本發(fā)明涉及激光雷達(dá)數(shù)據(jù)處理和信息提取技術(shù)，是一種基于多光譜lidar數(shù)據(jù)的單木自動(dòng)提取方法。

背景技術(shù)：

激光雷達(dá)(lightdetectionandranging,簡稱lidar)是利用gps(globalpositionsystem)和imu(inertialmeasurementunit，慣性測量裝置)機(jī)載激光掃描；其所測得的數(shù)據(jù)為數(shù)字表面模型(digitalsurfacemodel,dsm)的離散點(diǎn)表示，數(shù)據(jù)中含有空間三維信息和激光強(qiáng)度信息；應(yīng)用分類(classification)技術(shù)在這些原始數(shù)字表面模型中移除建筑物、人造物、覆蓋植物等測點(diǎn)，即可獲得數(shù)字高程模型(digitalelevationmodel,dem)，并同時(shí)得到地面覆蓋物的高度；用激光器作為發(fā)射光源，采用光電探測技術(shù)手段的主動(dòng)遙感設(shè)備；激光雷達(dá)是激光技術(shù)與現(xiàn)代光電探測技術(shù)結(jié)合的先進(jìn)探測方式。

目前用于林業(yè)應(yīng)用領(lǐng)域的lidar系統(tǒng)一般分為小光斑和大光斑兩類lidar系統(tǒng)，小光斑lidar系統(tǒng)同時(shí)記錄多個(gè)激光回波信號(hào)，通過適當(dāng)?shù)狞c(diǎn)云數(shù)據(jù)處理，能確定林下數(shù)字高程模型(dem)、地表生物量、冠層高度、冠幅、樹木的株數(shù)密度、郁密度，植被垂直剖面等，從而估計(jì)樹木種類及種群數(shù)量等重要參數(shù)；機(jī)載lidar的激光脈沖采樣密度決定了樹木冠層結(jié)構(gòu)描述的詳細(xì)程度；如果采樣密度高，每株樹上平均有幾個(gè)、十幾個(gè)甚至更多個(gè)激光脈沖，提供單木結(jié)構(gòu)信息，能夠用于估測單木尺度和林分尺度的森林參數(shù)；反之，如果采樣密度低，幾株樹上才有一個(gè)甚至更少個(gè)激光脈沖，僅能用于估測林分尺度的森林參數(shù)。

大光斑lidar系統(tǒng)能夠描述區(qū)域尺度森林冠層空間結(jié)構(gòu)信息，記錄光斑內(nèi)隨時(shí)間變化的能量值，獲取比小光斑lidar系統(tǒng)更多的林分冠層信息，且理論上具有獲取全球數(shù)據(jù)的能力；通過對(duì)大光斑波形數(shù)據(jù)進(jìn)行處理，能夠檢測到更多的目標(biāo)特征信息；并且，波形數(shù)據(jù)轉(zhuǎn)換后得到的點(diǎn)云數(shù)據(jù)量也比系統(tǒng)自動(dòng)獲取的點(diǎn)云數(shù)據(jù)量有一定幅度的增加；更多數(shù)量的點(diǎn)云數(shù)據(jù)可以更為準(zhǔn)確地刻畫森林地區(qū)林木的結(jié)構(gòu)特征信息；但是，大光斑激光雷達(dá)在空間上采樣不連續(xù)，無法達(dá)到無縫覆蓋，特別是在復(fù)雜地形條件下，大光斑的光斑范圍比較大，波形容易受到地形影響。

多光譜機(jī)載lidar系統(tǒng)能夠同時(shí)獲取地表面上地物的表面幾何數(shù)據(jù)和多個(gè)波段的反射光譜，這樣可以獲取大面積、全覆蓋森林?jǐn)?shù)據(jù)和較高樹木估測精度，有效提高植被幾何結(jié)構(gòu)、生理量估計(jì)、以及在不同森林環(huán)境下植被類型識(shí)別的精度，實(shí)現(xiàn)森林空間參數(shù)的無縫估算。

多光譜機(jī)載lidar系統(tǒng)在區(qū)域性森林結(jié)構(gòu)參數(shù)及生物量估算方面具有明顯的優(yōu)勢，它具有數(shù)據(jù)獲取速度快、光譜與空間幾何數(shù)據(jù)在空間(分辨率、配準(zhǔn)等)，時(shí)間上(動(dòng)態(tài)場景、觀測條件的變化等)相對(duì)完整和一致性的特點(diǎn)。然而，其獲取的數(shù)據(jù)不僅是所有波段所采集點(diǎn)云數(shù)據(jù)的總和，具有海量特性；并且多個(gè)波段采集的點(diǎn)云數(shù)據(jù)之間是不重合的，他們之間存在一定偏移量(多光譜機(jī)載lidar系統(tǒng)不是在同一時(shí)刻發(fā)射所有波段光束，而是每個(gè)發(fā)射光束之間有小的角度偏差)，這給多光譜lidar數(shù)據(jù)在處理方法上帶來了挑戰(zhàn)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是為了提供一種基于多光譜lidar數(shù)據(jù)的單木自動(dòng)提取方法，可有效提高植被幾何結(jié)構(gòu)、生物量估計(jì)以及在不同森林環(huán)境下植被類型識(shí)別的精度，大大降低了數(shù)據(jù)處理時(shí)間以及勞動(dòng)成本。

