CN110992473B - 一种基于车载激光扫描点云的树木枝干建模方法及*** - Google Patents
一种基于车载激光扫描点云的树木枝干建模方法及*** Download PDFInfo
- Publication number
- CN110992473B CN110992473B CN201911280114.5A CN201911280114A CN110992473B CN 110992473 B CN110992473 B CN 110992473B CN 201911280114 A CN201911280114 A CN 201911280114A CN 110992473 B CN110992473 B CN 110992473B
- Authority
- CN
- China
- Prior art keywords
- node
- tree
- skeleton
- point
- branch
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/005—Tree description, e.g. octree, quadtree
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种基于车载激光扫描点云的树木枝干建模方法,对树木点云进行预处理获得树木基本信息,利用树木点云构建邻近图;以高程最低点作为树根点,采用单源最短路径算法,搜索每个点到达树根点的最短路径,得到树木的初始骨架线;基于树木初始骨架线,进行树木骨架线分级处理,并以方向优先原则进行树木骨架线优化处理;利用树木点云,统计树根处骨架节点半径,并根据异速生长理论进行枝干骨架节点半径的估算;基于树木骨架线,进行树木枝干模拟,并采用局部三角剖分方法修复圆锥台之间的缝隙,完成树木模型的重建。本发明的方法和***根据骨架线级别设置重建出不同级别的枝干模型,模型重建结果逼真可靠。
Description
技术领域
本发明涉及测绘技术领域,尤其涉及一种基于车载激光扫描点云的树木枝干建模方法及***。
背景技术
树木三维建模对于虚拟城市、虚拟旅游、虚拟生态景观等具有重要意义。由于树木形态差异大,结构复杂,如何有效地构建具有真实感的树木模型一直是农林业、计算机以及遥感领域相关学者研究的重点之一。许多学者从不同角度设计了多种树木建模方法,包括:基于规则的树木建模方法、基于草图的树木建模方法以及基于图像的树木建模方法。其中,基于规则的方法是利用计算机语言对植物进行一系列规则描述形成树木结构模型,此类方法较注重植物的物理生长过程,但对树木个体的实际形态考虑较少,对于复杂结构的树木难以较好地表达;基于草图的方法是一种半自动建模方法,以人工交互的方式绘制出树木枝干轮廓,然后根据植物的生长规律或是已有的模型库构建三维模型,该方法需要用户具有较高的专业素养,对树木能做出较为精细的勾画;基于图像的方法以树木的多角度图像为基础,通过数字图像方法分割以及计算机视觉的匹配方法实现树木三维建模,该方法并不能准确地表现树木的真实结构,所建立的模型无法用于树木结构信息的提取。
激光扫描技术由于具有快速获取目标三维点云的能力,已逐渐成为树木建模的重要手段之一。考虑到星载、机载激光扫描技术通常用于获取树冠点云,无法获取详细的树木垂直结构信息,因此目前基于激光点云进行树木模型重建的研究较多针对地面激光扫描数据进行。如Chao Zhu等使用alpha-shape方法重建树冠形状,在此基础上结合树干直径以及树木高度信息实现树木模型重建。该方法虽然可以模拟树木形状,但难以适应复杂的树冠形状,且基于树冠方法重建的模型,树木枝条难以清晰辨别。Zhixun Su等利用约束Laplacian光滑算法迭代收缩提取树木骨架线,该类方法直接针对树木点云进行处理,无需格网化预处理,且有较强的抗噪能力,但骨架线提取结果依赖拉普拉斯加权矩阵权值的选择,且该方法对于复杂的树木结构,建模效率较低。Livny等提出了一种基于全局优化的树木骨架线提取及建模方法,该方法在构建枝干结构图(BSG)的基础上,利用Dijkstra算法提取最小权重生成树图,然后利用一系列树木生长参数的空间分布约束条件迭代处理,得到树木的骨架线。该方法自动处理带有树叶的树木模型,且无需对树木参数进行手工设置,但该方法需要较高的点云质量,且多次迭代平滑处理易产生局部模型失真。尽管地面激光扫描技术能提供细节丰富的树木点云,但由于树木种类繁多且形态复杂,激光点云密度的不均匀、树木枝叶遮挡等因素,基于地面激光扫描点云重建具有真实结构的三维树木模型仍面临较大的技术挑战。
