遮擋而導(dǎo)致相鄰的點(diǎn)也沒有相似的主方向。b、盡管大多數(shù)樹葉的點(diǎn)云的主方向都雜亂無章，但是在當(dāng)進(jìn)行二次擬合時(shí)，當(dāng)k
近鄰點(diǎn)的選取不能保證在同--平面時(shí)，擬合結(jié)果將體現(xiàn)出--定的隨機(jī)性，某些位于樹葉上的局部點(diǎn)云也可能具有相似的主方向。因此，僅僅考慮近鄰點(diǎn)云方向的相似度沒有充分利用點(diǎn)云的空間位置信息。在綜 合考慮點(diǎn)云主方向和空間位置關(guān)系后，我們注意樹枝上點(diǎn)云的另外一個(gè)特點(diǎn)樹枝上點(diǎn)云 在樹枝軸向方向近似均勻分布。我們在樹枝點(diǎn)云P1處，以P1為中心，以其主方向?yàn)檩S向構(gòu) 建細(xì)長圓柱，在細(xì)長圓柱內(nèi)近似均勻分布很多點(diǎn)云。而在樹葉點(diǎn)云處，盡管某些局部近鄰點(diǎn) 云具有相似的主方向，但不滿足在主方向上分布的特點(diǎn)。具體構(gòu)建細(xì)長圓柱如圖4所示。利 用這個(gè)特點(diǎn)，我們可以實(shí)現(xiàn)枝葉分離。對點(diǎn)云模型中的點(diǎn)p，以點(diǎn)ρ為中心，以h為高，以r為半徑構(gòu)建圓柱S,圓柱S的 軸向與點(diǎn)P的主方向式O)—致；其中高h(yuǎn)被設(shè)置為10倍于掃描間距，半徑r被手工設(shè)置為 2倍于掃描間距；位于圓柱S內(nèi)的每一個(gè)點(diǎn)p，將點(diǎn)ρ投影到圓柱S的中心軸上，投影點(diǎn)被 記為Ps(P),然后再以中心軸為中心，手工設(shè)置的固定長度α為長度選定線段u (ρ，S)，稱線 段u(p，S)為點(diǎn)ρ在圓柱S內(nèi)的投影覆蓋區(qū)域；當(dāng)將圓柱S內(nèi)的每一個(gè)點(diǎn)ρ投影到中心軸 后，則得到了中心軸上的若干表現(xiàn)為一個(gè)個(gè)線段的投影覆蓋區(qū)域，這些區(qū)域可能相互重疊， 求取這些區(qū)域的并集，記為 記L[U(p，S)]為投影覆蓋區(qū)域并集的長度，長度L[U(p，S)]能夠同時(shí)表示圓柱S 內(nèi)的所有點(diǎn)在圓柱S內(nèi)的分布密度和分布均勻情況，換而言之，表示了點(diǎn)ρ附近近鄰點(diǎn)云是 否沿點(diǎn)P的主曲率方向均勻分布；軸向分布密度C(p)，定義為C(p) = L[U(p，S)]/h，軸向分布密度C(p)表示了所有投影覆蓋區(qū)域并集的總長度在圓柱S的軸高度內(nèi) 覆蓋的比例。被稱為點(diǎn)P的軸向分布密度。如果點(diǎn)ρ是位于樹枝上的點(diǎn)云，即使樹枝比較細(xì)或者由于形狀不規(guī)則而導(dǎo)致附近 點(diǎn)主曲率方向不規(guī)則，只要點(diǎn)P的主方向與樹枝軸向大致一致，也可以保證在點(diǎn)P構(gòu)建的圓 柱S內(nèi)包含一定數(shù)量沿軸向分布的點(diǎn)云，從而獲得較大的軸向分布密度c(P)。另一方面，如 果點(diǎn)P是位于樹葉上的點(diǎn)云，雖然點(diǎn)P附近點(diǎn)云可能與具有與點(diǎn)P相似的主方向，但很難實(shí) 現(xiàn)在的主方向上分布，所以軸向分布密度C(P)有效的表示了點(diǎn)P位于樹枝上的可能性。在計(jì)算出每個(gè)點(diǎn)對應(yīng)的軸向分布密度C(p)之后，我們手工選定一個(gè)閾值β，分布 密度值大于β被選定為種子點(diǎn)，首先計(jì)算沒個(gè)種子點(diǎn)與最近鄰種子點(diǎn)之間的距離，如果這 個(gè)距離大于一個(gè)手工選定的閾值ε，我們認(rèn)為該種子點(diǎn)為孤立種子點(diǎn)，孤立種子點(diǎn)被去除， 隨后我們將保留的種子點(diǎn)和種子點(diǎn)對應(yīng)的圓柱S內(nèi)所有點(diǎn)標(biāo)記起來作為樹枝上的點(diǎn)云，其 余點(diǎn)云被認(rèn)為是位于樹葉上的點(diǎn)云。