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！

申请/专利权人：电子科技大学

摘要：本发明属于地基激光雷达点云数据处理技术领域，具体涉及一种基于地基激光雷达点云的树木数字孪生方法。本发明充分的利用了地基激光雷达点云数据的高空间分辨率、高精度，强穿透性，分析地基激光雷达实际扫描时间隙的遮挡，考虑叶片聚集，结合叶片和枝干的形态特征，经历地基激光雷达多站扫描、点云预处理、枝叶分离、叶簇欧氏距离聚类、叶片建模、枝干建模；通过运用Alpha‑shape和德洛尼三角网算法做叶片和枝干模型拟合，有效克服了现有树木数字建模细节不全、枝干构建不真实等问题，实现了基于地基激光雷达点云数据的树木数字孪生，具有高精度、高还原度的技术效果。

主权项：1.一种基于地基激光雷达点云的树木数字孪生方法，其特征在于，包括以下步骤：步骤1、TLS多站扫描，获取目标点云数据；步骤2、对步骤1获取的目标点云数据进行去噪、树木点云提取预处理；步骤3、对步骤2预处理后的点云数据完成枝叶分离，得到叶片点云和枝干点：步骤4、枝干和叶片建模：a、叶片建模：首先对步骤3获取的叶片点云进行欧氏距离聚类，然后采用德罗尼三角网对每个叶簇分别进行模型建立，最后通过叶簇模型累加得到树木叶片部分的数字孪生，具体方法如下：1对叶片点云中拥有相同叶簇类别编号的点组成的点集称之为一个叶簇；对叶簇leafclusteri建立一个三角形凸包Trii，其中i是leafclusteri的下标，同时也是Trii的下标，意为该叶簇的叶簇类别编号为i，并建立一一对应的三角形凸包；2对于1中建立的三角形凸包Trii，向其内部插入leafclusteri中的一点，令插入的该点与它所在的三角形的三个顶点相连，进而生成三个新的三角形；然后对新生成的三个三角形分别做外接圆，如果三角形的外接圆内不包含已经生成的三角形的顶点，则认为新生成的三角形为德罗尼三角网的一部分，如果三角形的外接圆内包含了已经生成的三角形的顶点，则删去该顶点和新生成的三个三角形；3在leafclusteri选取之前未插入的点，重复2，直至遍历完leafclusteri内的所有点，意味着该叶簇的德罗尼三角网模型建立完成；重复步骤1-3直至所有叶簇被遍历完成；b、枝干建模：采用Alpha-shape算法对步骤3获取的枝干点进行枝干建模，具体如下：在枝干点集中抽取任意不在一条直线上的三个点,记为M、N、P，在三维空间中过点M、N、P生成两个半径大小为r的球体，分别记为Spherea和Sphereb；如果在Spherea和Sphereb中存在一球体，该球体内部不包含枝干点集内的任何点，那么则判定这三个点组成的表面为枝干模型多面体的一个表面并将其记为建模模型的一个表面；如果上述情况不存在，由M、N、P三点组成的表面不为建模模型的表面；遍历枝干点集内的所有点的组合，基于Alpha-shape算法的枝干模型建立完成；其中，所述步骤4中叶片点云的欧氏距离聚类具体为：1初始化叶片点云的叶簇类别编号，令所有叶片点云的叶簇类别编号为0；2取叶片点云中的任意一点P，记其叶簇类别编号为Kn，K1＝1，Kn＝n；以P为中心点，在叶片点云中搜索与P的距离R小于固定阈值Rth的点，归入点集Kn，n为自然数从1依次取值；Rth取值为5毫米-3分米，叶片分布密度不变的情况下叶片尺寸越大Rth越大；P和非P点之间的距离R计算公式如下： 其中x,y,z为点P的坐标，xt，yt，zt为非P点的坐标；遍历点集Kn内的所有点，在叶片点云中搜索是否存在一点T，使得点集Kn内存在一点G，使得点G和点T之间的距离R小于固定阈值Rth；如果存在，则将T归入点集Kn，并再次重复上述步骤，搜索可以被并入点集Kn的点；如果不存在，则意味着点集Kn内的所有点被找到；3循环步骤2遍历K1至Kn以外的剩余叶片点云，直至叶片点云中不存在叶簇类别编号为0的点；步骤5、根据实际需求赋予步骤4中得到的叶片模型和枝干模型各自的标签和属性，将步骤4中的叶片模型和枝干模型相融合，完成对树木的数字孪生。

全文数据：

权利要求：

百度查询： 电子科技大学 一种基于地基激光雷达点云的树木数字孪生方法