发明内容
本发明要解决的技术问题在于针对现有技术中的缺陷,提供一种基于车载激光扫描点云的树木枝干建模方法及***,在骨架线提取的基础上,通过枝杈分级优化处理以及圆锥台模拟,实现树木枝干模型的重建,有效提高树木模型重建的可靠性和准确性。
本发明解决其技术问题所采用的技术方案是:
提供一种基于车载激光扫描点云的树木枝干建模方法,包括以下步骤:
S1、对树木点云进行预处理获得树木基本信息,所述树木基本信息包括树木点范围、平均点距和高程最低点,利用所述树木基本信息及树木点云构建邻近图,并以m倍平均点距作为近邻点搜索半径,进行近邻图矩阵初始化;
S2、以高程最低点作为树根点,采用单源最短路径算法,搜索每个点到达树根点的最短路径,得到树木的初始骨架线;
S3、基于树木初始骨架线进行树木骨架线分级处理,并以方向优先原则进行树木骨架线优化处理;
S4、利用树木点云信息统计树根骨架节点半径,并根据异速生长理论进行骨架线节点半径的估算;
S5、基于树木骨架线,以骨架节点作为圆锥台截面中心点,骨架节点半径作为圆锥台截面半径,顺序绘制圆锥台,进行树木枝干模拟,并采用局部三角剖分方法修复圆锥台之间的缝隙,完成树木模型的重建。
接上述技术方案,步骤S2中的采用单源最短路径算法搜索每个点到达树根点的最短路径的具体方法如下:
S21、将树木点云的高程最低点标记为该树的树根骨架节点,并计算所有树木点云与树根骨架节点的距离;
S22、利用邻近图,以树根骨架节点为父节点,寻找其沿树梢方向的相邻节点作为子节点,若存在距离父节点最近、且未处理的子节点,则将其标记为当前节点;
S23、寻找当前节点的所有下一子节点,计算树根骨架节点至当前节点与当前节点至下一子节点的距离和,并与原先储存的树根骨架节点至下一子节点的距离比较,若距离和较小,则更新搜索路径,直至当前节点的所有下一子节点都处理完毕;
S24、寻找距离树根骨架节点最近,且尚未标记的子节点,作为当前节点,重复步骤S23,若所有节点均已标记,则全局最短路径搜索完毕。
接上述技术方案,步骤S3中树木骨架线分级处理包括主骨架线识别和枝干骨架线的识别,所述枝干骨架线识别包括一级骨架线识别和次一级骨架线识别,具体实现方法如下:
SA1、主骨架线识别,以树根骨架节点作为起始点进行搜索,通过寻找当前节点的子节点,根据子节点数量以及经过该节点的枝干长度进行识别,将没有子节点的节点标记为枝端点,计算所有枝端点到树根骨架节点的路径长度,作为该枝干的长度,以树根骨架节点作为起始点进行搜索,寻找当前节点沿树梢方向的相邻节点作为子节点,而当前节点则为该子节点的父节点,进行判断:若当前节点只有一个子节点,则将该子节点纳入主骨架线中,继续搜索;若当前节点有多个子节点,则进一步判断经过这些子节点的枝干长度,若经过某一子节点的所有枝干长度都较短,则标记该点为分叉点,停止主骨架线搜索;否则将有长枝干经过的子节点纳入主骨架线中,继续搜索后续子节点;直到某一子节点的所有枝干均为短枝干停止;
SA2、一级骨架线识别,以主骨架的分叉点作为一级枝干的起始生长位置,一级枝干数为该分叉点的子节点个数,对于该分叉点,一级枝干的纳入需要满足两个条件之一:1)该枝干是经过该分叉点的唯一的一条枝干;2)该枝干是经过该分叉点的所有枝干中路径最长的枝干;当满足上述某一个条件时,将当前枝干标记为一级枝干,同时寻找经过主骨架线上分叉点的下一条一级枝干,直到找出所有满足上述两个条件之一的骨架线,即完成一级骨架线的识别;
SA3、次一级骨架线识别,次一级别枝干的起始生长位置,仍为上一级别枝干上的分叉点,从分叉点开始,同样以一级骨架的识别条件进行当前级别所有骨架线的搜索,当遍历完所有的骨架线,则完成当前级别的骨架线识别,迭代进行下一级骨架线搜索,当所有骨架处理完毕,即完成骨架线的分级过程。
接上述技术方案,步骤S3中以方向优先原则进行树木骨架线优化处理,包括骨架线节点连接关系调整和骨架线分叉点处理,所述骨架线节点连接关系调整是指:对于顺序连接的骨架节点如A、B、C,其中A为B的前置节点,B为C的前置节点,若BC连线方向与AB连线方向夹角超过阈值T1,则将C的前置节点从B调整为A;所述骨架线分叉点处理是指:若经过当前节点的两条子骨架线夹角小于阈值T2,则进行合并处理。
