一種基于激光點(diǎn)云數(shù)據(jù)的真實(shí)闊葉樹(shù)器官分類識(shí)別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于激光點(diǎn)云數(shù)據(jù)的真實(shí)闊葉樹(shù)器官分類識(shí)別方法，屬于計(jì)算機(jī) 視覺(jué)理論研究在林木測(cè)量應(yīng)用中的創(chuàng)新，從而實(shí)現(xiàn)闊葉樹(shù)不同植物器官的精確識(shí)別。
【背景技術(shù)】
[0002]近年來(lái)地面激光掃描儀（TLS)廣泛應(yīng)用于復(fù)雜現(xiàn)場(chǎng)勘測(cè)和空間物體的測(cè)量，激光 掃描不會(huì)對(duì)被測(cè)物造成任何損傷，且能以點(diǎn)云的形式精確還原出目標(biāo)體的三維數(shù)據(jù)。由于 三維激光掃描儀在計(jì)測(cè)學(xué)中具有無(wú)可比擬的優(yōu)勢(shì)，因此國(guó)外許多林業(yè)科研工作者就地面三 維激光掃描技術(shù)在林業(yè)中的應(yīng)用進(jìn)行了深入研究和探討。
[0003]但僅僅依靠地面激光掃描儀獲取林木生態(tài)參數(shù)還處研究階段，這主要是因?yàn)闃?shù)木 外形特征無(wú)規(guī)律且形態(tài)復(fù)雜，并且外界環(huán)境對(duì)TLS掃描過(guò)程中樹(shù)木的狀態(tài)產(chǎn)生著持續(xù)的影 響；激光掃描在采集數(shù)據(jù)時(shí)，外部環(huán)境如風(fēng)吹抖動(dòng)及遮擋的對(duì)測(cè)試對(duì)象的影響；樹(shù)木生長(zhǎng) 得狀態(tài)以及形態(tài)及葉子的方位角度不固定性，如何從激光掃描得到的樹(shù)木點(diǎn)云點(diǎn)云數(shù)據(jù)分 別具體器官是需要解決的難題；激光掃描獲取的是離散的點(diǎn)云數(shù)據(jù)，而樹(shù)葉是由三維曲面 構(gòu)成，設(shè)計(jì)合理的點(diǎn)到面的擬合算法是需要解決的難題。因此，上述因素都是研究林學(xué)參 數(shù)自動(dòng)獲取的阻力，因此如何從離散的激光點(diǎn)云中自動(dòng)獲取精確林學(xué)指標(biāo)是亟待解決的問(wèn) 題。
[0004]林業(yè)樹(shù)木的監(jiān)測(cè)和精細(xì)識(shí)別一直是個(gè)難題。傳統(tǒng)的測(cè)樹(shù)工具中，借助機(jī)械原理如 輪齒或圍尺、測(cè)高器等量測(cè)工具，量測(cè)讀數(shù)記錄的效率低，且獲得的數(shù)據(jù)較為單一、精度較 差；運(yùn)用光學(xué)的方法進(jìn)行樹(shù)木測(cè)量時(shí)，會(huì)受到遮擋和光照的影響，對(duì)影像的采集視角和攝像 機(jī)參數(shù)的精準(zhǔn)度都有嚴(yán)格的要求；采用超聲波傳感器陣列測(cè)量林業(yè)作物時(shí)，雖可得到樹(shù)木 冠層的三維點(diǎn)陣云圖數(shù)據(jù)，但只能監(jiān)測(cè)樹(shù)木表層數(shù)據(jù)且無(wú)法得到樹(shù)木內(nèi)部結(jié)構(gòu)信息；而相 對(duì)一些復(fù)雜林學(xué)參數(shù)，即使采用各種現(xiàn)有方法也無(wú)法獲得精確值，對(duì)于大維數(shù)的點(diǎn)云數(shù)據(jù) 要分類出植物的不同器官，更是很難，如何找尋一個(gè)行之有效的策略去避免此類困難，并對(duì) 活立木各項(xiàng)林學(xué)指標(biāo)進(jìn)行分類是我們亟待解決的問(wèn)題。

【發(fā)明內(nèi)容】

