本文關(guān)鍵詞：側(cè)視LiDAR數(shù)據(jù)多層次單木點云分割研究，由筆耕文化傳播整理發(fā)布。

【摘要】：森林資源對生態(tài)系統(tǒng)和人類生活有著十分重要的作用,獲取準(zhǔn)確的樹木參數(shù)是森林資源調(diào)查的基本工作,也是開展農(nóng)林生態(tài)研究和虛擬環(huán)境模擬的前提條件。側(cè)視激光雷達(dá)(LiDAR)通過高精度側(cè)視掃描的方式,能夠快速獲取樹干、冠層表面和部分冠層內(nèi)部結(jié)構(gòu)的點云數(shù)據(jù),十分利于單木尺度的樹木科學(xué)研究和精確林木參數(shù)提取。從LiDAR數(shù)據(jù)中分割出單木點云,是進(jìn)行單木參數(shù)提取和后續(xù)深入研究的前提條件,已經(jīng)成為LiDAR技術(shù)研究的熱點。側(cè)視LiDAR數(shù)據(jù)是空間離散的高密度三維點云,數(shù)據(jù)量龐大且無法存儲空間拓?fù)湫畔?點云中存在許多因遮擋產(chǎn)生的間隙,加上不同樹種、不同生長環(huán)境和不同物候狀態(tài)下的樹木形態(tài)差異較大,從側(cè)視LiDAR數(shù)據(jù)中有效分離出單木點云存在較大難度。對此,論文提出了一套多層次單木點云分割技術(shù),該技術(shù)以自適應(yīng)八叉樹結(jié)構(gòu)為基礎(chǔ),用自適應(yīng)八叉樹葉節(jié)點代替LiDAR點云分別進(jìn)行區(qū)域級、單木級和冠層級的分割,再根據(jù)葉節(jié)點與激光數(shù)據(jù)點的對應(yīng)關(guān)系對原始LiDAR點云進(jìn)行類別標(biāo)記,從而實現(xiàn)單木點云的分割。具體研究內(nèi)容如下：(1)自適應(yīng)八叉樹點云索引。側(cè)視LiDAR數(shù)據(jù)擁有很高的激光點密度和數(shù)據(jù)冗余度,且無空間鄰接關(guān)系,直接對其進(jìn)行處理將在空間檢索上耗費大量計算機資源,效率十分低下,因而建立高效的點云索引機制十分必要。既有點云索引方法中,八叉樹在構(gòu)建時間和檢索效率上均有較好的表現(xiàn),但結(jié)構(gòu)中存在大量“虛胖”節(jié)點,葉節(jié)點位置精度較低,對原始點云的替代性不高；對此,研究通過對節(jié)點分裂規(guī)則進(jìn)行修改,提出了一種自適應(yīng)八叉樹索引結(jié)構(gòu)。利用LiDAR數(shù)據(jù)進(jìn)行的索引構(gòu)建結(jié)果表明,自適應(yīng)八叉樹索引與傳統(tǒng)八叉樹索引相比,索引構(gòu)建效率略低,鄰域檢索效率相當(dāng),節(jié)點位置精度更高。(2)多層次單木點云分割技術(shù)。針對側(cè)視LiDAR數(shù)據(jù),借助自適應(yīng)八叉樹結(jié)構(gòu),分別從區(qū)域級、單木級和冠層級進(jìn)行自上而下的單木點云分割。首先對點云進(jìn)行預(yù)處理操作,濾除地面點和建筑物立面點；然后進(jìn)行區(qū)域級分割,對點云構(gòu)建自適應(yīng)八叉樹,根據(jù)葉節(jié)點空間鄰接關(guān)系對預(yù)處理后的LiDAR數(shù)據(jù)進(jìn)行空間聚類,將離散點云聚類為局部區(qū)域的點集；接著進(jìn)行單木級分割,對每個聚為一類的點集重新構(gòu)建自適應(yīng)八叉樹,生成葉節(jié)點水平分布直方圖,通過分析直方圖局部形態(tài)特征進(jìn)行樹干檢測提取,根據(jù)樹干位置對水平空間進(jìn)行Voronoi分割,得到樹木核心區(qū)和冠層重疊區(qū),并完成除重疊冠層以外的其余部分分割；最后進(jìn)行冠層級分割,從數(shù)據(jù)結(jié)構(gòu)、分割流程和圖節(jié)點相似度上對傳統(tǒng)歸一化切分(Ncut)方法進(jìn)行改進(jìn),然后使用改進(jìn)的Ncut方法對相鄰樹木間的重疊冠層點云進(jìn)行分割,將其劃分到各自所屬的樹木點云中,實現(xiàn)單木點云的完整分割。分別利用采集自不同環(huán)境下的一套地面LiDAR數(shù)據(jù)與—套車載LiDAR數(shù)據(jù)對研究提出的技術(shù)框架進(jìn)行實驗驗證,結(jié)果表明,該技術(shù)框架能夠?qū)?cè)視LiDAR數(shù)據(jù)進(jìn)行有效單木點云分割,兩套LiDAR數(shù)據(jù)均達(dá)到了94%的總體分割精度。此外,單木級分割中,結(jié)合直方圖形態(tài)特征和地面連通性的樹干檢測策略,能夠同時適用于高密度樹木區(qū)域和低密度樹木區(qū)域,拓寬了方法的適用范圍；冠層級分割中,改進(jìn)的圖結(jié)點相似度計算方法使得枝條末梢也有較好的分割結(jié)果,保障了分割結(jié)果的細(xì)節(jié)程度。
【關(guān)鍵詞】：側(cè)視LiDAR 單木點云 點云分割 點云索引 歸一化切分方法
【學(xué)位授予單位】：南京大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：S771;P225
【目錄】：