圖5a顯示了整個(gè)點(diǎn)云按照不同點(diǎn)對應(yīng)的軸向分布密 度C(p)用不同的灰度表示的模型。圖5b顯示了通過我們的方法確定的屬于樹枝上的點(diǎn)云， 從圖中可以看到即使某些樹枝比較細(xì)小或者被遮擋的比較嚴(yán)重，位于上面的點(diǎn)云仍然能被 我們的方法準(zhǔn)確的區(qū)分出來。4. 2利用主曲率方向進(jìn)行區(qū)域生長在屬于不同樹枝的點(diǎn)云分割分組過程中，我們將綜合考慮點(diǎn)云的主方向與空間位 置關(guān)系。我們在區(qū)域生長中要保證屬于不同樹枝的點(diǎn)云不會被劃分到同一分組中，盡管經(jīng)常以過分割為代價(jià)，我們會在后一節(jié)的區(qū)域合并過程中解決過分割的問題。首先，我們給出本節(jié)中近鄰點(diǎn)的定義，本節(jié)中我們定義點(diǎn)ρ的近鄰點(diǎn)為點(diǎn)云模型P 中與點(diǎn)P的歐氏距離小于一定閾值λ的點(diǎn)。λ在本文中被設(shè)置為0. 2m。開始，點(diǎn)云模型P中的每個(gè)點(diǎn)都被給予單獨(dú)的標(biāo)記。首先P中一個(gè)隨機(jī)選取的點(diǎn) 被作為種子點(diǎn)，對種子點(diǎn)的所有近鄰點(diǎn)進(jìn)行判斷，如果近鄰點(diǎn)的主方向與種子點(diǎn)的主方向 夾角小于一定的角度閾值Θ，此處θ被手工設(shè)置為15°，該近鄰點(diǎn)會被劃入種子點(diǎn)分組 Wseed。之后這些近鄰點(diǎn)被選為新的種子點(diǎn)進(jìn)行相同規(guī)則的區(qū)域生長，試圖將更多周圍的點(diǎn)云 劃歸到Wseed中，直到?jīng)]有新點(diǎn)云會被Wseed吸收。之后在點(diǎn)云模型P中尋找未被劃分的點(diǎn)作 為新的種子點(diǎn)，重復(fù)上面的區(qū)域生長直到所有的點(diǎn)實(shí)現(xiàn)劃分。上述區(qū)域生長算法具體表示過程如下所示。步驟(1)隨機(jī)在點(diǎn)云模型P中尋找為未劃分點(diǎn)ρ作為種子點(diǎn)；步驟(2)尋找點(diǎn)ρ的近鄰點(diǎn)點(diǎn)集B = {b0,. . .，bn}，計(jì)算其中每個(gè)點(diǎn)h與點(diǎn)ρ的主 方向的夾角，如果夾角值小于給定的角度閾值θ，則點(diǎn)h被劃分到與點(diǎn)ρ相同的分組Wsrad， 所有在該步驟中被劃分到中的新點(diǎn)被記為點(diǎn)集Bin。如果點(diǎn)集Bin為空，則回到步驟(1)。如 果Bin為不為空，選取Bin中的點(diǎn)作為新的種子點(diǎn)重復(fù)步驟⑵。步驟(3)選擇新的種子點(diǎn)，重新執(zhí)行步驟(2)。步驟(4)當(dāng)P中所有點(diǎn)完成劃分后，算法結(jié)束。步驟⑵中角度閾值θ的選取非常重要，如果選取的過小，則點(diǎn)云之間難以被劃 分到同一分組，形成大量只有一個(gè)點(diǎn)的分組，使整個(gè)區(qū)域生長過程無意義；如果選取的過大 又可能導(dǎo)致不同樹枝的點(diǎn)云被劃分到同一分組中，形成錯(cuò)誤的結(jié)果。區(qū)域生長結(jié)果如圖6所示，從圖中我們可以看出，這是一個(gè)過分割的結(jié)果，相同的 樹枝經(jīng)常被分解為不同的部分，而且一些分組內(nèi)只有較少的點(diǎn)，產(chǎn)生這種情況的原因與上 一節(jié)中提到的樹枝形狀不規(guī)則導(dǎo)致主方向雜亂相同。該結(jié)果能夠保證不同樹枝上的點(diǎn)云不 被劃分到同一分組中。4. 3區(qū)域合并區(qū)域合并的過程中受到下面兩個(gè)約束的影響相鄰組對于兩個(gè)點(diǎn)云分組W1和W2.我們使用Hausdorff距離h (W1，W2)= min{ Il P-Q Il ；點(diǎn)P e W1,點(diǎn)q e ff2}來衡量兩組之間的距離，當(dāng)該距離小于一定的閾值時(shí)， 我們稱W1和W2為相鄰組。組方向我們定義組W的組角度為ζχ ^) = [Ed1(Pi)Vj ,其中為組內(nèi)的點(diǎn)的