[0005] 發(fā)明目的：為了克服現(xiàn)有技術(shù)中存在的不足，本發(fā)明提供一種基于激光點(diǎn)云數(shù)據(jù) 的真實(shí)闊葉樹(shù)器官分類識(shí)別方法，通過(guò)挖掘數(shù)據(jù)量大、分布離散且單點(diǎn)信息量小的激光點(diǎn) 云數(shù)據(jù)中的結(jié)構(gòu)信息（如鄰域信息、流形結(jié)構(gòu)等），根據(jù)結(jié)構(gòu)信息分離出植物器官。
[0006]技術(shù)方案：為實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案為：
[0007]由于植物生理結(jié)構(gòu)和點(diǎn)云拓?fù)鋪?lái)看數(shù)學(xué)模型難以準(zhǔn)確刻畫(huà)枝葉曲面，因而無(wú)法直 接嵌入點(diǎn)云數(shù)據(jù)的結(jié)構(gòu)信息，本發(fā)明本發(fā)明針對(duì)散亂、無(wú)規(guī)律闊葉樹(shù)PCD，設(shè)計(jì)了一組面向 非線性空間點(diǎn)云的特征的提取方法，結(jié)合了高維半監(jiān)督分類思想，設(shè)計(jì)了面向闊葉樹(shù)生理 器官有效的分類。一種基于激光點(diǎn)云數(shù)據(jù)的真實(shí)闊葉樹(shù)器官分類識(shí)別方法，使用激光掃描 儀掃描單株樹(shù)木，運(yùn)用計(jì)算機(jī)理論提出了一組新穎的特征向量，該向量由非線性局部切平 面分布特征，空間離散點(diǎn)分布特征Fsalif；n(：y、局部離散點(diǎn)法向特征組成Fn_al，并提出新型 的改進(jìn)LIBSVM，半監(jiān)督分類識(shí)別方法，結(jié)合本發(fā)明中，新穎的樹(shù)木點(diǎn)云特征向量及改進(jìn)的監(jiān) 督識(shí)別方法，實(shí)現(xiàn)闊葉樹(shù)枝葉分離。
[0008] 該方法包括如下求取非線性局部切平面分布特征!\TS的步驟：
[0009] (1)使用激光掃描儀掃描活立木，獲取活立木的原始三維點(diǎn)云數(shù)據(jù)記為F"lgin，掃 描數(shù)據(jù)中元素為離散點(diǎn)云，其中，第i個(gè)點(diǎn)云記為樣本點(diǎn)Xi;
[0010] (2)記樣本點(diǎn)戀|(zhì)國(guó)I的直方形k鄰域?yàn)镹k，Nk表示為 為距離樣本點(diǎn)Xl最近的k個(gè)近鄰樣本點(diǎn)，所述k個(gè)近鄰樣本點(diǎn)在局部切空間 上的投影誤差滿足模型：
[0011] X; 0 = "S妗
[0012] 上式中，向量鈴策表示樣本點(diǎn)Xi處切空間的原點(diǎn)；歹?正交矩陣__|||為:表示 樣本點(diǎn)X1處切空間的一組正交基；纖表示冷 > 的非線性局部切平面坐標(biāo)；戀 表示*|?和Xl之間的誤差向量邏表示空間，m的上標(biāo)表示空間靈的維度；
[0013] 最小化s廠二'即可計(jì)算出Cl、Qd_/}的值，如下式：
[0014]
[0015] 對(duì)〗中心化后做特征值分解得到：
[0016]
[0017] 其中：|g||||__||為正交矩陣，對(duì)角矩陣Ai的對(duì)角元素單調(diào)遞減，樣本 點(diǎn)X1的局部切空間的信息為：
[0018]
[0019] 其中，A為樣本點(diǎn)Xl的鄰域點(diǎn)在其切空間的投影坐標(biāo)，國(guó)議i議|獲_戀變議_
[0020] (3)計(jì)算非線性局部切平面分布特征，具體包括在k鄰域進(jìn)行的如下步驟：
[0021] 首先，將樣本點(diǎn)Xl在對(duì)應(yīng)的正交基％上拉成一個(gè)6維行向量，將獲得的6維行向 量記為局部切平面向量Qi;
[0022] 然后，計(jì)算非線性局部切平面向量qi在Nk中的協(xié)方差矩陣&TS:
[0023]