接上述技术方案,步骤S4中树木枝干半径的估算公式如下:
其中,RC表示子节点的半径大小,RP表示父节点的半径大小,LC表示子节点的子树大小,LP表示父节点的子树大小。
接上述技术方案,步骤S5中并采用局部三角剖分方法修复圆锥台之间的缝隙是指:利用公共骨架节点坐标、节点处半径以及相邻骨架线段方向,内插出截面圆周上的点,然后顺序连接上下圆周点,即可构建局部三角形,完成圆锥台局部三角剖分,截面圆周上的点坐标可由下式得到:
提供一种基于车载激光扫描点云的树木枝干建模***,其特征在于,包括以下模块:
点云装载模块,对树木点云进行预处理获得树木基本信息,利用所述树木基本信息及树木点云构建邻近图,并以m倍平均点距作为近邻点搜索半径,进行近邻图矩阵初始化;
骨架线提取模块,以高程最低点作为树根点,采用单源最短路径算法,搜索每个点到达树根点的最短路径,得到树木的初始骨架线;
骨架线分级模块,进行树木骨架线分级处理;
骨架线优化模块,以方向优先原则进行树木骨架线优化处理;
骨架节点半径估算模块,利用树木点云信息统计树根处骨架节点半径,并根据异速生长理论进行枝干骨架节点半径的估算;
树木枝干模拟模块,基于树木骨架线,以骨架节点作为圆锥台截面中心点,骨架节点半径作为圆锥台截面半径,顺序绘制圆锥台,进行树木枝干模拟,并采用局部三角剖分方法修复圆锥台之间的缝隙,完成树木模型的重建;
文件输出模块,用于将最终建模的枝干模型结果以文件形式输出。
接上述技术方案,所述骨架线提取模块具体用于:
将树木点云的高程最低点标记为该树的树根骨架节点,并计算所有树木点云与树根骨架节点的距离;
利用邻近图,以树根骨架节点为父节点,寻找其沿树梢方向的相邻节点作为子节点,若存在距离父节点最近、且未处理的子节点,则将其标记为当前节点;
寻找当前节点的所有下一子节点,计算树根骨架节点至当前节点与当前节点至下一子节点的距离和,并与原先储存的树根骨架节点至下一子节点的距离比较,若距离和较小,则更新搜索路径,直至当前节点的所有下一子节点都处理完毕;
寻找距离树根骨架节点最近,且尚未标记的子节点,作为当前节点,重复上一步骤,若所有节点均已标记,则全局最短路径搜索完毕。
接上述技术方案,所述树木枝干模拟模块具体用于:利用公共骨架节点坐标、节点处半径以及相邻骨架线段方向,内插出截面圆周上的点,然后顺序连接上下圆周点,即可构建局部三角形,完成圆锥台局部三角剖分,截面圆周上的点坐标可由下式得到:
本发明还提供了一种计算机存储介质,其内存储有可被计算机处理器执行的程序,该程序执行上述技术方案的基于车载激光扫描点云的树木枝干建模方法。
本发明产生的有益效果是:本发明提供的一种基于车载激光扫描点云的树木枝干建模方法和***,可以快速从车载激光扫描点云中提取出树木骨架线,通过骨架线分级处理,不仅能重建出具有复杂结构的树木模型,而且可以展示具有不同细节的模型结果。本发明的方法和***根据树木骨架线级别设置重建出不同级别的枝干模型,满足不同细节的建模需求,且模型重建结果逼真可靠。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明方法的整体流程图;
图2是本发明实施例中骨架连接关系调整示意图;
图3是本发明实施例中骨架分叉节点处理示意图;
图4是本发明实施例中局部三角形剖分示意图;
图5(a)是本发明实施例中一级枝干建模结果示意图;
图5(b)是本发明实施例中二级枝干建模结果示意图;
图5(c)是本发明实施例中三级枝干建模结果示意图;
图5(d)是本发明实施例中整个树木枝干建模结果示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
如图1所示,本发明提供一种基于车载激光扫描点云的树木枝干建模方法,包括以下步骤:
S1、对树木点云进行预处理获得树木基本信息,所述树木基本信息包括树木点范围、平均点距和高程最低点,基于所述树木基本信息,利用所述树木点云构建邻近图,并以m倍平均点距作为近邻点搜索半径,进行近邻图矩阵初始化;
S2、以高程最低点作为树根点,采用单源最短路径算法,搜索每个点到达树根点的最短路径,得到树木的初始骨架线;