主曲率方向，j為組內(nèi)點(diǎn)的數(shù)量，由于主方向具有180°的隨機(jī)性，所以我們首先隨機(jī)從組 內(nèi)選擇一個(gè)點(diǎn)的主方向D，保證組內(nèi)每一個(gè)點(diǎn)的主曲率方向滿足式O,)·Ζ)>0。在上節(jié)中我們知道，過分割導(dǎo)致很多分組點(diǎn)云數(shù)量少，而只有點(diǎn)云數(shù)量足夠大的 組的組方向能夠表示其所在樹枝的軸向，可以指導(dǎo)區(qū)域合并，較少數(shù)量點(diǎn)云的組，其組方向 無法表示其所在樹枝的軸向，對于區(qū)域合并沒有幫助，所以首先我們無條件的將點(diǎn)云數(shù)量 小于一定閾值N的組合并到其所有相鄰組中與之距離最近的組。經(jīng)過這個(gè)過程，所有分組 都具有較多數(shù)量的點(diǎn)云。圖7是將點(diǎn)云數(shù)量小的分組合并后的分割情況示意圖。經(jīng)過上一步處理，每個(gè)分組內(nèi)都有足夠的點(diǎn)來表示該組所在樹枝的軸向，各個(gè)分 組的組方向被計(jì)算出來，任意兩個(gè)相鄰點(diǎn)云分組W1和W2.夾角用下式計(jì)算出來。 θ (W1, ff2) = cos—1 ([ (2-D (W1) · D (W2)) /2])其中θ (WijW2)是兩個(gè)相鄰點(diǎn)云分組WjPW2.的組方向的夾角，夾角θ (W1,W2.)是 指導(dǎo)區(qū)域合并的重要約束，但是并不是唯一的約束，如果我們簡單的把具有較小夾角θ的 相鄰組合并的話，合并結(jié)果將難以保證準(zhǔn)確度，圖8a是兩個(gè)屬于不同樹枝的點(diǎn)云分組，點(diǎn) 云組P和點(diǎn)云組Q是相鄰組并且具有較小的夾角，但是兩組顯然不屬于同一樹枝。為了避免上述的錯(cuò)誤合并，我們引入了一個(gè)新的限制條件，點(diǎn)P1和點(diǎn)P2(P1 e ρ 和P2 e Q，)是點(diǎn)云分組P和點(diǎn)云分組Q中距離最近的兩個(gè)點(diǎn)，店P(guān)a是點(diǎn)云分組P中 使Il Pa-P1 Il (pa e P)最大化的點(diǎn)，點(diǎn)pb是點(diǎn)云分組Q中使Il pb-p2 Il (pb e Q)最大化的點(diǎn)。 由點(diǎn)P1和點(diǎn)P2以及點(diǎn)Pa和點(diǎn)Pb確定兩個(gè)方向fi = Pa-P1, g2 = Pb-P2，新的限制條件為僅 當(dāng)方向fi和方向f2的夾角α大于一定的閾值，此處閾值設(shè)為140°，我們稱這個(gè)限制為角 度限制。圖8b顯示了由點(diǎn)P1和點(diǎn)P2以及點(diǎn)Pa和點(diǎn)Pb確定的兩個(gè)方向形成的角度限制。在獲得了區(qū)域合并過程中的參考量和限制條件后，我們對分組進(jìn)行區(qū)域合并，這 里我們首先計(jì)算任意兩個(gè)近鄰組之間的夾角并且將夾角存儲在一張角度表中，從角度表中 尋找夾角最小并且滿足角度限制的兩個(gè)組進(jìn)行合并。形成的新組的組方向被重新計(jì)算，角 度表格被更新。重復(fù)上面的過程指導(dǎo)組之間的夾角大于設(shè)定的閾值，此處閾值設(shè)定為22°。我們用不同的顏色表示不同的分組，結(jié)合點(diǎn)云數(shù)據(jù)顯示出來。