基于點云數(shù)據(jù)的單樹三維建模與形態(tài)參數(shù)提取的方法
【專利摘要】本發(fā)明涉及一種基于點云數(shù)據(jù)的單樹三維建模與形態(tài)參數(shù)提取的方法。該方法，利用三維掃描儀或其它實景測量方式獲得高密度的活立木三維表面點云數(shù)據(jù)，利用K近鄰圖計算各點到根節(jié)點的最短距離，按距離對數(shù)據(jù)分層聚類，各聚類層次的中心作為枝干系統(tǒng)的骨架點，同時提取骨架點對應半徑；連接骨架點建立枝條的拓撲結(jié)構(gòu)并對枝條進行分級；利用廣義圓柱體對枝條三維幾何重建；在枝干系統(tǒng)上添加葉子模型，形成逼真的三維單樹模型；同時從點云中提取立木的樹高、胸徑和冠幅。本發(fā)明能夠快速、半自動化的提取出樹木重要幾何參數(shù)及拓撲信息，形成高逼真度的單樹幾何模型，且本發(fā)明方法在農(nóng)林業(yè)調(diào)查、生態(tài)研究、園林規(guī)劃等領(lǐng)域具有廣闊的應用前景和價值。
【專利說明】基于點云數(shù)據(jù)的單樹三維建模與形態(tài)參數(shù)提取的方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及屬于農(nóng)業(yè)信息化領(lǐng)域，涉及利用三維掃描儀和攝影測量、計算機視覺技術(shù)獲取樹木的三維表面結(jié)構(gòu)數(shù)據(jù)(點云)，并根據(jù)點云數(shù)據(jù)對樹木的三維形態(tài)結(jié)構(gòu)進行處理分析和重建的方法，特別是一種基于點云數(shù)據(jù)的單樹三維建模與形態(tài)參數(shù)提取的方法。
【背景技術(shù)】
[0002]準確可靠的植物形態(tài)結(jié)構(gòu)數(shù)據(jù)是實現(xiàn)植物三維幾何形態(tài)重建和生長過程模擬的基礎(chǔ)。只有獲得準確的幾何形態(tài)結(jié)構(gòu)，才能在虛擬環(huán)境中生成既符合實際幾何尺寸與形態(tài)特征、又有一定真實感的植物個體。作為植物界的重要組成部分，由于樹木形態(tài)結(jié)構(gòu)復雜多變，對其進行真實感三維幾何重建成為虛擬森林(植物)環(huán)境、虛擬現(xiàn)實研究領(lǐng)域中的普遍關(guān)注的對象。如何快速、準確、有效地獲取樹木個體的三維空間信息(含幾何尺度參數(shù)、幾何拓撲關(guān)系)，成為樹木高逼真度三維建模首要解決的問題?，F(xiàn)有的植物對象幾何信息獲取方法大多是基于手工測量數(shù)據(jù)和數(shù)字設(shè)計的手段，傳統(tǒng)的數(shù)據(jù)采集技術(shù)速度慢、精度低，在精確性和真實感上難以滿足現(xiàn)代植物幾何建模與應用的要求。
[0003]近年來三維掃描和攝影測量技術(shù)的飛速發(fā)展，為樹木形態(tài)結(jié)構(gòu)的參數(shù)提取和逼真重建提供了一個全新、有效的數(shù)據(jù)獲取方法。三維掃描技術(shù)能夠直接獲取高精度、高密度的物體表面的三維空間點云數(shù)據(jù)，具有非接觸性、掃描速度快、實時性強、精度高、主動性強、全數(shù)字特征等特點。