[0024] 其中為Nk內(nèi)樣本點(diǎn)Xl的所有鄰近樣本點(diǎn)的非線性局部切平面向量的均值，
味解Sws的特征值為I\TSl = [λWS1，λWS2，…，λWS6]，將DWSl與局部切平 面向量ql -起作為樣本點(diǎn)X1的非線性局部切平面分布特征i\TS:
[0025] Flts = [qx,DLTSl]ο
[0026] 該方法還包括如下求取空間離散點(diǎn)分布特征Fsall_y的步驟：
[0027] (4)記樣本點(diǎn)為奪,的球形r鄰域?yàn)镹r，Nr表示為暴$||||琪中r 為以樣本點(diǎn)Xi為中心的球形半徑，為隊(duì)內(nèi)樣本點(diǎn)Xl的第m個(gè)近鄰樣本點(diǎn)，隊(duì)內(nèi)樣本點(diǎn)Xi的近鄰樣本點(diǎn)總個(gè)數(shù)為η,定義隊(duì)的協(xié)方差矩陣Si為：
[0028]
[0029] 其中,一為在隊(duì)內(nèi)樣本點(diǎn)Xl的所有近鄰樣本點(diǎn)的均值，5求解協(xié)方 差矩陣Si的特征值為[λ。，λρλ2]，且λ。彡λi彡λ2，使用一個(gè)三維向量印.v，表示 隊(duì)內(nèi)樣本點(diǎn)的空間離散點(diǎn)分布特征：
[0030]
[0031] 其中，pointsness=λ2，表示點(diǎn)性質(zhì)，curveness=λ。-λ丨，表示線性質(zhì)， surfaceness=λ「λ2，表示面性質(zhì)，將樣本點(diǎn)Xi的空間離散點(diǎn)分布特征表示Fsalif；n(：y :
[0032] Fsaliency = [λ2，λ。-λρλ廠λ2]
[0033] 若λ。~λi~λ2，表不Nr內(nèi)樣本點(diǎn)空間離散分布；若λ。〇cλi~λ2，表不Nr內(nèi) 樣本點(diǎn)線狀分布，判斷樣本點(diǎn)Xi位于枝上；若λ。~λi〇cλ2，表示隊(duì)內(nèi)樣本點(diǎn)面狀分布， 判斷樣本點(diǎn)X1位于葉上；其中~表示遠(yuǎn)大于。
[0034] 該方法還包括如下求取局部離散點(diǎn)法向特征Fn_al的步驟：
[0035] (5)對(duì)于判斷位于枝和葉上的樣本點(diǎn)Xl，在k鄰域內(nèi)按如下方法求取法向分布：
[0036] 設(shè)定樣本點(diǎn)Xl的擬合平面為：
[0037] f(x,y,z) =ax+by+cz+d= 0
[0038] 其中，（x，y，z)為樣本點(diǎn)Xl的三維坐標(biāo)，a、b、c和d為平面系數(shù)，所述平面系數(shù)通 過(guò)如下方式確定：
[0039]
[0040]即|_戀講的最小特征值對(duì)應(yīng)的特征向量即為平面系數(shù)的取值，據(jù)此計(jì)算樣本點(diǎn)Xl 的單位法向量Vi為：
[0041
[0042] 構(gòu)造法向的鄰域協(xié)方差矩陣Sn_al :
[0043]
[0044] 其中，工為Nk內(nèi)樣本點(diǎn)Xl的領(lǐng)域法向均值，:____::::__求解協(xié)方差矩陣Sn_ai 的特征值為^normal i I- ^normal 1 ?^normal2 ?^normal3-l ? -^normal i與單位法向量Vl-起作為樣本 點(diǎn)Xi的法向分布特征^normal ·
[0045]FnOTnal =[VpDncirnall]〇
[0046] 該方法還包括如下分類的步驟：
[0047] (6)將非線性局部切平面分布特征，空間離散點(diǎn)分布特征FsaliaK：y、局部離散點(diǎn) 法向特征組成Fn_al，原始數(shù)據(jù)F"lgin進(jìn)行復(fù)合，形成多維融合特征Fall:
[0048]Fall = [Flts,Fsallency,Fnornal,ForiglJ
[0049] (7)基于監(jiān)督分類的思想，使用改進(jìn)的GEPSVM分類器對(duì)樣