圖9展示了經(jīng)過區(qū) 域合并后的分割結(jié)果。5、計(jì)算樹枝的主枝的骨架點(diǎn)和對應(yīng)半徑首先在屬于每個(gè)樹枝的點(diǎn)云分組中任選一點(diǎn)ρ作為根點(diǎn)，之后以P作為坐標(biāo)原點(diǎn)， 以該點(diǎn)云分組的組方向作為ζ軸，以與ζ軸垂直平面上任意兩個(gè)正交方向?yàn)棣州S和y軸建立 局部坐標(biāo)系，將分組內(nèi)的點(diǎn)按照其在局部坐標(biāo)系內(nèi)的ζ值進(jìn)行進(jìn)一步分離成若干小分組， 我們稱每一個(gè)小分組為一個(gè)點(diǎn)云片。以各點(diǎn)云片中的所有點(diǎn)的空間位置的算術(shù)平均值作為 樹枝的主枝的骨架點(diǎn)，以各點(diǎn)云片中的所有點(diǎn)到骨架點(diǎn)的歐氏距離的算術(shù)平均值作為樹枝 的主枝的骨架點(diǎn)對應(yīng)的半徑。圖10是局部坐標(biāo)系的建立方式，圖11是各樹枝的點(diǎn)云沿軸 向進(jìn)一步分割的結(jié)果，圖12是求取的樹枝的主枝的骨架點(diǎn)。6、利用樹葉部分的點(diǎn)云引導(dǎo)生長樹枝的細(xì)枝我們的思路為模擬樹枝的細(xì)枝從樹枝的主枝上長出的過程，我們通過控制樹枝的 主枝長出樹枝的細(xì)枝的位置、樹枝的細(xì)枝與樹枝的主枝的分叉角度，樹枝的細(xì)枝的長度來 控制樹冠的形狀。生長過程中，屬于樹葉的點(diǎn)云被用于引導(dǎo)樹枝的細(xì)枝。整個(gè)生長過程靠 設(shè)定的參數(shù)實(shí)現(xiàn)控制，不需要其他的手工交互。相鄰樹枝之間的夾角的分布情況是樹木的主要特征之一，我們?yōu)榱耸股L的樹枝 的細(xì)枝保持模型本身的生物特征，在樹枝的生長過程中我們保證樹枝的細(xì)枝與父枝的夾角 與相互連接的樹枝的主枝之間的夾角具有相同的分布規(guī)律。首先計(jì)算相互連接的樹枝的主枝的夾角。角度α為其中最小的夾角，角度β為 最大的夾角，記樹枝的主枝的夾角所在的區(qū)間為η = [α，β]，將Il劃分為若干小角度區(qū) 間 Jlci= [α，ε ]，Il1 = [ α + ε，α +2 ε ]，· · ·，ηη = [ α +n ε，β ]，記區(qū)間集合 X = { η0， H1, ...，nj, ε為角度，設(shè)置為5°，n是整數(shù)，為(β-α)/ε的整數(shù)部分，用概率θχ(χ = 0，l，...，n)表示角度位于角度區(qū)間ηχ(χ = 0，1，...，η)的概率，我們計(jì)算每一個(gè)概率 θ χ(Χ = 0，1，. . .，n)，這些概率被用來指導(dǎo)后面的樹枝的細(xì)枝的生長過程。
11
樹枝的細(xì)枝的生長算法以位于樹葉上的點(diǎn)云P和之前獲得的樹枝的主枝的骨架 點(diǎn)作為輸入，通過以下步驟生成大量的樹枝的細(xì)枝。對每個(gè)樹枝的主枝的骨架點(diǎn)Pi,我們定義骨架Api的吸引點(diǎn)點(diǎn)集為T e p, T = {t。，t1; . . .，tn}，其中點(diǎn)集P為屬于樹葉的點(diǎn)云。點(diǎn)tx(x = {0，1，. . η})滿足下列條件點(diǎn) tx和點(diǎn)Pi的歐氏距離小于一定的閾值Ω，此處Ω被設(shè)置為十倍于掃描間距。我們假Spi 的每一個(gè)吸引點(diǎn)都可以從點(diǎn)Pi處以朝向點(diǎn)tx的方向牽引出一個(gè)樹枝的細(xì)枝，該樹枝的細(xì) 枝以點(diǎn)tx為第一個(gè)骨架點(diǎn)，試圖向前繼續(xù)生長，我們在點(diǎn)、位置以點(diǎn)tx為下底面中心，以 h為高，以r為半徑，以點(diǎn)Pi朝向點(diǎn)tx的方向?yàn)檩S向構(gòu)建圓柱S，在我們的粒子中，高h(yuǎn)被 設(shè)置為10倍于掃描間距，半徑r被設(shè)置為1. 