為了實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案為：一種基于多光譜lidar數(shù)據(jù)的單木自動(dòng)提取方法，其特征在于：包括如下步驟：

步驟1：以lidar數(shù)據(jù)中任意一個(gè)波段的點(diǎn)云為基準(zhǔn)數(shù)據(jù)，對(duì)基準(zhǔn)點(diǎn)云數(shù)據(jù)中的每個(gè)激光點(diǎn)，采用最鄰近搜索方法(搜索距離設(shè)置根據(jù)多光譜lidar點(diǎn)云點(diǎn)密度自適應(yīng)調(diào)整)，分別在其它波段數(shù)據(jù)中獲得最鄰近激光點(diǎn)的波段信息，生成一個(gè)包含多光譜信息的單一融合點(diǎn)云數(shù)據(jù)；

步驟2：沿著包含有多光譜信息的單一融合點(diǎn)云數(shù)據(jù)的z方向上進(jìn)行多視角投影，產(chǎn)生一系列投影數(shù)據(jù)，根據(jù)點(diǎn)云數(shù)據(jù)的光譜和幾何特性將點(diǎn)云數(shù)據(jù)分割為地面點(diǎn)云數(shù)據(jù)和非地面點(diǎn)云數(shù)據(jù)；

步驟3：對(duì)非地面點(diǎn)云數(shù)據(jù)進(jìn)行聚類和歸一化割，根據(jù)點(diǎn)云數(shù)據(jù)的幾何和光譜特征進(jìn)行分割，分離出語義獨(dú)立的局部點(diǎn)云塊；

步驟4：對(duì)語義獨(dú)立的局部點(diǎn)云塊，建立基于三維局部抽象類特征的樹木目標(biāo)整體特征描述模型，進(jìn)行基于深度學(xué)習(xí)的單木自動(dòng)提取處理。

在上述技術(shù)方案中，步驟2具體包括如下分步驟：

s21：將單一融合點(diǎn)云數(shù)據(jù)沿著z方向，按照一定角度進(jìn)行投影、剖分后得到一系列投影點(diǎn)云數(shù)據(jù)；

s22：對(duì)每個(gè)投影點(diǎn)云數(shù)據(jù)，根據(jù)激光點(diǎn)點(diǎn)云數(shù)據(jù)的多光譜與高程信息，提取潛在地面點(diǎn)云數(shù)據(jù)；

s23：對(duì)每個(gè)投影的潛在地面點(diǎn)云數(shù)據(jù)，沿著垂直投影面柵格化，選擇每個(gè)柵格內(nèi)最低點(diǎn)作為種子點(diǎn)，構(gòu)建初始地面delaunay三角網(wǎng)；

s24：遍歷delaunay三角網(wǎng)中每個(gè)三角形，統(tǒng)計(jì)落在三角形中激光點(diǎn)，利用點(diǎn)到三角形距離和角度閾值，迭代獲取初始地面點(diǎn)；

s25：對(duì)所有投影面進(jìn)行相應(yīng)處理后所獲得的初始地面點(diǎn)，利用局部鄰域范圍內(nèi)平滑性原則，進(jìn)行合并調(diào)整，最終分離融合點(diǎn)云數(shù)據(jù)為地面點(diǎn)云數(shù)據(jù)和非地面點(diǎn)云數(shù)據(jù)。

在上述技術(shù)方案中，步驟3具體包括如下分步驟：

s31：根據(jù)高程與光譜變化特征，對(duì)非地面點(diǎn)云數(shù)據(jù)進(jìn)行k-均值聚類，獲取同質(zhì)點(diǎn)云塊；

s32：對(duì)重疊的點(diǎn)云塊體元化，并以體元化后的體元點(diǎn)云塊構(gòu)造全連通加權(quán)圖；

s33：基于全連通加權(quán)圖，對(duì)非地面數(shù)據(jù)采用歸一化割(normalizedcut，ncut)技術(shù)進(jìn)行處理，得到單一地物的同質(zhì)點(diǎn)云塊。