[0004]利用點云數(shù)據(jù)進行樹木參數(shù)提取和三維建模，早期的工作利用B樣條曲面擬合一系列圓柱模型表達枝干，該法只適用于無葉的、枝干特征典型的樹木。近幾年來，新的方法不斷涌現(xiàn)，可大致分為分步建模方法和直接利用點云數(shù)據(jù)自動構(gòu)建三維樹木模型兩大類。分步建模方法首先從點云中獲取樹木建模的必要參數(shù)，然后將這些參數(shù)輸入到已有的樹木建模軟件中構(gòu)建三維模型；自動方法則在一個系統(tǒng)內(nèi)部完成建模的全部過程。
[0005]由于遮蔽現(xiàn)象以及環(huán)境中的干擾，獲得的活立木點云通常具有數(shù)據(jù)缺失、分布不均、含有噪聲等特點需要克服；根據(jù)此點云數(shù)據(jù)重建獲得的樹木三維模型不可避免地會有一些缺失和誤差；現(xiàn)有的方法和系統(tǒng)未能提供交互式的手段使用戶可以修正更改局部錯誤的模型。
[0006]專利號為ZL201010188292.8，發(fā)明名稱為“樹木點云數(shù)據(jù)基于分割和自動生長的三維模型重建方法”的專利中提出了一種僅利用激光掃描儀的掃描數(shù)據(jù)，得到忠實于原始實物的三維重建模型的方法，該方法通過數(shù)據(jù)分割和樹枝的細枝的生長獲得樹木點云數(shù)據(jù)的重建模型。但是這種重建方法的不足之處，主要在于需要將點云按照主曲率分割為不同的器官，由于點云數(shù)據(jù)的空間分布不均，該方法在數(shù)據(jù)點密集的主干部分有效，但在其它遮蔽嚴重、數(shù)據(jù)點稀疏區(qū)域，其分割效果可能不佳，重建結(jié)果受到影響。
[0007]申請?zhí)枮镃N201310014769.4，發(fā)明名稱為“一種帶葉狀態(tài)樹木形態(tài)結(jié)構(gòu)三維重建的方法和系統(tǒng)”的專利中提出了一種帶葉狀態(tài)樹木形態(tài)結(jié)構(gòu)三維重建的方法和系統(tǒng)，實現(xiàn)了帶葉狀態(tài)樹形態(tài)結(jié)構(gòu)的快速三維重建。但是這種重建方法的不足之處，主要在于需要將點云按照不同的顏色分割為不同的器官，再分別地對各器官進行重建。分割是基于顏色進行的，而顏色數(shù)據(jù)不是每種數(shù)字化儀器都能產(chǎn)生的，即點云數(shù)據(jù)中可能缺失RGB屬性值。
[0008]本發(fā)明方法的優(yōu)點在于可以處理不同來源的點云數(shù)據(jù)(如地面激光掃描儀、三維掃描儀和攝影測量)；可直接利用原數(shù)據(jù)對樹木枝條進行分級，建立枝干系統(tǒng)，然后利用交互式編輯的方式，增加細枝和葉，彌補因數(shù)據(jù)缺失而模型不完整的問題。

【發(fā)明內(nèi)容】

[0009]本發(fā)明的目的在于提供一種可以處理不同來源的點云數(shù)據(jù)；可直接利用原數(shù)據(jù)對樹木枝條進行分級，建立枝干系統(tǒng)，然后利用交互式編輯的方式，增加細枝和葉，彌補因數(shù)據(jù)缺失而模型不完整的問題的基于點云數(shù)據(jù)的單樹三維建模與形態(tài)參數(shù)提取的方法。
[0010]為實現(xiàn)上述目的，本發(fā)明的技術(shù)方案是:一種基于點云數(shù)據(jù)的單樹三維建模與形態(tài)參數(shù)提取的方法，包括如下步驟，
步驟A:采用地面激光掃描儀獲得單棵活立木的點云數(shù)據(jù)并預處理，構(gòu)建Kd-tree樹數(shù)據(jù)結(jié)構(gòu)進行數(shù)據(jù)的存儲和管理；
步驟B:確定點云中主干的根節(jié)點，建立點云K近鄰圖，計算各點到根節(jié)點的最短距離，按距離將數(shù)據(jù)分層聚類，計算各聚類層次的中心，從而得到枝干的骨架點；
步驟C:建立枝干骨架點的拓撲結(jié)構(gòu)，對枝干進行分級組織，估算枝干在骨架點位置的半徑，使用廣義圓柱體對枝干進行三維幾何重建形成枝干系統(tǒng)；
步驟D:建立葉三維模型，采用交互式方式在枝干系統(tǒng)上添加葉模型，形成逼真的三維模型；
步驟E:從點云數(shù)據(jù)中直接提取樹高、胸徑和冠幅的樹木形態(tài)結(jié)構(gòu)參數(shù)。
[0011]在本發(fā)明實施例中，所述步驟B，具體包括以下步驟:
步驟B1:利用點云數(shù)據(jù)的Kd-Tree結(jié)構(gòu)，對每個數(shù)據(jù)點進行k個最近鄰搜索，或以半徑R進行范圍搜索，連接搜索點與最近鄰點，使它們之間構(gòu)成連通關(guān)系，依次遍歷所有的點，完成鄰域圖的創(chuàng)建；
步驟B2:交互式選擇或通過對底部點云的圓擬合確定的圓心作為樹木的根節(jié)點，即代表樹木主干的最低位置的一個點；
步驟B3:根據(jù)構(gòu)建的鄰域圖，計算各點到根節(jié)點的最短路徑，最短路徑的長度即為該點到根節(jié)點的測地距離，由此形成的單源路徑圖，稱為測地圖；
步驟B4:根據(jù)測地距離的不同，將點云數(shù)據(jù)分層聚類，分層的數(shù)目由樹木的復雜性和模型的分辨率需求而定；
步驟B5:計算點云各個層次聚類的中心或重心的位置，作為各級枝干的骨架點。
[0012]在本發(fā)明實施例中，所述步驟BI的K值或R值的大小根據(jù)掃描精度和數(shù)據(jù)質(zhì)量確定。
[0013]在本發(fā)明實施例中，所述步驟B3,采用了一種改進的Dijkstra算法,具體包括以下步驟:
步驟B31:定義和初始化根節(jié)點P、鄰接數(shù)組is join,定義前驅(qū)數(shù)組predrive和路徑距離數(shù)組dis，其中鄰接數(shù)組用于存儲距離矩陣，前驅(qū)數(shù)組用于存放最短路徑中每個點的前一個點，路徑距離數(shù)組用于存放其它點到根節(jié)點的距離；步驟B32:根據(jù)鄰域圖中的鄰接數(shù)組初始化路徑距離數(shù)組，沒有距離值的初始化為無窮大；
步驟B33:計算路徑距離數(shù)組中最小值，記為w ；
步驟B34:遍歷w的近鄰點j,比較j點到根節(jié)點的距離與w點到根節(jié)點的距離加上W、j點間的距離之和的大小關(guān)系，把較小的值作為j點到根節(jié)點的距離，并將w放入j的前驅(qū)數(shù)組中，否則判斷下一個近鄰點，直到整體循環(huán)結(jié)束，前驅(qū)數(shù)組中的值即為每個點到根節(jié)點的最短路徑。
[0014]在本發(fā)明實施例中，所述步驟C，具體包括以下步驟:
步驟Cl:連接骨架點建立樹結(jié)構(gòu)，并對骨架點對應的枝條進行拓撲分級，主干定義為第O級，從主干上生長出來的枝條屬于第一級，從第一級枝條上生長出來的枝條為第二級，以此類推；
步驟C2:利用骨架點的遍歷次數(shù)，估算骨架點對應枝條的半徑；
步驟C3:根據(jù)各骨架點及對應的半徑和拓撲關(guān)系，采用廣義圓柱體模擬枝條，建立枝干系統(tǒng)的三維幾何模型。