5倍的掃描間距，當(dāng)滿足下列兩個(gè)條件的時(shí)候， 生成下一個(gè)骨架點(diǎn)1、在圓柱S內(nèi)存在屬于樹葉上的點(diǎn)云；2、圓柱S內(nèi)不存在其他已有的 樹枝的主枝的骨架點(diǎn)。圓柱S的中心點(diǎn)被作為樹枝的細(xì)枝生長的下一個(gè)骨架點(diǎn)，該過程反 復(fù)運(yùn)行直到不再滿足樹枝的細(xì)枝生長的條件。為模擬植物的形態(tài)學(xué)特點(diǎn)，我們假設(shè)每個(gè)樹 枝的主枝的骨架點(diǎn)只能生長出最多一個(gè)樹枝的細(xì)枝，而每個(gè)骨架點(diǎn)都可能有若干吸引點(diǎn)， 每個(gè)吸引點(diǎn)都可以引出一個(gè)樹枝的細(xì)枝完成生長過程，其中只有骨架數(shù)量大于一定閾值ξ 的樹枝的細(xì)枝才會被考慮，在這里ξ閾值被設(shè)為4，我們依靠下列規(guī)則從被考慮的樹枝的 細(xì)枝中尋找最合適的一枝進(jìn)行保留記骨架Api處牽引出的樹枝的細(xì)枝的列表為Bi= {b0, b1 bn}，其中Bi為樹枝的細(xì)枝的集合，h U = 0，. . .，η}為樹枝的細(xì)枝。首先計(jì)算每 個(gè)樹枝的細(xì)枝與骨架點(diǎn)PiK在的樹枝的主枝的夾角，判斷該夾角是否位于夾角區(qū)間n = [α, β]，其中角度α為相互連接的樹枝的主枝之間的最小的夾角，角度β為相互連接的 樹枝的主枝之間的最大的夾角；如果該夾角位于區(qū)間內(nèi)，找到該夾角在X內(nèi)所對應(yīng)的小區(qū) 間nx對應(yīng)的概率θ x，令該樹枝的細(xì)枝對應(yīng)的概率Qi = θ χ，如果該夾角不在區(qū)間內(nèi)，令該 樹枝的細(xì)枝對應(yīng)的概率θ i = 0，之后計(jì)算每個(gè)樹枝的細(xì)枝的骨架點(diǎn)數(shù)量IiG = 0，1，...， η)；我們通過比較各樹枝的細(xì)枝對應(yīng)的權(quán)值S i = Ii* θ i來保留各樹枝的細(xì)枝中對應(yīng)權(quán)值 \最大的一個(gè)。反復(fù)執(zhí)行上面的樹枝的細(xì)枝的生長過程，在第一輪生長中，在樹枝的主枝的骨架 點(diǎn)上進(jìn)行樹枝的細(xì)枝生長，在后面的步驟中，在上一輪生成的樹枝的細(xì)枝上進(jìn)行新的樹枝 的細(xì)枝的生長，直到?jīng)]有新的樹枝的細(xì)枝可以生成。最后所有的樹枝的細(xì)枝隨機(jī)彎曲以使
重建結(jié)果更加真實(shí)。7、三維網(wǎng)格模型的重建與樹葉模型的添加樹枝的的主枝的骨架點(diǎn)對應(yīng)的半徑從深度圖像直接獲得，樹枝的細(xì)枝的骨架點(diǎn)的 半徑被簡單的設(shè)置為其父枝半徑的70%，在樹枝的細(xì)枝的末端添加樹葉后，實(shí)現(xiàn)了完整的 樹木模型重建。圖13展示了沒有添加樹葉的樹枝模型，圖14展示了完整的重建模型。8、實(shí)驗(yàn)結(jié)果與結(jié)論我們在OpenGL的基礎(chǔ)上，用C語言實(shí)現(xiàn)了本章介紹的樹木點(diǎn)云分割的算法，我們 的實(shí)驗(yàn)都是在一臺Dual Core 3. 0G，4GB內(nèi)存，GeForce9600gso，操作系統(tǒng)為Windows XP的 pc機(jī)上實(shí)現(xiàn)完成。我們在一個(gè)樹木點(diǎn)云模型上驗(yàn)證了算法，該模型為一棵8米高的油松，為單側(cè)掃 描數(shù)據(jù)，該模型共有119796個(gè)點(diǎn)從實(shí)驗(yàn)結(jié)果可以看到，雖然重建樹枝的細(xì)枝的數(shù)量不大， 但是仍然完整的保留了樹冠的形狀，而且樹枝的細(xì)枝具有跟樹枝的主枝相似的生長規(guī)律，樹枝在分叉處形狀準(zhǔn)確。