S3、基于树木初始骨架线,进行树木骨架线分级处理,并以方向优先原则进行树木骨架线优化处理;
S4、利用树木点云,统计树根处骨架节点半径,并根据异速生长理论进行枝干骨架节点半径的估算;
S5、基于树木骨架线,以骨架节点作为圆锥台截面中心点,骨架节点半径作为圆锥台截面半径,顺序绘制圆锥台,进行树木枝干模拟,并采用局部三角剖分方法修复圆锥台之间的缝隙,完成树木模型的重建。
进一步地,步骤S2中的采用单源最短路径算法搜索每个点到达树根点的最短路径的具体方法如下:
S21、将树木点云的高程最低点标记为该树的树根骨架节点,并计算所有树木点云与树根骨架节点的距离;
S22、利用邻近图,以树根骨架节点为父节点,寻找其沿树梢方向的相邻节点作为子节点,若存在距离父节点最近、且未处理的子节点,则将其标记为当前节点;
S23、寻找当前节点的所有下一子节点,计算树根骨架节点至当前节点与当前节点至下一子节点的距离和,并与原先储存的树根骨架节点至下一子节点的距离比较,若距离和较小,则更新搜索路径,直至当前节点的所有下一子节点都处理完毕;
S24、寻找距离树根骨架节点最近,且尚未标记的子节点,作为当前节点,重复步骤S23,若所有节点均已标记,则全局最短路径搜索完毕。
进一步地,步骤S3中树木骨架线分级处理包括主骨架线识别和枝干骨架线的识别,所述枝干骨架线的识别包括一级骨架线识别和次一级骨架线识别,具体实现方法如下:
SA1、主骨架线识别,以树根骨架节点作为起始点进行搜索,通过寻找当前节点的子节点,根据子节点数量以及经过该节点的枝干长度进行识别;将没有子节点的节点标记为枝端点,计算所有枝端点到树根骨架节点的路径长度,作为该枝干的长度。以树根骨架节点作为起始点进行搜索,寻找当前节点沿树梢方向的相邻节点作为子节点,而当前节点则为该子节点的父节点,进行判断:若当前节点只有一个子节点,则将该子节点纳入主骨架线中,继续搜索;若当前节点有多个子节点,则进一步判断经过这些子节点的枝干长度,若经过某一子节点的所有枝干长度都较短,则标记该点为分叉点,停止主骨架线搜索;否则将有长枝干经过的子节点纳入主骨架线中,继续搜索后续子节点;直到某一子节点的所有枝干均为短枝干停止。
SA2、一级骨架线识别,以主骨架的分叉点作为一级枝干的起始生长位置,一级枝干数为该分叉点的子节点个数。对于该分叉点,一级枝干的纳入需要满足两个条件之一:1)该枝干是经过该分叉点的唯一的一条枝干。2)该枝干是经过该分叉点的所有枝干中路径最长的枝干。当满足上述某一个条件时,将当前枝干标记为一级枝干,同时寻找经过主骨架线上分叉点的下一条一级枝干,直到找出所有满足上述两个条件之一的骨架线,即完成一级骨架线的识别;
SA3、次一级骨架线识别,次一级别枝干的起始生长位置,仍为上一级别枝干上的分叉点。从分叉点开始,同样以一级骨架的识别条件进行当前级别所有骨架线的搜索,当遍历完所有的骨架线,则完成当前级别的骨架线识别。迭代进行下一级骨架线搜索,当所有骨架处理完毕,即完成骨架线的分级过程。
进一步地,步骤S3中以方向优先原则进行树木骨架线优化处理,包括骨架线节点连接关系调整和骨架线交叉点处理。
骨架线节点连接关系调整是指,如果连续三个骨架节点构成的子骨架线轴向与父骨架线轴向夹角超过阈值T1,则需要将第三节点的父节点由第二点调整为第一点,如图2所示,使用最短路径方法连接成的骨架线将VB节点看作是VA节点的父节点,然而,VB节点与VA节点之间的轴向夹角过大,超过阈值T1(T1默认值为40度),不符合树木枝条平滑生长规律。因此,将VC节点的父节点由VB调整为VC。
骨架线交叉点处理是指,若经过当前节点的两条子骨架线夹角小于阈值T2,则进行合并处理。如图3所示,VC节点与VD节点之间的轴向夹角过小,小于角度阈值T2(T2默认值为10度),可认为VB、VC、VD实际位于同一个树木枝干上,则将骨架节点VC、VD合并得到新的骨架节点VC’,合并后VA的父节点变成了VC’,此时VA节点与VE节点之间的轴向夹角过大,需进一步采用骨架连接关系调整方法,将VA父节点调整为VB节点。
进一步地,步骤S4中树木枝干半径的估算公式如下:
其中,RC表示子节点的半径大小,RP表示父节点的半径大小,LC表示子节点的子树大小,LP表示父节点的子树大小。
