CN119723337B 基于地空融合三维激光点云的树木识别方法及系统 （山东大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN119723337B(45)授权公告日2025.07.01

(21)申请号202411786479.6

(22)申请日2024.12.06

(65)同一申请的已公布的文献号申请公布号CN119723337A

(43)申请公布日2025.03.28

(73)专利权人山东大学

地址266237山东省青岛市即墨区滨海路

72号

(72)发明人房磊霍兆涵王国强姚智涛党硕亻任世龙陈金月王新锋张庆竹王桥

(51)Int.CI.

GO6V20/10(2022.01)

GO6V20/17(2022.01)

GO6V10/26(2022.01)

GO6V10/80(2022.01)

GO6V10/82(2022.01)

GO6V10/762(2022.01)

(56)对比文件

CN118865136A,2024.10.29

CN117765006A,2024.03.26

审查员杨长庆

(74)专利代理机构济南圣达知识产权代理有限

公司37221专利代理师李圣梅

权利要求书2页说明书10页附图2页

(54)发明名称

基于地空融合三维激光点云的树木识别方法及系统

(57)摘要

CN119723337B本发明提出了基于地空融合三维激光点云的树木识别方法及系统，属于环境遥感数据识别领域，包括：使用无人机获取获取设定森林区域内激光雷达点云数据，使用激光扫描设备采集设定森林区域内点云数据；将两组数据进行预处理，得到预处理后的激光雷达点云，对预处理后的激光雷达点云进行地空数据无缝融合，获得融合后的数据；基于分水岭分割算法生成冠层高度模型，利用该模型对融合后的点云数据进行单木分割；提取单木分割后的矢量边界，为每一棵树分配树木ID,依据树木ID提取单木点云；对单木点云进一步处理构建多角度点云样本数据集；利

CN119723337B

测。

机载激光雷达

机载激光雷达地基激光雷达地面实测数据

ICP算法数据融合

数据预处理

冠层高度模型

局部最大值法检测树顶

单木分割参数提取

树干垂向轴线厘定

单木点云降维

单木表型多角度特征表达

单木尺度树种语义数据集

模型比选

YOLOv1l

树种识别与精度评价

CN119723337B权利要求书1/2页

2

1.基于地空融合三维激光点云的树木识别方法，其特征是，包括：

使用无人机获取设定森林区域内激光雷达点云数据，使用激光扫描设备采集设定森林区域内点云数据；

将两组数据进行预处理，得到预处理后的激光雷达点云，对预处理后的激光雷达点云进行地空数据无缝融合，获得融合后的数据；

基于分水岭分割算法生成冠层高度模型，利用该模型对融合后的点云数据进行单木分割；进行单木分割时，利用可变大小的动态窗口在冠层高度模型上搜索局部最大值作为树冠顶点，并以树冠顶点作为标记，采用标记控制分水岭算法勾勒树冠边界，并提取树高、胸径和冠幅参数；

提取单木分割后的矢量边界，为每一棵树分配树木ID,依据树木ID提取单木点云；将提取后的单木点云首先进行树干垂向轴线的厘定，在采用分层聚类的基础上，通过多层合并方法完成树干检测，具体过程为：

将树木点云P自下而上分为n层，采用由下而上逐层点集聚类处理提取树干位置；

得到各个分层的点云Pi后，采用DBSCAN算法逐层聚类得到集合，将各层聚类结果进行合并处理；

对单木点云进行处理构建多角度点云样本数据集；绕树干垂向轴线全方位观测形成多个角度的点云影像，与地面实测调查数据相结合构建多角度观测的单立木影像数据集；

利用多角度点云样本数据集训练深度学习网络模型，利用训练后深度学习网络模型对待测树种检测。

2.如权利要求1所述的基于地空融合三维激光点云的树木识别方法，其特征是，对预处理后的激光雷达点云进行地空数据无缝融合时，使用迭代最近点算法，该算法基于位置与特征匹配方法进行地空数据无缝融合。

3.如权利要求1所述的基于地空融合三维激光点云的树木识别方法，其特征是，将各层聚类结果进行合并处理，具体包括：

1)计算各层聚类点集所构成的凸包质心及面积信息；

2)以分层聚类处理得到的第1层聚类集合中的任一聚类单元作为各个生长起始单元，从该单元开始分别计算各个聚类单元的凸包质心与上一层凸包质心的距离以及各个聚类在水平面上投影形成的凸包面积；

3