本發(fā)明的方法的特色和創(chuàng)新在于在點(diǎn)云中依靠二次曲面擬合計(jì)算每個(gè)點(diǎn)對應(yīng)的 主曲率方向，按照樹枝的形態(tài)特征定義判斷點(diǎn)位于樹枝可能性的軸向分布密度，通過該軸 向分布密度樹枝點(diǎn)云與樹葉點(diǎn)云被區(qū)分開。不同樹枝上的點(diǎn)云按照其所對應(yīng)的主曲率方向 進(jìn)行區(qū)域生長和區(qū)域合并，實(shí)現(xiàn)不同樹枝上點(diǎn)云的分離將各個(gè)樹枝的點(diǎn)云沿樹枝軸向進(jìn)行 進(jìn)一步分組，利用分組中心計(jì)算樹枝的主枝的骨架點(diǎn)，之后在樹枝的主枝上生長樹枝的細(xì) 枝，通過控制樹枝的主枝生長樹枝的細(xì)枝的位置、樹枝的細(xì)枝與樹枝的主枝的分叉角度、樹 枝的細(xì)枝的長度來控制樹冠的形狀。與已有算法相比，該算法能夠在保持樹冠外形的同時(shí) 使樹冠內(nèi)樹枝的細(xì)枝具有與樹枝的主枝相同的形態(tài)特征。以上所述，僅為本發(fā)明中的具體實(shí)施方式
，但本發(fā)明的保護(hù)范圍并不局限于此，任 何熟悉該技術(shù)的人在本發(fā)明所揭露的技術(shù)范圍內(nèi)，可理解想到的變換或替換，都應(yīng)涵蓋在 本發(fā)明的包含范圍之內(nèi)，因此，本發(fā)明的保護(hù)范圍應(yīng)該以權(quán)利要求書的保護(hù)范圍為準(zhǔn)。
權(quán)利要求
一種樹木點(diǎn)云數(shù)據(jù)基于分割和自動(dòng)生長的三維模型重建方法，其特征在于，該三維模型重建步驟包括步驟S1利用激光掃描儀掃描直接采集樹木的掃描點(diǎn)云數(shù)據(jù)并對點(diǎn)云數(shù)據(jù)預(yù)處理，按照點(diǎn)云數(shù)據(jù)中每個(gè)點(diǎn)的坐標(biāo)進(jìn)行空間劃分，實(shí)現(xiàn)三維空間的數(shù)據(jù)存儲結(jié)構(gòu)稱為kd樹(k-dimensional tree)；步驟S2對于點(diǎn)云數(shù)據(jù)的每一個(gè)點(diǎn)，利用點(diǎn)云數(shù)據(jù)的kd樹查找多個(gè)近鄰點(diǎn)，根據(jù)最小二乘方法把這些點(diǎn)擬合出一個(gè)平面，以這個(gè)平面的法向量作為點(diǎn)云法向量的初始估計(jì)值，利用其法向量、切平面構(gòu)造局部三維直角坐標(biāo)系，利用點(diǎn)云數(shù)據(jù)的kd樹查找多個(gè)近鄰點(diǎn)；利用這些近鄰點(diǎn)擬合二次曲面；利用這些近鄰點(diǎn)擬合出的二次曲面計(jì)算主曲率；步驟S3對于點(diǎn)云數(shù)據(jù)的每一個(gè)點(diǎn)，利用主曲率方向計(jì)算軸向分布密度，利用軸向分布密度將屬于樹枝上的點(diǎn)云與屬于樹葉上的點(diǎn)云區(qū)分；對于屬于樹枝上的點(diǎn)云，利用主曲率方向進(jìn)行區(qū)域生長，產(chǎn)生過分割的分割結(jié)果；對于過分割的樹枝上的點(diǎn)云，依照相鄰組內(nèi)的點(diǎn)云數(shù)量以及依照分組中所有點(diǎn)云的主曲率方向的平均值所確定的組角度進(jìn)行區(qū)域合并，得到符合樹木樹枝器官分布的分割結(jié)果；步驟S4對于分割得到的屬于樹枝部分的點(diǎn)云，將每一個(gè)樹枝的點(diǎn)云沿其組方向進(jìn)一步分割成較小的點(diǎn)云分組，利用較小的點(diǎn)云分組中心獲得樹枝的主枝的骨架點(diǎn)和對應(yīng)的半徑；步驟S5統(tǒng)計(jì)不同樹枝的主枝的骨架之間的夾角分布規(guī)律，利用分割得到的屬于樹葉部分的點(diǎn)云從樹枝的主枝的骨架上引導(dǎo)生長樹枝的細(xì)枝，通過控制樹枝的主枝長出樹枝的細(xì)枝的位置、樹枝的細(xì)枝的骨架與樹枝的主枝的骨架的夾角，樹枝的細(xì)枝的長度來控制樹冠的形狀；步驟S6利用各個(gè)骨架點(diǎn)和對應(yīng)的半徑建立樹木的三維網(wǎng)格模型，在樹枝的細(xì)枝的末端添加樹葉模型完成重建。
2.按權(quán)利要求1所述的樹木點(diǎn)云數(shù)據(jù)基于分割和自動(dòng)生長的三維模型重建方法，其特 征在于，所述沿其組方向進(jìn)一步分割成較小的點(diǎn)云分組，通過下面方法實(shí)現(xiàn)首先在屬于每 個(gè)樹枝的點(diǎn)云分組中任選一點(diǎn)P作為根點(diǎn)，之后以P作為坐標(biāo)原點(diǎn)，以該點(diǎn)云分組的組方向 作為ζ軸，以與ζ軸垂直平面上任意兩個(gè)正交方向?yàn)棣州S和1軸建立局部坐標(biāo)系，將分組內(nèi) 的點(diǎn)按照其在局部坐標(biāo)系內(nèi)的ζ值進(jìn)行進(jìn)一步分離成若干小分組，稱每一個(gè)小分組為一個(gè) 點(diǎn)云片。
3.按權(quán)利要求1所述的樹木點(diǎn)云數(shù)據(jù)基于分割和自動(dòng)生長的三維模型重建方法，其特 征在于，所述利用較小的點(diǎn)云分組中心獲得樹枝的主枝的骨架點(diǎn)，其中較小的點(diǎn)云分組中 心是該組中的所有點(diǎn)的空間位置的算術(shù)平均值。
4.按權(quán)利要求1所述的樹木點(diǎn)云數(shù)據(jù)基于分割和自動(dòng)生長的三維模型重建方法，其特 征在于，所述統(tǒng)計(jì)不同樹枝的主枝的骨架之間的夾角分布規(guī)律，是通過下述方法進(jìn)行的，計(jì) 算相互連接的樹枝的主枝之間的夾角；角度α為其中最小的夾角，角度β為最大的夾角， 記樹枝的主枝的夾角所在的區(qū)間為η = [α，β]，將η劃分為若干小角度區(qū)間Ilci= [α， ε ]，Ii1 = [ α + ε，α +2 ε ]，· · ·，ηη = [ α +n ε，β ]記區(qū)間集合 X = { η 0, η · · · , η J ； ε為角度，設(shè)置為5°，n是整數(shù)，為(β-α)/ε的整數(shù)部分，用概率θ χ(χ = 0，1，. . .，n) 表示角度位于角度區(qū)間ηχ(χ = 0，1，... , n)的概率，計(jì)算每一個(gè)概率θχ(χ = 0，1，...,η)，這些概率被用來指導(dǎo)后面的樹枝的細(xì)枝的生長過程。
5.按權(quán)利要求1所述的樹木點(diǎn)云數(shù)據(jù)基于分割和自動(dòng)生長的三維模型重建方法，其特 征在于，所述樹枝的細(xì)枝的長度，通過下述方法確定，對每個(gè)樹枝的主枝的骨架點(diǎn)Pi,定義 骨架點(diǎn)Pi的吸引點(diǎn)點(diǎn)集為T e P，T = {t0, ti; ... , tn}，其中點(diǎn)集P為屬于樹葉的點(diǎn)云；點(diǎn) tx(x= {0,1,. .η})滿足下列條件點(diǎn)、和點(diǎn)Pi的歐氏距離小于一定的閾值Ω，此處Ω被 設(shè)置為十倍于掃描間距；假設(shè)Pi的每一個(gè)吸引點(diǎn)都能從點(diǎn)Pi處以朝向點(diǎn)tx的方向牽引出 一個(gè)樹枝的細(xì)枝，該樹枝的細(xì)枝以點(diǎn)、為第一個(gè)骨架點(diǎn)，試圖向前繼續(xù)生長，在點(diǎn)、位置以 點(diǎn)tx為下底面中心，以h為高，以r為半徑，以點(diǎn)Pi朝向點(diǎn)tx的方向?yàn)檩S向構(gòu)建圓柱S，在 粒子中，高h(yuǎn)被設(shè)置為10倍于掃描間距，半徑r被設(shè)置為1.5倍的掃描間距，當(dāng)滿足下列兩 個(gè)條件為在圓柱S內(nèi)存在屬于樹葉上的點(diǎn)云和圓柱S內(nèi)不存在其他已有的樹枝的主枝的骨 架點(diǎn)時(shí)，生成下一個(gè)骨架點(diǎn)；圓柱S的中心點(diǎn)被作為樹枝的細(xì)枝的生長的下一個(gè)骨架點(diǎn)，該 過程反復(fù)運(yùn)行直到不再滿足樹枝的細(xì)枝的生長的條件。
6.按權(quán)利要求1所述的樹木點(diǎn)云數(shù)據(jù)基于分割和自動(dòng)生長的三維模型重建方法，其特 征在于，所述控制樹枝的主枝長出樹枝的細(xì)枝的位置、樹枝的細(xì)枝的骨架與樹枝的主枝的 骨架的夾角，是通過下述方法進(jìn)行的，為模擬植物的形態(tài)學(xué)特點(diǎn)，假設(shè)每個(gè)樹枝的主枝的骨 架點(diǎn)只能生長出最多一個(gè)樹枝的細(xì)枝，而每個(gè)骨架點(diǎn)都可能有若干吸引點(diǎn)，每個(gè)吸引點(diǎn)都 能引出一個(gè)樹枝的細(xì)枝完成生長過程，其中只有骨架數(shù)量大于一定閾值ξ的樹枝的細(xì)枝 才會被考慮，在這里ξ閾值被設(shè)為4，依靠下列規(guī)則從被考慮的樹枝的細(xì)枝中尋找最合適 的一個(gè)進(jìn)行保留記骨架點(diǎn)Pi處牽引出的樹枝的細(xì)枝的列表為Bi = {b0, b1; . . .，bn}，其中 Bi為樹枝的細(xì)枝的集合，h U = 0，. . .，n}為樹枝的細(xì)枝；首先計(jì)算每個(gè)樹枝的細(xì)枝與骨架 點(diǎn)PiK在的樹枝的主枝的夾角，判斷該夾角是否位于夾角區(qū)間η = [α，β]，其中角度α 為相互連接的樹枝的主枝之間的最小的夾角，角度β為相互連接的樹枝的主枝之間的最 大的夾角；如果該夾角位于區(qū)間內(nèi)，找到該夾角在χ內(nèi)所對應(yīng)的小區(qū)間nx對應(yīng)的概率θχ， 令該樹枝的細(xì)枝對應(yīng)的概率Qi= Θ χ，如果該夾角不在區(qū)間內(nèi)，令該樹枝的細(xì)枝對應(yīng)的概 率Qi = 0，之后計(jì)算每個(gè)樹枝的細(xì)枝的骨架點(diǎn)數(shù)量li(i= 0，1，...，η)；通過比較各樹枝 的細(xì)枝對應(yīng)的權(quán)值δ i = Ii* θ i來保留各樹枝的細(xì)枝中對應(yīng)權(quán)值δ i最大的一個(gè)。
全文摘要
本發(fā)明涉及一種樹木點(diǎn)云數(shù)據(jù)基于分割和自動(dòng)生長的三維模型重建方法步驟包括預(yù)處理，點(diǎn)云主曲率估計(jì)，通過主曲率進(jìn)行數(shù)據(jù)分割，利用分割得到的屬于樹枝部分的點(diǎn)云計(jì)算樹枝的主枝的骨架，利用分割得到的屬于樹葉部分的點(diǎn)云從樹枝的主枝的骨架上引導(dǎo)生成樹枝的細(xì)枝，生成樹枝網(wǎng)格模型并在在樹枝的細(xì)枝的末端添加樹葉模型。本發(fā)明僅利用激光掃描儀的掃描數(shù)據(jù)，得到忠實(shí)于原始實(shí)物的三維重建模型。該方法通過數(shù)據(jù)分割和樹枝的細(xì)枝的生長獲得樹木點(diǎn)云數(shù)據(jù)的重建模型，算法簡單，計(jì)算結(jié)果準(zhǔn)確。其計(jì)算結(jié)果在虛擬現(xiàn)實(shí)、電腦游戲、自然場景模擬、城市景觀設(shè)計(jì)、電影制作、樹木3D重建、農(nóng)林業(yè)測量等領(lǐng)域具有重要的應(yīng)用價(jià)值。
文檔編號G06T17/00GK101887596SQ20101018829
公開日2010年11月17日 申請日期2010年6月1日 優(yōu)先權(quán)日2010年6月1日
發(fā)明者代明睿, 張曉鵬, 李紅軍 申請人:中國科學(xué)院自動(dòng)化研究所