进一步地,步骤S5中并采用局部三角剖分方法修复圆锥台之间的缝隙是指:利用公共骨架节点坐标、节点处半径以及相邻骨架线段方向,如图4所示,内插出截面圆周上的点,然后顺序连接上下圆周点,即可构建局部三角形,完成圆锥台局部三角剖分。截面圆周上的点坐标计算公式如下:
以骨架节点作为圆锥台上下截面中心点位置,骨架节点处半径作为圆锥台上下截面半径,绘制圆锥台。沿枝干骨架线顺序绘制圆锥台即可形成一条完整的枝干模型,而通过调整各段枝干参数可生成不同的结果;直接基于圆锥台模拟的枝干模型中,各段枝干之间会存在由于圆锥台轴向不一致形成的缝隙,影响建模效果。5(a)、图5(b)和图5(c)分别为基于车载激光扫描点云的树木模型重建过程中一级、二级、三级枝干建模结果示意图,图5(d)为整个树木枝干模型重建结果。
提供一种基于车载激光扫描点云的树木枝干建模***,其特征在于,包括以下模块:
点云装载模块,对树木点云进行预处理获得树木点云信息,基于所述树木基本信息,利用所述树木点云构建邻近图,并以m倍平均点距作为近邻点搜索半径,进行近邻图矩阵初始化;
骨架线提取模块,以高程最低点作为树根点,采用单源最短路径算法,搜索每个点到达树根点的最短路径,得到树木的初始骨架线;
骨架线分级模块,进行树木骨架线分级处理;
骨架线优化模块,以方向优先原则进行树木骨架线优化处理;
骨架节点半径估算模块,利用树木点云,统计树根处骨架节点半径,并根据异速生长理论进行枝干骨架节点半径的估算;
树木枝干模拟模块,基于树木骨架线,以骨架节点作为圆锥台截面中心点,骨架节点半径作为圆锥台截面半径,顺序绘制圆锥台,进行树木枝干模拟,并采用局部三角剖分方法修复圆锥台之间的缝隙,完成树木模型的重建;
文件输出模块,用于将最终建模的枝干模型结果以文件形式输出。
本发明的基于车载激光扫描点云的树木枝干建模***主要用于实现上述实施例的方法,各个模块与方法步骤一一对应,因此重复部分不赘述。
本发明实施例的计算机存储介质,其内存储有可被计算机处理器执行的程序,该程序执行上述实施例的基于车载激光扫描点云的树木枝干建模方法。具体方法详见上述方法实施例,在此不赘述。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (10)
1.一种基于车载激光扫描点云的树木枝干建模方法,其特征在于,包括以下步骤:
S1、对树木点云进行预处理获得树木基本信息,所述树木基本信息包括树木点范围、平均点距和高程最低点,利用所述树木基本信息及树木点云构建邻近图,并以m倍平均点距作为近邻点搜索半径,进行近邻图矩阵初始化;
S2、以高程最低点作为树根点,采用单源最短路径算法,搜索每个点到达树根点的最短路径,得到树木的初始骨架线;
S3、基于树木初始骨架线进行树木骨架线分级处理,并以枝条延伸方向优先原则进行树木骨架线优化处理;树木骨架线分级处理包括主骨架线识别和枝干骨架线的识别,主骨架线识别具体以树根骨架节点作为起始点进行搜索,通过寻找当前节点的子节点,根据子节点数量以及经过该节点的枝干长度进行识别,将没有子节点的节点标记为枝端点,计算所有枝端点到树根骨架节点的路径长度,作为该枝干的长度,以树根骨架节点作为起始点进行搜索,寻找当前节点沿树梢方向的相邻节点作为子节点,而当前节点则为该子节点的父节点,进行判断:若当前节点只有一个子节点,则将该子节点纳入主骨架线中,继续搜索;若当前节点有多个子节点,则进一步判断经过这些子节点的枝干长度,若经过某一子节点的所有枝干长度都较短,则标记该点为分叉点,停止主骨架线搜索;否则将有长枝干经过的子节点纳入主骨架线中,继续搜索后续子节点;直到某一子节点的所有枝干均为短枝干停止;
S4、利用树木点云信息统计树根骨架节点半径,并根据异速生长理论进行骨架线节点半径的估算;
S5、基于树木骨架线,以骨架节点作为圆锥台截面中心点,骨架节点半径作为圆锥台截面半径,顺序绘制圆锥台,进行树木枝干模拟,并采用局部三角剖分方法修复圆锥台之间的缝隙,完成树木模型的重建。
2.根据权利要求1所述的建模方法,其特征在于,步骤S2中的采用单源最短路径算法搜索每个点到达树根骨架节点的最短路径的具体方法如下:
S21、将树木点云的高程最低点标记为该树的树根骨架节点,并计算所有树木点云与树根骨架节点的距离;
S22、利用邻近图,以树根骨架节点为父节点,寻找其沿树梢方向的相邻节点作为子节点,若存在距离父节点最近、且未处理的子节点,则将其标记为当前节点;
