点云分割

功能概述

点云分割算法通过分析点的高程值以及与其他点间的距离,以确定待分割的单木,获取单木位置、树高、冠幅直径、冠幅面积、冠幅体积等属性信息。

原理描述

Li等(Li et al.,2012)开发出一种点云分割算法,将单棵树木从点云中一株一株地分割开。算法原理如下图所示:

点云分割

该算法从种子点A(即全局极大值)开始,主要根据间距临界值和最小间距规则,通过对更低的点进行估计,将种子点A发展为一个树聚类。例如,点A是最高点,因此将点A视作一号树木的树顶(目标)。此时把低于A的点相继进行分类。首先,点B被分类成二号树木,因为间距dAB大于一个设定的临界值(该参数由用户决定)。然后我们设置点C,点C的间距dAC小于临界值。通过与点A和点B的比较,点C的类别被设定为一号树木,因为dAC小于dBC。通过与点B和点C的比较,点D被分类成二号树木;通过与点C和点D的比较,点E被分类成二号树木。 临界值应当与冠层半径相等。当设置的临界值太大或太小时,会出现分割不足和过度分割的情况。

用法

要使用点云分割算法识别单木,点击机载林业 > 单木分割 >点云分割

点云分割结果

参数设置

  • 初始类别:参与点云分割的类别,默认选择点云数据含有的全类别。
  • 输入数据:请确保每一个输入的点云数据都是归一化根据地面点归一化的数据;输入文件可以是单个点云数据文件,也可以是点云数据集;待处理数据必须在LiDAR360软件中打开。
  • 距离阈值(米)(默认为“2”):设置距离阈值参数时,阈值应低于相邻两棵树之间允许的最小2D欧氏距离。
  • 离地面高度(米)(默认为“2”):低于阈值的点,被认为不是树的一部分,在分割过程中将被忽略。
  • 优化单木分割结果的显示配色(默认选中):通过重新排列单木分割后的ID信息,能够极大程度解决相邻树木赋同一颜色问题。
  • 输出路径:输出路径,运行后,每个点云数据将生成对应的分割结果,分割结果是逗号分隔的CSV表格,其中包含树木ID、x、y坐标、树高、冠幅直径、冠幅面积和冠幅体积属性,可参考附录中的点云分割结果文件格式
  • 默认值:将距离阈值和离地面高度恢复为默认值。

注意:只有当软件中加载了点云数据时,才能使用点云分割功能,否则,软件会弹出“There is no point cloud data meet the conditions of calculation!”的提示信息。如果点云的最大Z值大于200或者最大Z减去最小Z大于200时,认为数据是没有归一化的,软件会弹出下图所示的提示信息,点击“YES”,这种类型的数据仍然参与运算,点击“NO”,这种类型的数据将不参与运算,用户可重新选择满足条件的数据。

点云分割结果
    @inproceedings{
        author={ Li W K, Guo Q H, Jakubowski M K and Kelly M},
        title={A new method for segmentation individual trees from the LiDAR point cloud},
        booktitle={ Photogrammetric Engineering and Remote Sensing,78(1):75-84},
        year={2012}
    }

results matching ""

    No results matching ""