[0015]在本發(fā)明實施例中，所述步驟Cl中對骨架點對應枝條的拓撲分級，具體包括以下步驟:
步驟Cll:從根結(jié)點開始，第一級點云中的骨架點作為根結(jié)點的孩子結(jié)點，依次類推，下一級骨架點作為上一級骨架點的孩子結(jié)點，如果同一層級中存在多個骨架點時，其下一層級中的骨架點，按照空間近鄰的方法，查找上一層級中離自己最近的骨架點作為父結(jié)點，從而構(gòu)建整體骨架的樹結(jié)構(gòu)；
步驟C12:賦予每個骨架點一個方向值和遍歷次數(shù)值，骨架點的方向為其父結(jié)點指向該骨架點的方向矢量，遍歷次數(shù)為其它點到根結(jié)點的路徑經(jīng)過當前點的次數(shù)；
步驟C13:從根結(jié)點開始，依次搜索其孩子結(jié)點，當孩子結(jié)點的方向與其父結(jié)點的方向的夾角Θ小于一定的閾值S，且孩子結(jié)點的遍歷數(shù)大于一定的閾值ε，把該孩子節(jié)點作為主干節(jié)點，并統(tǒng)計孩子結(jié)點數(shù)目；若結(jié)點數(shù)只有I個，則將其作為主干路徑中的下一個結(jié)點，結(jié)點數(shù)多于I個，選擇夾角Θ的最小值點作為主干路徑中下一個結(jié)點，同時將當前結(jié)點作為下一級別枝條的起始生長點；
步驟C14:從步驟C13中的起始生長點開始，根據(jù)步驟C13所述的過程識別一級枝條，依此類推，當遍歷完所有的骨架點，識別所有枝條的路徑后即可完成枝條分級。
[0016]在本發(fā)明實施例中，所述步驟C2中枝條半徑的估算過程為:通過對骨架樹的遍歷，獲得每個骨架結(jié)點下屬的孩子數(shù)目，即為該骨架點的遍歷次數(shù)VisitNum，該骨架點對應
的半徑
【權(quán)利要求】
1.一種基于點云數(shù)據(jù)的單樹三維建模與形態(tài)參數(shù)提取的方法，其特征在于:包括如下步驟， 步驟A:采用地面激光掃描儀獲得單棵活立木的點云數(shù)據(jù)并預處理，構(gòu)建Kd-tree樹數(shù)據(jù)結(jié)構(gòu)進行數(shù)據(jù)的存儲和管理； 步驟B:確定點云中主干的根節(jié)點，建立點云K近鄰圖，計算各點到根節(jié)點的最短距離，按距離將數(shù)據(jù)分層聚類，計算各聚類層次的中心，從而得到枝干的骨架點； 步驟C:建立枝干骨 架點的拓撲結(jié)構(gòu)，對枝干進行分級組織，估算枝干在骨架點位置的半徑，使用廣義圓柱體對枝干進行三維幾何重建形成枝干系統(tǒng)； 步驟D:建立葉三維模型，采用交互式方式在枝干系統(tǒng)上添加葉模型，形成逼真的三維模型； 步驟E:從點云數(shù)據(jù)中直接提取樹高、胸徑和冠幅的樹木形態(tài)結(jié)構(gòu)參數(shù)。
2.根據(jù)權(quán)利要求1所述的基于點云數(shù)據(jù)的單樹三維建模與形態(tài)參數(shù)提取的方法，其特征在于:所述步驟B，具體包括以下步驟: 步驟B1:利用點云數(shù)據(jù)的Kd-Tree結(jié)構(gòu)，對每個數(shù)據(jù)點進行k個最近鄰搜索，或以半徑R進行范圍搜索，連接搜索點與最近鄰點，使它們之間構(gòu)成連通關(guān)系，依次遍歷所有的點，完成鄰域圖的創(chuàng)建； 步驟B2:交互式選擇或通過對底部點云的圓擬合確定的圓心作為樹木的根節(jié)點，即代表樹木主干的最低位置的一個點； 步驟B3:根據(jù)構(gòu)建的鄰域圖，計算各點到根節(jié)點的最短路徑，最短路徑的長度即為該點到根節(jié)點的測地距離，由此形成的單源路徑圖，稱為測地圖； 步驟B4:根據(jù)測地距離的不同，將點云數(shù)據(jù)分層聚類，分層的數(shù)目由樹木的復雜性和模型的分辨率需求而定； 步驟B5:計算點云各個層次聚類的中心或重心的位置，作為各級枝干的骨架點。
3.根據(jù)權(quán)利要求2所述的基于點云數(shù)據(jù)的單樹三維建模與形態(tài)參數(shù)提取的方法，其特征在于:所述步驟BI的K值或R值的大小根據(jù)掃描精度和數(shù)據(jù)質(zhì)量確定。
4.根據(jù)權(quán)利要求2所述的基于點云數(shù)據(jù)的單樹三維建模與形態(tài)參數(shù)提取的方法，其特征在于:所述步驟B3，采用了一種改進的Dijkstra算法，具體包括以下步驟: 步驟B31:定義和初始化根節(jié)點P、鄰接數(shù)組is join,定義前驅(qū)數(shù)組predrive和路徑距離數(shù)組dis，其中鄰接數(shù)組用于存儲距離矩陣，前驅(qū)數(shù)組用于存放最短路徑中每個點的前一個點，路徑距離數(shù)組用于存放其它點到根節(jié)點的距離； 步驟B32:根據(jù)鄰域圖中的鄰接數(shù)組初始化路徑距離數(shù)組，沒有距離值的初始化為無窮大； 步驟B33:計算路徑距離數(shù)組中最小值，記為w ； 步驟B34:遍歷w的近鄰點j,比較j點到根節(jié)點的距離與w點到根節(jié)點的距離加上W、j點間的距離之和的大小關(guān)系，把較小的值作為j點到根節(jié)點的距離，并將w放入j的前驅(qū)數(shù)組中，否則判斷下一個近鄰點，直到整體循環(huán)結(jié)束，前驅(qū)數(shù)組中的值即為每個點到根節(jié)點的最短路徑。
5.根據(jù)權(quán)利要求1所述的基于點云數(shù)據(jù)的單樹三維建模與形態(tài)參數(shù)提取的方法，其特征在于:所述步驟C，具體包括以下步驟:步驟Cl:連接骨架點建立樹結(jié)構(gòu)，并對骨架點對應的枝條進行拓撲分級，主干定義為第O級，從主干上生長出來的枝條屬于第一級，從第一級枝條上生長出來的枝條為第二級，以此類推； 步驟C2:利用骨架點的遍歷次數(shù)，估算骨架點對應枝條的半徑； 步驟C3:根據(jù)各骨架點及對應的半徑和拓撲關(guān)系，采用廣義圓柱體模擬枝條，建立枝干系統(tǒng)的三維幾何模型。
6.根據(jù)權(quán)利要求5所述的基于點云數(shù)據(jù)的單樹三維建模與形態(tài)參數(shù)提取的方法，其特征在于:所述步驟Cl中對骨架點對應枝條的拓撲分級，具體包括以下步驟: 步驟Cll:從根結(jié)點開始，第一級點云中的骨架點作為根結(jié)點的孩子結(jié)點，依次類推，下一級骨架點作為上一級骨架點的孩子結(jié)點，如果同一層級中存在多個骨架點時，其下一層級中的骨架點，按照空間近鄰的方法，查找上一層級中離自己最近的骨架點作為父結(jié)點，從而構(gòu)建整體骨架的樹結(jié)構(gòu)； 步驟C12:賦予每個骨架點一個方向值和遍歷次數(shù)值，骨架點的方向為其父結(jié)點指向該骨架點的方向矢量，遍歷次數(shù)為其它點到根結(jié)點的路徑經(jīng)過當前點的次數(shù)； 步驟C13:從根結(jié)點開始，依次搜索其孩子結(jié)點，當孩子結(jié)點的方向與其父結(jié)點的方向的夾角Θ小于一定的閾值S，且孩子結(jié)點的遍歷數(shù)大于一定的閾值ε，把該孩子節(jié)點作為主干節(jié)點，并統(tǒng)計孩子結(jié)點數(shù)目；若結(jié)點數(shù)只有I個，則將其作為主干路徑中的下一個結(jié)點，結(jié)點數(shù)多于I個，選擇夾角Θ的最小值點作為主干路徑中下一個結(jié)點，同時將當前結(jié)點作為下一級別枝條的起始生長點； 步驟C14:從步驟C13中的起始生長點開始，根據(jù)步驟C13所述的過程識別一級枝條，依此類推，當遍歷完所有的骨架點，識別所有枝條的路徑后即可完成枝條分級。
7.根據(jù)權(quán)利要求5所述的基于點云數(shù)據(jù)的單樹三維建模與形態(tài)參數(shù)提取的方法，其特征在于:所述步驟C2中枝條半徑的估算過程為:通過對骨架樹的遍歷，獲得每個骨架結(jié)點下屬的孩子數(shù)目，即為該骨架點的遍歷次數(shù)VisitNum，該骨架點對應的半徑 = r*IlvisitNtm ,其中r為相關(guān)系數(shù)，與點云密度有關(guān)。
8.根據(jù)權(quán)利要求5所述的基于點云數(shù)據(jù)的單樹三維建模與形態(tài)參數(shù)提取的方法，其特征在于:所述步驟C3中利用廣義圓柱體構(gòu)建枝干幾何模型，具體包括以下步驟: 步驟C31:以每個骨架點為坐標原點，以骨架點的方向為Z軸,建立局部坐標系； 步驟C32:在局部坐標系下根據(jù)骨架點的半徑生成截面圓； 步驟C33:相鄰的截面圓上的點構(gòu)建三角帶，形成枝干的網(wǎng)格表面模型。
9.根據(jù)權(quán)利要求1所述的基于點云數(shù)據(jù)的單樹三維建模與形態(tài)參數(shù)提取的方法，其特征在于:所述步驟D建立逼真三維單樹模型具體包括以下步驟: 步驟Dl:建立樹葉三維模型； 步驟D2:在三維枝干系統(tǒng)幾何模型的基礎(chǔ)上，套合點云數(shù)據(jù)作為約束和參照，交互式地將葉子模型添加到相應級別的枝條上； 步驟D3:通過紋理映射、光照模擬，對三維模型進行渲染，形成真實感的單樹三維模型。
10.根據(jù)權(quán)利要求1所述的基于點云數(shù)據(jù)的單樹三維建模與形態(tài)參數(shù)提取的方法，其特征在于:所述步驟E 中樹木形態(tài)結(jié)構(gòu)參數(shù)的提取具體包括以下步驟:步驟El:通過求算點云數(shù)據(jù)中樹木的根部點和樹梢點的高度差，得到樹高； 步驟E2:通過最小二乘法擬合距根部點1.3米之上下5厘米范圍內(nèi)的點云集的圓或橢圓，圓直徑或橢圓長短軸的平均值為樹木的胸徑； 步驟E3:將點云數(shù)據(jù)垂直投影在一個水平面上，計算其投影點的凸包體，連接凸包體上的任意兩點并計算兩點之間的距離，然后求出最大距離值Pmax，作為樹木的最大冠幅。
【文檔編號】G06T17/00GK103942838SQ201410198171
【公開日】2014年7月23日 申請日期:2014年5月13日 優(yōu)先權(quán)日:2014年5月13日
【發(fā)明者】黃洪宇, 陳崇成, 唐麗玉, 王曉輝 申請人:福州大學