• 摘要4-6
• Abstract6-17
• 第一章 緒論17-30
• 1.1 選題背景與研究意義17-19
• 1.1.1 選題背景17-19
• 1.1.2 研究目的與研究意義19
• 1.2 點云空間索引策略綜述19-22
• 1.2.1 點云空間索引方法19-21
• 1.2.2 點云空間索引方法小結(jié)21-22
• 1.3 單木點云分割方法綜述22-25
• 1.3.1 機載LiDAR單木點云分割方法22-23
• 1.3.2 側(cè)視LiDAR單木點云分割方法23-25
• 1.3.3 單木點云分割方法小結(jié)25
• 1.4 研究內(nèi)容與技術(shù)路線25-28
• 1.4.1 研究內(nèi)容25
• 1.4.2 研究難點25-26
• 1.4.3 技術(shù)路線26-28
• 1.5 論文組織結(jié)構(gòu)28-30
• 第二章 研究區(qū)與數(shù)據(jù)30-34
• 2.1 研究區(qū)介紹30-31
• 2.2 數(shù)據(jù)介紹31-34
• 2.2.1 地面LiDAR數(shù)據(jù)31-32
• 2.2.2 車載LiDAR數(shù)據(jù)32-34
• 第三章 基于自適應(yīng)八叉樹的點云索引34-50
• 3.1 引言34-37
• 3.2 自適應(yīng)八叉樹37-40
• 3.2.1 傳統(tǒng)八叉樹37-38
• 3.2.2 自適應(yīng)八叉樹38-40
• 3.3 自適應(yīng)八叉樹構(gòu)建結(jié)果40-49
• 3.3.1 索引構(gòu)建效率40-42
• 3.3.2 鄰域檢索效率42-46
• 3.3.3 節(jié)點位置精度46-49
• 3.4 小結(jié)49-50
• 第四章 多層次單木點云分割技術(shù)50-64
• 4.1 引言50-51
• 4.2 區(qū)域級分割——點云空間聚類51-53
• 4.3 單木級分割——樹木核心區(qū)域分割53-58
• 4.3.1 樹干檢測53-56
• 4.3.2 基于Voronoi圖的粗分割56-58
• 4.4 冠層級分割——重疊冠層分割58-63
• 4.4.1 歸一化切分方法59-62
• 4.4.2 改進(jìn)的歸一化切分方法62-63
• 4.5 小結(jié)63-64
• 第五章 單木點云分割實驗64-78
• 5.1 數(shù)據(jù)預(yù)處理64-65
• 5.2 單木點云分割實驗65-71
• 5.2.1 區(qū)域級分割65-66
• 5.2.2 單木級分割66-67
• 5.2.3 冠層級分割67-68
• 5.2.4 單木點云分割結(jié)果68-69
• 5.2.5 精度與誤差分析69-71
• 5.3 參數(shù)討論71-75
• 5.3.1 自適應(yīng)八叉樹節(jié)點粒度71
• 5.3.2 局部最大值搜索半徑71-72
• 5.3.3 直方圖峰度閾值72-74
• 5.3.4 Voronoi圖緩沖區(qū)大小74
• 5.3.5 Ncut節(jié)點相似性74-75
• 5.4 分割結(jié)果初步應(yīng)用75-77
• 5.5 小結(jié)77-78
• 第六章 結(jié)論與展望78-81
• 6.1 研究結(jié)論78-79
• 6.2 主要創(chuàng)新79
• 6.3 研究展望79-81
• 參考文獻(xiàn)81-87
• 攻讀碩士學(xué)位期間取得的主要成果87-89
• 致謝89-91

