买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜西安理工大学申请的专利一种基于半径扩展的层次级单棵树木提取方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114972743B 。

龙图腾网通过国家知识产权局官网在2025-03-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210269259.0，技术领域涉及：G06V10/26；该发明授权一种基于半径扩展的层次级单棵树木提取方法是由宁小娟;马一舒;侯媛媛;金海燕;隋连升;石争浩;王映辉设计研发完成，并于2022-03-18向国家知识产权局提交的专利申请。

本一种基于半径扩展的层次级单棵树木提取方法在说明书摘要公布了：本发明公开了一种基于半径扩展的层次级单棵树木提取方法，包括对场景进行分类，提取出其中的树点并利用滤波算法进行去噪；通过建立局部坐标参考系来确定投影方向，从投影点中找到局部极大值平滑差值的正负交叉点，通过设置高度阈值找到潜在树顶点，通过欧式距离对潜在树顶点进行合并优化；利用点云数据与圆的关系进行自顶向下逐层分割实现单棵树木的提取。本发明解决了提取结果受噪声干扰、场景复杂性以及数据不完整性等因素影响的问题。

本发明授权一种基于半径扩展的层次级单棵树木提取方法在权利要求书中公布了：1.一种基于半径扩展的层次级单棵树木提取方法，其特征在于，具体按照如下步骤实施：步骤1，使用主成分分析算法PCA获取原始场景中每个点的维度特征，通过将这些特征输入到PointNet网络来对场景进行分类，提取出其中的树点并利用滤波算法进行去噪；所述步骤1具体为：步骤1.1，维度特征提取，将维度特征引入到语义分割中；步骤1.2，基于语义分割的树木检测，在获得维度特征后，使用PointNet网络对原始场景的点云数据进行分割；步骤1.3，分割结果优化，依语义分割结果提取出所有的树点，使用PCL中的直通滤波器和统计滤波器进行噪声点和离群点的剔除；步骤2，对于去噪后的树点，通过建立局部坐标参考系来确定投影方向，从投影点中找到局部极大值平滑差值的正负交叉点，通过设置高度阈值找到潜在树顶点，通过欧式距离对潜在树顶点进行合并优化；所述步骤2具体为：步骤2.1，根据局部坐标参考系确定投影方向，利用PCA算法计算得到投影点簇的最大的三个特征值和特征向量，选取轴和轴所在平面作为投影方向；步骤2.1.1，根据局部坐标参考系确定投影方向：假设检测到的树点集合，为树点个数；定义平面模型，其中，；将中的点云数据进行水平面投影；步骤2.1.2，利用PCA算法计算得到投影点簇的最大的三个特征值和特征向量，将最大特征值对应的特征向量所在方向作为轴，中间特征值对应的特征向量所在方向作为轴，最小特征值对应的特征向量所在方向作为轴来建立局部坐标参考系；步骤2.1.3，选取轴和轴所在平面作为投影方向，将场景数据沿着轴进行投影，对所有的树点计算质心， 3式（3）中，是所有投影点的质心点；将质心所在的平面作为投影平面，则投影平面的法向量为，坐标为，设投影后的数据集为，表示第个点投影到平面上的点，对于任意点，，，因为与同向，令为向量的长度，则，因此 4因为，且向量在方向的投影长度为向量的长度，所以，即 5结合式（4）和式（5），得到点在平面上的投影点的坐标为： 6；步骤2.2，对噪声点进行处理，剔除投影后的重复点，基于去噪的数据提取局部极大值，根据局部极大值定位潜在树顶点，计算所有潜在峰值点之间的欧式距离，将峰值点之间的距离按升序排序，重新计算峰值点对之间的距离并进行距离评估，直到所有峰值点之间的距离均不小于距离阈值时合并结束；步骤2.2.1，对噪声点进行处理，剔除投影后的重复点：对于投影轮廓上的点和，点表示与点不重复的点，如果且，则只保留其中一个点；对于的所有点，只保留值最大的点，基于去噪的数据提取局部极大值，从去噪后的场景获得的局部极大值集中于树冠的外部轮廓位置；步骤2.2.2，根据局部极大值定位潜在树顶点：从坐标的最小值到坐标的最大值为所有局部极大值指定顺序，表示为，为局部极大值的点数，计算点在轴的差值， 7；步骤2.2.3，寻找平滑差值的正负变化点来定位潜在树顶点，先利用符号函数来判断点平滑差值的正负， 8式（8）中，为1时代表点差值为正数，为0时代表点差值为零，为-1时代表点差值为负数，因此，当时为交叉点，通过检测其中轴坐标超过高度阈值的点来找到潜在峰值点；设定树顶点位于整个场景高度的以上，以避免其他明显不属于树顶点数据的干扰，设置高度阈值为， 9式（9）中，和为所有数据在轴上的最高点和最低点，高度小于的所有交叉点都被剔除；对于符合上述条件的点，找到其邻域内的两个点，将其中坐标最大的点即为潜在树顶点；步骤2.2.4，计算所有潜在树顶点之间的欧式距离，将潜在树顶点之间的距离按升序排序，对于距离最近的一对潜在树顶点，判断它们之间的距离是否小于距离阈值，如果小于该阈值，则把这两个潜在树顶点用其中心点进行替换，重新计算峰值点对之间的距离并进行距离评估，直到所有峰值点之间的距离均不小于距离阈值时合并结束；步骤3，确定树顶点的位置后，基于距离进行初步聚类来获得每个簇的矩形和圆所在的区域，利用点云数据与圆的关系进行自顶向下逐层分割实现单棵树木的提取；所述步骤3具体为：步骤3.1，对于给定的树顶点，根据其指定半径的邻域信息进行初始聚类得到聚类簇，Ng为树顶点的个数；步骤3.2，计算簇所在圆的初始半径和圆心；步骤3.3，根据高度将树点分为层，每一层点组成集合，Nl表示将树点分为的层数；步骤3.4，令，基于初始半径和圆心对层数据分割，转到步骤3.2更新当前的圆心的半径；步骤3.5，令，如果，则对层的数据进行分割，转到步骤3.2更新圆心和半径，继续执行步骤3.5；否则，直接对该层树点进行分割，直至所有点处理完毕，实现单棵树木的提取。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。