S23、寻找当前节点的所有下一子节点,计算树根骨架节点至当前节点与当前节点至下一子节点的距离和,并与原先储存的树根骨架节点至下一子节点的距离比较,若距离和较小,则更新搜索路径,直至当前节点的所有下一子节点都处理完毕;
S24、寻找距离树根骨架节点最近,且尚未标记的子节点,作为当前节点,重复步骤S23,若所有节点均已标记,则全局最短路径搜索完毕。
3.根据权利要求1所述的建模方法,其特征在于,步骤S3中所述枝干骨架线识别包括一级骨架线识别和次一级骨架线识别,具体实现方法如下:
一级骨架线识别具体为,以主骨架的分叉点作为一级枝干的起始生长位置,一级枝干数为该分叉点的子节点个数,对于主骨架的分叉点,一级枝干的纳入需要满足两个条件之一:1)该枝干是经过该分叉点的唯一的一条枝干;2)该枝干是经过该分叉点的所有枝干中路径最长的枝干;当满足上述某一个条件时,将当前枝干标记为一级枝干,同时寻找经过主骨架线上分叉点的下一条一级枝干,直到找出所有满足上述两个条件之一的骨架线,即完成一级骨架线的识别;
次一级骨架线识别具体为,从上一级别枝干上的分叉点开始,同样以一级骨架的识别条件进行当前级别所有骨架线的搜索,当遍历完所有的骨架线,则完成当前级别的骨架线识别,迭代进行下一级骨架线搜索,当所有骨架处理完毕,即完成骨架线的分级过程。
4.根据权利要求1所述的建模方法,其特征在于,步骤S3中以枝条延伸方向优先原则进行树木骨架线优化处理,包括骨架线节点连接关系调整和骨架线分叉点处理,所述骨架线节点连接关系调整是指:对于顺序连接的骨架节点如A、B、C,其中A为B的前置节点,B为C的前置节点,若BC连线方向与AB连线方向夹角超过阈值T1,则将C的前置节点从B调整为A;所述骨架线分叉点处理是指:若经过当前节点的两条子骨架线夹角小于阈值T2,则进行合并处理。
7.一种基于车载激光扫描点云的树木枝干建模***,其特征在于,包括以下模块:
点云装载模块,对树木点云进行预处理获得树木基本信息,利用所述树木基本信息及树木点云构建邻近图,并以m倍平均点距作为近邻点搜索半径,进行近邻图矩阵初始化;
骨架线提取模块,以高程最低点作为树根点,采用单源最短路径算法,搜索每个点到达树根点的最短路径,得到树木的初始骨架线;
骨架线分级模块,进行树木骨架线分级处理,树木骨架线分级处理包括主骨架线识别和枝干骨架线的识别,主骨架线识别具体以树根骨架节点作为起始点进行搜索,通过寻找当前节点的子节点,根据子节点数量以及经过该节点的枝干长度进行识别,将没有子节点的节点标记为枝端点,计算所有枝端点到树根骨架节点的路径长度,作为该枝干的长度,以树根骨架节点作为起始点进行搜索,寻找当前节点沿树梢方向的相邻节点作为子节点,而当前节点则为该子节点的父节点,进行判断:若当前节点只有一个子节点,则将该子节点纳入主骨架线中,继续搜索;若当前节点有多个子节点,则进一步判断经过这些子节点的枝干长度,若经过某一子节点的所有枝干长度都较短,则标记该点为分叉点,停止主骨架线搜索;否则将有长枝干经过的子节点纳入主骨架线中,继续搜索后续子节点;直到某一子节点的所有枝干均为短枝干停止;
骨架线优化模块,以枝条延伸方向优先原则进行树木骨架线优化处理;
骨架节点半径估算模块,利用树木点云信息统计树根处骨架节点半径,并根据异速生长理论进行枝干骨架节点半径的估算;
树木枝干模拟模块,基于树木骨架线,以骨架节点作为圆锥台截面中心点,骨架节点半径作为圆锥台截面半径,顺序绘制圆锥台,进行树木枝干模拟,并采用局部三角剖分方法修复圆锥台之间的缝隙,完成树木模型的重建;
文件输出模块,用于将最终建模的枝干模型结果以文件形式输出。
8.根据权利要求7所述的建模***,其特征在于,所述骨架线提取模块具体用于:
将树木点云的高程最低点标记为该树的树根骨架节点,并计算所有树木点云与树根骨架节点的距离;
利用邻近图,以树根骨架节点为父节点,寻找其沿树梢方向的相邻节点作为子节点,若存在距离父节点最近、且未处理的子节点,则将其标记为当前节点;
寻找当前节点的所有下一子节点,计算树根骨架节点至当前节点与当前节点至下一子节点的距离和,并与原先储存的树根骨架节点至下一子节点的距离比较,若距离和较小,则更新搜索路径,直至当前节点的所有下一子节点都处理完毕;