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 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

2 龔書林;;三維激光點云處理軟件的若干關(guān)鍵技術(shù)[J];測繪通報;2014年06期

3 趙強;彭國華;王鋒;;點云精簡的一種方法[J];西南民族大學(xué)學(xué)報(自然科學(xué)版);2006年05期

4 李德江;張延波;于曼竹;姜麗麗;曲雪光;;基于掃描模式的點云修復(fù)技術(shù)研究[J];測繪與空間地理信息;2011年06期

5 蔡來良;李儒;;點云數(shù)據(jù)處理算法與實現(xiàn)初步研究[J];測繪通報;2012年S1期

6 詹慶明;張海濤;喻亮;;古建筑激光點云-模型多層次一體化數(shù)據(jù)模型[J];地理信息世界;2010年04期

7 曾敬文;朱照榮;丁銳;;基于立方體網(wǎng)格的數(shù)據(jù)點云約簡和體積計算方法[J];測繪科學(xué);2008年06期

8 楊欣;姚海燕;;平面點云邊界參數(shù)識別[J];中國西部科技;2009年27期

9 孫瑞;張彩霞;;點云數(shù)據(jù)壓縮算法綜述[J];科技信息;2010年32期

10 張毅;閆利;;地面激光點云強度噪聲的三維擴散濾波方法[J];測繪學(xué)報;2013年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 李文濤;韋群;楊海龍;;基于圖像的點云生成和預(yù)處理[A];2011年全國通信安全學(xué)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(xué)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(shè)計與計算學(xué)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(xué)學(xué)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(xué)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(xué)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(yīng)用（CACIS）學(xué)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(jìn)科技經(jīng)濟(jì)結(jié)合，服務(wù)創(chuàng)新驅(qū)動發(fā)展——蚌埠市科協(xié)2012年度學(xué)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(xué)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(jìn)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

中國重要報紙全文數(shù)據(jù)庫 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(yuǎn)見的裝備創(chuàng)新[N];中國測繪報;2012年

中國博士學(xué)位論文全文數(shù)據(jù)庫 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(xué);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(xué);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(xué);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(xué);2015年

5 金龍存;3D點云復(fù)雜曲面重構(gòu)關(guān)鍵算法研究[D];上海大學(xué);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(xué)院深圳先進(jìn)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(xué)（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(xué);2007年

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

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

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

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

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

3 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(xué)(北京);2015年

4 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(xué);2015年

5 呂超;異型面工件定位裝配系統(tǒng)測控技術(shù)研究[D];北京交通大學(xué);2016年

6 劉婷玉;基于逆向工程的曲面模型數(shù)字化技術(shù)研究[D];華東理工大學(xué);2016年

7 羅寒;地面激光掃描三維模型重建技術(shù)研究[D];東華理工大學(xué);2016年

8 劉群;基于小光斑機載LiDAR數(shù)據(jù)的單木三維分割[D];北京林業(yè)大學(xué);2016年

9 張巍;基于深度相機Kinect的植物葉片重建研究[D];江蘇大學(xué);2016年

10 謝穎;基于三維激光掃描的糧倉儲量測量中點云數(shù)據(jù)處理技術(shù)的研究[D];華東師范大學(xué);2016年

  本文關(guān)鍵詞：側(cè)視LiDAR數(shù)據(jù)多層次單木點云分割研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：367027