CN115035254B 一种基于重建点云的区域植被三维绿量估算方法 （电子科技大学）

一种基于重建点云的区域植被三维绿量估本发明提供一种基于重建点云的区域植被三维绿量估算方法，属于三维绿量估算技术领遥感影像进行三维重建，得到三维重建点云数描线填充优化方法，得到三维绿量测算改进模法有效解决了现有的三维绿量定量测算方法中2步骤2.基于开源三维重建算法，对步骤1得到的倾斜影像数据集分别进行稀疏重建和步骤3.对步骤2得到的场景三维重建点云数据，使用点云语义分割神经网络模型提取步骤4.3.对所有非空体元按照体元中心坐标进行排序，首先根据Z轴坐标大小对体元步骤4.6.按照相同的方法，沿着轮廓在X和Y方向对每个体元重复步骤4.3至4.5的过3步骤2.1.基于步骤1得到的倾斜影像数据集，采用尺度不变特征变换算法进行特征点所述解码器用于得到和原始点云数据量相同的植被其中，编码器由采样层和组合层组成；采样层将稠密点云数据特征值共同组成的高维空间，通过最远点采样法从度量空间的N个输入点云中选取间距最解码器由若干组解码单元组成，每组解码单元包括插入层和PointNet4[0003](1)现有的三维绿量量化模型方法，如FangHuang等人的研究(FangHuang*,ShuyingPeng,ShengyiChen,HongxiaCao,NingMa.VO-LVV—Anovelurbanregionallivingvegetationvolumequantitativeestimationmodelbasedonthevoxelmeasurementmethodandanoctreedatastructure[J].RemoteSensing,2022,14[0004](2)现有的三维绿量量化模型方法主要基于单株建模，无法应用于区域范围内树被场景的快速三维重建，得到三维重建点云数据；并依据该三维重建点云数据，运用5[0011]步骤2.基于开源三维重建算法，对步[0012]步骤3.对步骤2得到的场景三维重建[0014]步骤5.将步骤3提取的植被点云数据输入至步骤4得到的[0016]进一步地，步骤1中的无人机倾斜摄影测量作业系统由大疆经纬M300RTK和禅思[0019]步骤2.1.基于步骤1得到的倾斜影像数据集，采用尺度不变特征变换(ScaleInvariantFeatureTransform,SIFT)算法进行特征点的提取，然后[0021]步骤2.3.在稀疏点云的基础上，采用基于聚簇和面片模型的多视角密集匹配值和特征值共同组成的高维空间，通过最远点采样法从度量空间的N个输入点云中选取间[0024]解码器由若干组解码单元组成，每组解码单元包括插入层和PointNet单元层组6[0032]步骤3.4.基于训练好的点云语义分割神经网络模型，输入场景三维重建点云数7[0049]步骤1.1.选用大疆经纬M300RTK和禅思P1图像传感器构成本发明的无人机倾斜[0051]步骤1.3.在作业软件中划定一块能完全覆盖待测区域范围的四边形区域作为作[0053]步骤2.基于开源三维重建算法，对步x,)(1)i,为成像的方向向量；8[0065]步骤2.3.在稀疏点云的基础上，采用基于聚簇和面片模型的多视角密集匹配[0066]步骤3.对步骤2得到的场景三维重建[0070]步骤3.4.基于训练好的点云语义分割神经网络模型，输入场景三维重建点云数[0071]现有技术中基于提取到的植被点云数据直接采用八叉树-体元法进行三维绿量的9[0075](2)子空间中完全没有数据，即为空节点，此时没有必要在这一子空间中继续划[0079]假定一个点云空间节点中被划分的子节点可编号为0-7，则子节点编号octi可表[0088]步骤4.5.当密度大于或等于一定的阈值时，认为该体元已经被植被点云完全覆形态补全参数c(Q)的计算方式如式(1[0096]步骤4.7.对修正后的测算值与真值之间建立多项式函数关系，预设多个拟合函提出了基于扫描线填充的八叉树-体元改进三维绿量测算方法。该方法仍然依据设定的体已检测到的植被点云所在体元的简单累加，而是需要将内部中空部分的体元填充到结果[0105]