寻找距离树根骨架节点最近,且尚未标记的子节点,作为当前节点,重复上一步骤,若所有节点均已标记,则全局最短路径搜索完毕。
10.一种计算机存储介质,其特征在于,其内存储有可被计算机处理器执行的程序,该程序执行如权利要求1-6中任一项所述的基于车载激光扫描点云的树木枝干建模方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911280114.5A CN110992473B (zh) | 2019-12-13 | 2019-12-13 | 一种基于车载激光扫描点云的树木枝干建模方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911280114.5A CN110992473B (zh) | 2019-12-13 | 2019-12-13 | 一种基于车载激光扫描点云的树木枝干建模方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110992473A CN110992473A (zh) | 2020-04-10 |
CN110992473B true CN110992473B (zh) | 2022-03-25 |
Family
ID=70093258
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911280114.5A Active CN110992473B (zh) | 2019-12-13 | 2019-12-13 | 一种基于车载激光扫描点云的树木枝干建模方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110992473B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111598915B (zh) * | 2020-05-19 | 2023-06-30 | 北京数字绿土科技股份有限公司 | 点云单木分割方法、装置、设备及计算机可读介质 |
CN112102494B (zh) * | 2020-09-07 | 2022-08-26 | 重庆大学 | 骨架线引导的树状点云表面重建方法及装置 |
CN112802089B (zh) * | 2021-02-05 | 2023-09-01 | 重庆大学 | 一种基于分叉数量自动估计的点云骨架线提取方法及*** |
CN112819963B (zh) * | 2021-02-20 | 2022-04-26 | 华中科技大学鄂州工业技术研究院 | 一种树木枝干模型批量差异化建模方法以及相关设备 |
CN113035038A (zh) * | 2021-03-29 | 2021-06-25 | 安徽工业大学 | 一种虚拟骨科手术练习***及模拟训练方法 |
CN113903016B (zh) * | 2021-12-09 | 2022-05-13 | 深圳佑驾创新科技有限公司 | 分岔点检测方法、装置、计算机设备和存储介质 |
CN114648566A (zh) * | 2022-03-31 | 2022-06-21 | 西安石油大学 | 一种真实树木对街道污染物运移影响的模拟方法 |
CN116957857B (zh) * | 2023-09-19 | 2024-01-16 | 中国建筑西南设计研究院有限公司 | 建筑修复方法、装置及电子设备 |
CN117710601B (zh) * | 2023-12-27 | 2024-05-24 | 南京林业大学 | 一种基于激光点云和图像信息的单木骨架提取方法及*** |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102682475B (zh) * | 2012-05-11 | 2016-02-17 | 北京师范大学 | 一种基于地面激光雷达点云数据自适应构建三维树木骨架的方法 |
CN103646421B (zh) * | 2013-12-13 | 2016-08-17 | 贾金原 | 基于增强型PyrLK光流法的树木轻量化3D重建方法 |
