[目的]针对不同观测平台获得的树木三维点云特征少、重叠率低、配准较难的问题,以不同视角不同平台的森林点云数据为输入,根据单木平面位置分布一致性原则,提出一种适用于多类型数据的无标记森林点云自动配准方法,实现以单木对象为语义特征的点对匹配.[方法]首先从不同类型点云数据中分别提取单木平面位置:对于侧视型点云,基于点云主方向离散度与主方向竖直角度偏差剔除部分非主干点云,采用体素点云剖分的连通分量分割方法识别单木主干,统计单木主干点云体素垂直分布最大值点作为单木平面位置;对于俯视型点云,采用标记分水岭算法分割冠层高度模型,提取单木并识别冠层顶点作为单木平面位置.然后以提取的单木平面位置为特征点,基于 Laplace谱图匹配理论获取配准矩阵,完成 4 自由度点云粗配准.最后,采用主干点云匹配完成侧视与侧视点云的精配准,采用全局点云最近点迭代法与主干点云匹配完成侧视与俯视点云的精配准.[结果]侧视-侧视点云配准精度优于侧视-俯视点云,侧视-侧视点云粗配准平均误差为 0.24 m,精配准平均误差为0.08 m;侧视-俯视点云粗配准平均误差为 1.07 m,全局点云最近点迭代法平均误差为 0.44 m,机载激光点云与侧视点云经主干点云匹配后,平均误差为 0.36 m.[结论]本研究立足于森林环境,借鉴由粗到精的配准思路,综合多种算法,提出一种适用于多源点云数据类型的配准方法,并通过试验证明了方法的可行性.基于单木位置特征的多源树木三维点云配准方法适用于森林、城市园林绿地等垂直生长结构较为明显的树木配准,可为森林资源调查与评估提供坐标统一、较为完整的高精度三维测量数据.
国家科技期刊平台
NSTL
万方数据
维普