在上述技術(shù)方案中，步驟4具體包括如下分步驟：

s41：將步驟3中歸一化割處理后的點(diǎn)云同質(zhì)塊也體元化，重新構(gòu)造全連通加權(quán)圖；

s42：根據(jù)樹木的訓(xùn)練樣本，建立基于三維局部抽象類特征的樹木目標(biāo)整體特征描述模型；

s43：在特征描述基礎(chǔ)上，建立用于描述目標(biāo)局部抽象類特征的字母表；

s44：根據(jù)訓(xùn)練樣本所建立的特征字母表，建立描述目標(biāo)整體特征的空間詞袋模型；

s45：利用深度學(xué)習(xí)方法訓(xùn)練一個(gè)包含兩層隱藏層的深層波爾茲曼機(jī)，并將訓(xùn)練后的深層波爾茲曼機(jī)構(gòu)造成一個(gè)多層的分類器，最終實(shí)現(xiàn)單木自動(dòng)提取。

本發(fā)明具有如下優(yōu)點(diǎn)：

(1)通過將多個(gè)波段的點(diǎn)云數(shù)據(jù)融合為一個(gè)包含多光譜信息的單個(gè)點(diǎn)云數(shù)據(jù)，實(shí)現(xiàn)點(diǎn)云數(shù)據(jù)的幾何信息與光譜信息融合，能夠有效提高植被幾何結(jié)構(gòu)、生物量估計(jì)以及在不同森林環(huán)境下植被類型識(shí)別的精度；

(2)利用基于空間詞袋模型的樹木點(diǎn)云目標(biāo)特征整體描述方法以及深度學(xué)習(xí)方法，實(shí)現(xiàn)樹木目標(biāo)的高層次特征抽象，提高樹木識(shí)別精度，大大降低了數(shù)據(jù)處理時(shí)間以及勞動(dòng)成本，因而具有重要的實(shí)踐應(yīng)用價(jià)值。

附圖說明

圖1為本發(fā)明的工作流程示意圖。

圖2-a為本發(fā)明原始點(diǎn)云數(shù)據(jù)。

圖2-b-1為本發(fā)明點(diǎn)云在與y軸為0度剖面上的投影三維示意圖。圖中，x、y、z為空間坐標(biāo)軸；格網(wǎng)尺寸單位是米。

圖2-b-2為本發(fā)明點(diǎn)云在與y軸為0度剖面上的投影平面示意圖。圖中，x、z為空間坐標(biāo)軸；格網(wǎng)尺寸單位是米。

圖2-c-1為本發(fā)明點(diǎn)云在與y軸為45度剖面上的投影三維示意圖。圖中，x、y、z為空間坐標(biāo)軸；格網(wǎng)尺寸單位是米。

圖2-c-2為本發(fā)明點(diǎn)云在與y軸為45度剖面上的投影平面示意圖。圖中，x、y、z為空間坐標(biāo)軸；格網(wǎng)尺寸單位是米。

圖2-d-1為本發(fā)明點(diǎn)云在與y軸為90度剖面上的投影三維示意圖。圖中，x、y、z為空間坐標(biāo)軸；格網(wǎng)尺寸單位是米。

圖2-d-2為本發(fā)明點(diǎn)云在與y軸為90度剖面上的投影平面示意圖。圖中，y、z為空間坐標(biāo)軸；格網(wǎng)尺寸單位是米。

圖2-e-1為本發(fā)明點(diǎn)云在與y軸為135度剖面上的投影三維示意圖。圖中，x、y、z為空間坐標(biāo)軸；格網(wǎng)尺寸單位是米。

圖2-e-2為本發(fā)明點(diǎn)云在與y軸為135度剖面上的投影平面示意圖。圖中，x、y、z為空間坐標(biāo)軸；格網(wǎng)尺寸單位是米。

圖3為本發(fā)明某一投影剖面柵格化地面種子點(diǎn)選取示意圖。圖中，o代表初始地面點(diǎn)；x、y、z為空間坐標(biāo)軸；wsp為格網(wǎng)尺寸，單位是米。

圖4為本發(fā)明超體素空間鄰接圖與特征區(qū)域構(gòu)造示意圖。圖中，v為特征區(qū)域。

圖5為本發(fā)明特征區(qū)域字母表構(gòu)造示意圖。圖中，a為聚類后的特征區(qū)域，b為特征區(qū)域字母。

具體實(shí)施方式

下面結(jié)合附圖詳細(xì)說明本發(fā)明的實(shí)施情況，但它們并不構(gòu)成對(duì)本發(fā)明的限定，僅作舉例而已。同時(shí)通過說明使本發(fā)明的優(yōu)點(diǎn)更加清楚和容易理解。

參閱附圖可知：一種基于多光譜lidar數(shù)據(jù)的單木自動(dòng)提取方法，其特征在于：包括如下步驟：

步驟1：以lidar數(shù)據(jù)中任意一個(gè)波段的點(diǎn)云為基準(zhǔn)數(shù)據(jù)，對(duì)基準(zhǔn)點(diǎn)云數(shù)據(jù)中的每個(gè)激光點(diǎn)，采用最鄰近搜索方法，分別在其它波段數(shù)據(jù)中獲得最鄰近激光點(diǎn)的波段信息，生成一個(gè)包含多光譜信息的單一融合點(diǎn)云數(shù)據(jù)；