CN103942838A (zh) * | 2014-05-13 | 2014-07-23 | 福州大学 | 基于点云数据的单树三维建模与形态参数提取的方法 |
-
2019
- 2019-12-13 CN CN201911280114.5A patent/CN110992473B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110992473A (zh) | 2020-04-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110992473B (zh) | 一种基于车载激光扫描点云的树木枝干建模方法及*** | |
CN106529469B (zh) | 基于自适应坡度的无人机载LiDAR点云滤波方法 | |
Mei et al. | 3D tree modeling from incomplete point clouds via optimization and L 1-MST | |
CN108038906B (zh) | 一种基于图像的三维四边形网格模型重建方法 | |
CN111612896B (zh) | 一种基于机载激光雷达树点云重建三维树模型的方法 | |
CN108171780A (zh) | 一种基于激光雷达构建室内真实三维地图的方法 | |
CN105740798B (zh) | 一种基于结构分析的点云场景物体识别方法 | |
CN103871100B (zh) | 基于点云与数据驱动的树木模型重建方法 | |
CN103942838A (zh) | 基于点云数据的单树三维建模与形态参数提取的方法 | |
CN106815847A (zh) | 基于激光雷达点云的树木分割方法及单棵树提取方法 | |
CN110136246A (zh) | 基于类主干点的三维树木几何模型重建方法 | |
Zhang et al. | Data-driven synthetic modeling of trees | |
WO2015149302A1 (zh) | 基于点云与数据驱动的树木模型重建方法 | |
CN104392486A (zh) | 一种点云场景重建方法 | |
CN103258345A (zh) | 一种基于地面激光雷达三维扫描的树木枝干参数提取方法 | |
Li et al. | An automatic tree skeleton extracting method based on point cloud of terrestrial laser scanner | |
CN114004938B (zh) | 一种基于海量数据的城市场景重建方法及装置 | |
CN113724279B (zh) | 路网自动划分交通小区的***、方法、设备及存储介质 | |
CN114219912A (zh) | 一种从地基激光雷达点云中自动重建树木结构的方法 | |
Hu et al. | Geometric feature enhanced line segment extraction from large-scale point clouds with hierarchical topological optimization | |
CN115018982A (zh) | 一种基于地基激光雷达点云的树木数字孪生方法 | |
CN115205690A (zh) | 基于mls点云数据的行道树单体化提取方法及装置 | |
Borisov et al. | An automated process of creating 3D city model for monitoring urban infrastructures | |
Gupta et al. | Tree annotations in LiDAR data using point densities and convolutional neural networks | |
Huang et al. | A 3D individual tree modeling technique based on terrestrial LiDAR point cloud data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |