买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：湖南科技大学

摘要：本发明公开了一种高斯分布区域生长的车载LiDAR点云行道树提取方法，包括以下步骤：对原始车载LiDAR点云数据进行预处理；根据树干的竖直线性特征定位单棵树的位置，并基于高斯分布的区域生长算法聚类提取树干点云；应用优化种子点选取方法的区域生长算法分别提取每棵树的树冠点云；基于树干的几何规则剔除伪树干，自动匹配提取的树干点和树冠点，并以Voronoi图约束分割树组。本发明解决了弯曲或不规则树干的分类提取、树冠点密度小导致结果完整性低与树干点严重缺失等问题，为道路环境安全信息化管理和林木生物量估算提供支撑。

主权项：1.一种高斯分布区域生长的车载LiDAR点云行道树提取方法，其特征在于，包括以下步骤：1对原始车载LiDAR点云数据进行预处理；2根据树干的竖直线性特征定位单棵树的位置，并基于高斯分布的区域生长算法聚类提取树干点云；所述步骤2具体步骤为：2-1点云竖直线性特征提取：在候选点T1中行道树的树干部分具有强竖直几何特性，因此以竖直线性特征阈值提取部分树干点云并定位树干的位置；通过对候选点T1全局点云主成分分析PCA并求解特征值，以计算竖直线性特征值，计算公式如下： Linearity表示每个点的竖直线性特征值，范围为0-1；λ1和λ2分别是第一特征值和第二特征值，λ1＞λ2；2-2基于高斯分布的区域生长算法提取树干：以竖直线性特征提取点为种子点通过高斯分布规律寻找原始点云中符合规则的点，并将生长出的点聚类合并为单个树干点集；所述步骤2-2具体过程为：从树干点中选择种子点并邻域搜索，搜索到的点集作为样本并将样本点与种子点在x与y方向上的差值Δx与Δy分别作为参数进行区间估计；根据已经生长过的点寻找n个邻域点作为待判断的点，邻域点集的平面中心与初始种子点集合的平面中心之间的距离小于初始种子点集的直径，将邻域点集中最近的点加入已经生长过的点集中；以此最近的点为中心，计算其他邻域点与此点的距离差值以及统计此点差值的高斯分布，并建立置信度为0.05的置信区间；将符合置信区间的点加入已经生长过的点集，并将下一个最近点作为新种子点重复生长；当不存在新的待加入点或者剩下所有的待加入点都不符合置信区间条件时终止算法；结束生长的点集P即为第一个树干的聚类点集；重新在候选点集中选取未被生长标记的新初始种子点，重复算法得到接下来的N个树干的聚类点集，这N个树干的聚类点集即为候选点集T2；3应用优化种子点选取方法的区域生长算法分别提取每棵树的树冠点云；4基于树干的几何规则剔除伪树干，自动匹配提取的树干点和树冠点，并以Voronoi图约束分割树组。

全文数据：

权利要求：

百度查询： 湖南科技大学 高斯分布区域生长的车载LiDAR点云行道树提取方法