步驟2：沿著包含有多光譜信息的單一融合點(diǎn)云數(shù)據(jù)的z方向上進(jìn)行多視角投影，產(chǎn)生一系列投影數(shù)據(jù)，根據(jù)點(diǎn)云數(shù)據(jù)的光譜和幾何特性將點(diǎn)云數(shù)據(jù)分割為地面點(diǎn)云數(shù)據(jù)和非地面點(diǎn)云數(shù)據(jù)(如圖2-a、圖2-b-1、圖2-b-2、圖2-c-1、圖2-c-2、圖2-d-1、圖2-d-2、圖2-e-1、圖2-e-2所示，圖2-a、圖2-b-1、圖2-b-2、圖2-c-1、圖2-c-2、圖2-d-1、圖2-d-2、圖2-e-1、圖2-e-2共同構(gòu)成多角度投影剖分示意圖)；

步驟3：對(duì)非地面點(diǎn)云數(shù)據(jù)進(jìn)行聚類和歸一化割，根據(jù)點(diǎn)云數(shù)據(jù)的幾何和光譜特征進(jìn)行分割，分離出語義獨(dú)立的局部點(diǎn)云塊；

步驟4：對(duì)語義獨(dú)立的局部點(diǎn)云塊，建立基于三維局部抽象類特征的樹木目標(biāo)整體特征描述模型，進(jìn)行基于深度學(xué)習(xí)的單木自動(dòng)提取處理(如圖1所示)。

步驟2具體包括如下分步驟：

s21：將單一融合點(diǎn)云數(shù)據(jù)沿著z方向，按照一定角度進(jìn)行投影、剖分后得到一系列投影點(diǎn)云數(shù)據(jù)；

s22：對(duì)每個(gè)投影點(diǎn)云數(shù)據(jù)，根據(jù)激光點(diǎn)點(diǎn)云數(shù)據(jù)的多光譜與高程信息，提取潛在地面點(diǎn)云數(shù)據(jù)；

s23：對(duì)每個(gè)投影的潛在地面點(diǎn)云數(shù)據(jù)，沿著垂直投影面柵格化，選擇每個(gè)柵格內(nèi)最低點(diǎn)作為種子點(diǎn)，構(gòu)建初始地面delaunay三角網(wǎng)；

s24：遍歷delaunay三角網(wǎng)中每個(gè)三角形，統(tǒng)計(jì)落在三角形中激光點(diǎn)，利用點(diǎn)到三角形距離和角度閾值，迭代獲取初始地面點(diǎn)；

s25：對(duì)所有投影面進(jìn)行相應(yīng)處理后所獲得的初始地面點(diǎn)，利用局部鄰域范圍內(nèi)平滑性原則，進(jìn)行合并調(diào)整，最終分離融合點(diǎn)云數(shù)據(jù)為地面點(diǎn)云數(shù)據(jù)和非地面點(diǎn)云數(shù)據(jù)。

步驟3具體包括如下分步驟：

s31：根據(jù)高程與光譜變化特征，對(duì)非地面點(diǎn)云數(shù)據(jù)進(jìn)行k-均值聚類，獲取同質(zhì)點(diǎn)云塊；

s32：對(duì)重疊的點(diǎn)云塊體元化，并以體元化后的體元點(diǎn)云塊構(gòu)造全連通加權(quán)圖；

s33：基于全連通加權(quán)圖，對(duì)非地面數(shù)據(jù)采用歸一化割技術(shù)進(jìn)行處理，得到單一地物的同質(zhì)點(diǎn)云塊。

步驟4具體包括如下分步驟：

s41：將步驟3中歸一化割處理后的點(diǎn)云同質(zhì)塊也體元化，重新構(gòu)造全連通加權(quán)圖；

s42：根據(jù)樹木的訓(xùn)練樣本，建立基于三維局部抽象類特征的樹木目標(biāo)整體特征描述模型；

s43：在特征描述基礎(chǔ)上，建立用于描述目標(biāo)局部抽象類特征的字母表；

s44：根據(jù)訓(xùn)練樣本所建立的特征字母表，建立描述目標(biāo)整體特征的空間詞袋模型；

s45：利用深度學(xué)習(xí)方法訓(xùn)練一個(gè)包含兩層隱藏層的深層波爾茲曼機(jī)，并將訓(xùn)練后的深層波爾茲曼機(jī)構(gòu)造成一個(gè)多層的分類器，最終實(shí)現(xiàn)單木自動(dòng)提取(如圖3、圖4、圖5所示)。

其它未說明的部分均屬于現(xiàn)有技術(shù)。