一種基于地面LiDAR點(diǎn)云數(shù)據(jù)的單株植被三維建模方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于計(jì)算機(jī)三維建模領(lǐng)域，采用新興的三維激光掃描技術(shù)對(duì)單株植被進(jìn)行 模型重建。 技術(shù)背景
[0002] 近年來，隨著人們對(duì)綠色植被生態(tài)系統(tǒng)的日益關(guān)注，以及對(duì)植被生態(tài)功能定量化 研究的廣泛開展，植被的三維建模已成為目前相關(guān)技術(shù)領(lǐng)域關(guān)注的一個(gè)熱點(diǎn)。然而，由于植 被實(shí)際結(jié)構(gòu)的復(fù)雜性，如:表皮不規(guī)則、分枝不對(duì)稱、枝葉分布錯(cuò)綜復(fù)雜且相互遮擋等，給植 被三維仿真模型的建立帶來了許多困難。目前植被的計(jì)算機(jī)三維仿真建模主流方法有基于 植物生長規(guī)則的過程建模法、基于圖像的建模法和基于草繪的建模法三大類?；谝?guī)則的 方法最先得到發(fā)展，是目前應(yīng)用最為廣泛的虛擬植物構(gòu)建方法。此法需要一定的植物學(xué)專 業(yè)知識(shí)，通過定義和調(diào)整幾何參數(shù)來確定植物的三維形態(tài)。除了需要專業(yè)知識(shí)和經(jīng)驗(yàn)外，基 于規(guī)則的方法生成的是統(tǒng)計(jì)意義上的模型，真實(shí)感稍差，且對(duì)真實(shí)樹木或特定形狀樹木的 建模比較困難?；趫D像的建模方法利用圖像處理工具或計(jì)算機(jī)視覺算法，從單幅或不同 視角的多幅自然影像中自動(dòng)提取植物特征來構(gòu)建模型?；诓堇L的方法則是通過人機(jī)交互 方式在用戶手繪的枝干或外形輪廓的基礎(chǔ)上，利用植物生長規(guī)則或者已有的樹木模型庫生 成三維模型。后兩種方法可以生成外觀逼真、形態(tài)各異的虛擬植物，但難以從虛擬模型中提 取出準(zhǔn)確的樹木生長和幾何形態(tài)參數(shù)。
[0003] 激光掃描技術(shù)的出現(xiàn)改變了原有的數(shù)據(jù)采集方式，它通過發(fā)射和接收激光脈沖進(jìn) 行非接觸式主動(dòng)測量，能夠方便、快捷、直接地獲取目標(biāo)物體表面高精度的三維點(diǎn)云數(shù)據(jù)， 已廣泛應(yīng)用于文物保護(hù)、地形勘探、數(shù)字城市等領(lǐng)域。因此，三維激光掃描技術(shù)為植被立體 結(jié)構(gòu)信息的獲取和真實(shí)場景的三維模擬提供了全新的手段。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明針對(duì)現(xiàn)有技術(shù)的不足之處，改進(jìn)設(shè)計(jì)了一種計(jì)算量小，模型清晰逼真的基 于地面LiDAR點(diǎn)云數(shù)據(jù)的單株植被三維建模方法。
[0005] 本發(fā)明將激光雷達(dá)點(diǎn)云數(shù)據(jù)用于構(gòu)建單株植被三維仿真模型的途徑和方法。首 先，對(duì)地面多個(gè)觀測站點(diǎn)獲取的植被點(diǎn)云數(shù)據(jù)進(jìn)行配準(zhǔn)、結(jié)構(gòu)化存儲(chǔ)和多次去噪等預(yù)處理， 并且提出利用基于強(qiáng)度閾值的方法實(shí)現(xiàn)植被枝干與葉片激光點(diǎn)云數(shù)據(jù)的有效提取;然后， 利用Delaunay三角網(wǎng)生長算法對(duì)分割后的點(diǎn)云數(shù)據(jù)進(jìn)行有效的曲面擬合與修補(bǔ)；最終，通 過對(duì)比拼接和渲染建立反映植被真實(shí)結(jié)構(gòu)的三維仿真模型。
[0006] 因而本發(fā)明一種基于地面LiDAR點(diǎn)云數(shù)據(jù)的單株植被三維建模方法，該方法包括：
[0007] 步驟1:通過多站點(diǎn)的方式從不同的方位對(duì)單朱植被進(jìn)行掃描，再對(duì)各方位掃描獲 得的點(diǎn)數(shù)據(jù)進(jìn)行配準(zhǔn)，使各方位的掃描電數(shù)據(jù)統(tǒng)一到同一坐標(biāo)系中；
[0008] 步驟2:將步驟1獲得同一坐標(biāo)系下的所有點(diǎn)數(shù)據(jù)進(jìn)行歸類，建立索引，方便對(duì)各點(diǎn) 數(shù)據(jù)進(jìn)行后續(xù)計(jì)算；
[0009] 步驟3 :對(duì)步驟2建立索引后的點(diǎn)數(shù)據(jù)進(jìn)行去噪處理，去除在掃描過程中因?yàn)橹脖?搖動(dòng)產(chǎn)生的噪聲點(diǎn)數(shù)據(jù)；
[0010] 步驟4:將去噪后的所有點(diǎn)數(shù)據(jù)劃分為枝干和葉片兩部分，分開建模；
[0011] 步驟5:將步驟4建立的枝干模型和葉片模型進(jìn)行組合，獲得完整的植被模型。
[0012] 進(jìn)一步，所述步驟1的具體方法為：
[0013] 步驟1.1:從不同的方位大于單株植被進(jìn)行掃描，采集各方位的點(diǎn)數(shù)據(jù)；
[0014] 步驟1.2:通過將相鄰站點(diǎn)點(diǎn)云數(shù)據(jù)中的標(biāo)靶作為控制點(diǎn)進(jìn)行強(qiáng)制符合，對(duì)各方位 掃描的點(diǎn)數(shù)據(jù)進(jìn)行粗配準(zhǔn)；
[0015] 步驟1.3:采用ICP算法對(duì)步驟1.2粗配準(zhǔn)后的數(shù)據(jù)精配準(zhǔn)。
[0016] 進(jìn)一步的，所述步驟2的具體方法為：
[0017] 劃分出一個(gè)包含所有數(shù)據(jù)點(diǎn)立方體空間，將該空間分割為8個(gè)相同的小立方體空 間，再將各小立方體空間劃分為8個(gè)更小的立方體空間，依次對(duì)更小的立方體空間進(jìn)行劃 分，知道劃分后的最小的立方體空間包括的數(shù)據(jù)點(diǎn)個(gè)數(shù)小于或等于設(shè)定的閾值。
[0018] 進(jìn)一步的，所述步驟3的具體方法為：
[0019] 步驟3.1:利用包圍盒方法對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行柵格化，將其中所有的點(diǎn)分配到各柵格 中；
[0020] 步驟3.2:求取包含最多柵格的最大連通域，并去除不在最大連通域內(nèi)的孤立噪聲 占 .
[0021 ]步驟3.3 :對(duì)去除孤立噪聲點(diǎn)后的點(diǎn)云數(shù)據(jù)進(jìn)行第二次柵格劃分，建立各刪格內(nèi)點(diǎn) 云的k鄰域；
[0022] 步驟3.4:用最小二乘法擬合出每個(gè)k鄰域的最佳逼近平面；
[0023] 步驟3.5:計(jì)算每個(gè)k鄰域內(nèi)所有點(diǎn)到其最佳逼近平面的距離，并給定一個(gè)閾值，把 k鄰域內(nèi)距平面距離大于該閾值的點(diǎn)去除。
[0024] 進(jìn)一步的，所述步驟4的具體方法為：
[0025] 步驟4.1:根據(jù)經(jīng)驗(yàn)選定兩個(gè)閾值I#PI2,然后比較輸入點(diǎn)云中各離散點(diǎn)的激光回 波強(qiáng)度值是否大于閾值I:，將強(qiáng)度值大于I:的點(diǎn)歸為葉片，其余歸為殘余點(diǎn)云；
[0026] 步驟4.2:繼續(xù)判別殘余點(diǎn)云中各離散點(diǎn)的激光回波強(qiáng)度值是否大于閾值12,將強(qiáng) 度值大于12的點(diǎn)歸為枝干；
[0027]步驟4.3:采用Delaunay三角網(wǎng)生長算法分別對(duì)植被葉片和枝干進(jìn)行三角網(wǎng)格構(gòu) 建；
[0028]步驟4.4:分別對(duì)植被葉片和枝干的空洞區(qū)域進(jìn)行人為修補(bǔ)，對(duì)修補(bǔ)后的三角網(wǎng)格 進(jìn)行平滑處理；
[0029]本發(fā)明能夠?qū)崿F(xiàn)對(duì)多站點(diǎn)大規(guī)模點(diǎn)云的快速配準(zhǔn)，對(duì)三維激光點(diǎn)云數(shù)據(jù)的組織與 索引具有樹深小，遍歷速度快，內(nèi)存消耗少等優(yōu)勢(shì)，在去除噪聲方面，可以通過選擇鄰近點(diǎn) 數(shù)量及判別閾值控制去噪迭代過程，同時(shí)本發(fā)明利用激光點(diǎn)云數(shù)據(jù)的反射強(qiáng)度信息，更加 便捷地實(shí)現(xiàn)了植被枝干與葉片點(diǎn)云數(shù)據(jù)的分割，并利用Delaunay三角網(wǎng)生長法在占用內(nèi)存 較小、構(gòu)網(wǎng)效率較高的前提下實(shí)現(xiàn)了植被表面重構(gòu)。因此，本發(fā)明適用于對(duì)單株植被的三維 模型重建。
【附圖說明】
[0030]圖1為基于地面點(diǎn)云數(shù)據(jù)的單株植被三維建模流程圖；
[0031 ]圖2為單株植被兩站點(diǎn)云數(shù)據(jù)的配準(zhǔn)結(jié)果圖；
[0032] 圖3為點(diǎn)云數(shù)據(jù)空間的八叉樹結(jié)構(gòu)劃分示意圖；
[0033] 圖4為單株植被點(diǎn)云數(shù)據(jù)噪聲的去除示意圖；
[0034] 圖5為根據(jù)強(qiáng)度閾值提取的枝干和葉片點(diǎn)云示意圖；
[0035]圖6為枝干點(diǎn)云三角網(wǎng)格空洞的修補(bǔ)示意圖；
[0036] 圖7為植被枝干與葉片點(diǎn)云網(wǎng)格化結(jié)果示意圖；
[0037] 圖8為單株植被實(shí)景與三維建模結(jié)果對(duì)比示意圖。
[0038]具體實(shí)施步驟
[0039] 1)多站點(diǎn)云數(shù)據(jù)的配準(zhǔn)與拼接：
[0040]為了獲得完整的植被點(diǎn)云數(shù)據(jù)，需要從不同方位對(duì)植被進(jìn)行掃描，而通過將相鄰 站點(diǎn)點(diǎn)云數(shù)據(jù)中的標(biāo)靶作為控制點(diǎn)進(jìn)行強(qiáng)制符合，可以完成對(duì)多站點(diǎn)云數(shù)據(jù)的粗配準(zhǔn)，即 將不同坐標(biāo)系下的點(diǎn)云大致統(tǒng)一到同一坐標(biāo)系下。然后，通過精配準(zhǔn)，可使多站點(diǎn)云之間的 拼接誤差達(dá)到最小。設(shè)P、Q為在不同站點(diǎn)獲取的同一物體的點(diǎn)云集，且點(diǎn)P、q為被測物體表 面任意一點(diǎn)在不同坐標(biāo)系點(diǎn)云集中的構(gòu)象，即P(Xp，yp，Zp) eP，q(Xq，yq，Zq) eQ，點(diǎn)云數(shù)據(jù)的 精配準(zhǔn)就是要使兩個(gè)點(diǎn)云集中任意表示物體表面同一點(diǎn)的點(diǎn)對(duì)(P，q)，滿足相同的變換， 即：
[0042]其中，R為旋轉(zhuǎn)矩陣，t為平移矢量。本發(fā)明采用的是ICP算法，其主要步驟是:首先， 假設(shè)一個(gè)初始的位置及狀態(tài)估計(jì)，即從點(diǎn)云集P中選取一定數(shù)量的點(diǎn)，并在相鄰點(diǎn)云集Q中 尋找出這些點(diǎn)的對(duì)應(yīng)點(diǎn)；然后，通過最小二乘法迭代，計(jì)算最優(yōu)的坐標(biāo)變換參數(shù)，即使誤差 函數(shù)
[0044]最小的R和t。兩站植被點(diǎn)云數(shù)據(jù)的配準(zhǔn)過程如圖2所示。將前兩站的精配準(zhǔn)結(jié)果按 相同的步驟與第三站點(diǎn)云數(shù)據(jù)進(jìn)行配準(zhǔn)，可最終獲得全方位完整的單株植被點(diǎn)云數(shù)據(jù)。 [0045] 2)點(diǎn)云數(shù)據(jù)的組織：
[0046]從植被表面獲取的激光雷達(dá)點(diǎn)云數(shù)據(jù)相當(dāng)龐大且離散度高，如何有效地組織這些 點(diǎn)云數(shù)據(jù)，是進(jìn)行植被三維建模的重要前提。本發(fā)明采用了八叉樹結(jié)構(gòu)和Morton碼對(duì)植被 點(diǎn)云數(shù)據(jù)進(jìn)行劃分和編碼。首先，將三維空間中包圍整個(gè)點(diǎn)云數(shù)據(jù)的最小立方體均勻劃分 為具有相同大小的八個(gè)子立方體，稱為體元。其次，對(duì)每個(gè)體元進(jìn)行判別，如果當(dāng)前體元滿 足給定的屬性，則該體元構(gòu)成一個(gè)葉節(jié)點(diǎn)，并對(duì)應(yīng)一個(gè)點(diǎn)云數(shù)據(jù)塊，否則將該體元繼續(xù)均勻 劃分成八個(gè)更小的體元。通過這種循環(huán)遞進(jìn)的方式對(duì)包含植被點(diǎn)云數(shù)據(jù)的三維空間進(jìn)行劃 分，使每個(gè)體元都滿足相同的屬性或者達(dá)到預(yù)先設(shè)定的條件(八叉樹的分辨率)為止，并最 終生成一個(gè)具有根節(jié)點(diǎn)的多層次方向樹，如圖3所示。本發(fā)明通過設(shè)置體元中的最小點(diǎn)數(shù)作 為判別是否繼續(xù)劃分的標(biāo)準(zhǔn)，對(duì)無數(shù)據(jù)點(diǎn)或點(diǎn)數(shù)小于閾值的體元就不再進(jìn)行劃分，并歸為 葉節(jié)點(diǎn)。
[0047] 最后，采用