(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210137082.9 (22)申请日 2022.02.15 (71)申请人 天津水运工程勘察设计院有限公司 地址 300456 天津市滨 海新区塘沽新港二 号路2618号 (72)发明人 房新玉　刘杰　刘盾　解静　熊伟　 姚晓伟　张大龙　李全荣　刘昔　 刘彦祥　柯敏　宋维敏　李治朋　 赵靓　张玥　 (74)专利代理 机构 天津市鼎和专利商标代理有 限公司 12101 专利代理师 李凤 (51)Int.Cl. G06T 7/00(2017.01) G06K 9/62(2022.01)G06V 10/762(2022.01) G06V 10/764(2022.01) G01B 11/08(2006.01) G01S 17/08(2006.01) G01S 19/44(2010.01) (54)发明名称 基于DBSCAN聚类和四象限的激光点云林木 胸径获取方法 (57)摘要 本发明公开了一种基于DBSCAN聚类和四象 限的激光点云林木胸径获取方法， 包括以下步 骤： 一)采集测区林木激光点云数据； 二)获取测 区林木胸径处指定厚度点云， 生成林木胸径点云 文件； 三)采用DBSCAN聚类方法对不同林木的胸 径点云进行分组， 获取单株林木胸径处及其支撑 棍的点云集合； 四)采用DBSCAN聚类方法进行分 类， 剔除单株林木周边支撑棍的噪声点， 获得单 株林木胸径处的点云集合； 五)过滤噪声点， 获取 单株林木胸径最优点云集合； 六)采用最小二乘 计算法计算最优圆， 获得树径和林木中心。 本发 明可以自动快速地分离每株林木胸径 点云， 并分 割出单株林木最优胸径点集， 然后进行计算， 计 算精确， 智能化 程度高， 效率高。 权利要求书2页 说明书8页 附图5页 CN 114511546 A 2022.05.17 CN 114511546 A 1.一种基于DBSCAN聚类和四象限的激光点云林木胸径获取方法， 其特征在于， 包括以 下步骤： 一)采用站式三维激光扫描仪， 采集测区林木 激光点云数据； 二)对林木激光点云数据进行拼接、 裁切、 截取， 获取测区林木胸径处指定厚度点云， 生 成林木胸径点云文件； 三)采用DBSCAN聚类方法对不同林木的胸径点云进行分组， 获取单株林木胸径处及其 支撑棍的点云集 合； 四)采用DBSCAN聚类方法进行分类， 剔除单株林木周边支撑棍的噪声点， 获得单株林木 胸径处的点云集 合； 五)过滤噪声点， 获取 单株林木胸径最优点云集 合； 六)以最优点集为点集， 以圆方程为基础方程， 采用最小二乘计算法， 计算该点集的最 优圆， 该最优圆半径即为林木直径， 该最优圆中心即为林木中心。 2.根据权利要求1所述的基于DBSCAN聚类和四象限的激光点云林木胸径获取方法， 其 特征在于， 所述步骤 四)的方法为， 对单株林木及林木支撑棍的点云集合， 根据DBSCAN聚类 方法， 设定扫描半径为0.04米， 最少扫描点数为7点， 对单株林木与林木周边支撑棍点云数 据进行分类， 当点云分为一类时， 则该点集为单株林木点集； 当点集分为两类时， 则点集点 数较多的为单株林木点集； 当点集分为三类时， 首先判断是否有一类点集的点数是其他两 类点集的5倍以上， 如果是， 则该点集为单株林木点集； 如果否， 计算三个分类点集中心点， 形成三角形， 角度最大的点集即为单株林木点集； 当点集数量为四个以上时， 计算各个类别 点集的中心点和所有类别点集的中心点， 接近所有类别点集中心点的点集为单株林木点 集。 3.根据权利要求1所述的基于DBSCAN聚类和四象限的激光点云林木胸径获取方法， 其 特征在于， 所述步骤五)的方法为， 对单株林木点云集合求取均值， 获取单株林木点云集合 均值点， 以均值点为中心点， 将单株林木点云数据划分至四个象限； 计算各象限中与中心 点 距离最远的点， 将各象限离中心点最远的点与中心点按顺序构建三角形； 计算各三角形单 位面积内的点数， 确定单位 面积内点数最少的三角形为单株林木胸径圆心所在的三角形； 计算单位面积内点数最少的三角形的外接圆， 获得外接圆圆心和半径； 以外接圆圆心 为圆心， 以外接圆半径扩大0.03米为新半径， 形成外接新圆， 计算落入外接新圆的点， 然后 判断该点集占单株林木胸径点集的比例是否大于80％， 如果是， 该点集为最优点集； 如果 否， 以中心点为圆心， 以外接圆半径为半径， 形成中心圆， 计算单株林木点集中同时落入中 心圆和外 接新圆的点， 以该点 集为新林木点 集； 以外接圆圆心为初始振动中心， 以外接圆圆心和中心点的连线为对角线构建矩形区 域， 以X/Y方向分别移动0.003米， 在矩形区域内形成振动中心集合； 构建振动中心集合时， 扣除距中心点0.01米的点； 以振动中心为圆心， 以振动中心与中心点的距离为半径构建振 动圆， 以振动圆半径内外各0.01米构建振动环； 在振动中心集合内移动振动中心， 构建不同的振动环， 计算新林木点集中落入各个振 动环内的点， 当整个振动中心 集合循环一遍后， 落入点数最多的振动环为最优振动环， 该振 动环内的点 集为最优点集。 4.根据权利要求1所述的基于DBSCAN聚类和四象限的激光点云林木胸径获取方法， 其权　利　要　求　书 1/2 页 2 CN 114511546 A 2特征在于， 所述步骤六)的方法为， 计算最优点集的中值， 求取所有点坐标与中值的差， 然后 根据该差值， 按最小二乘法， 计算出该点集的最优拟合圆， 从而获得单株林木的位置和胸 径。 5.根据权利要求1所述的基于DBSCAN聚类和四象限的激光点云林木胸径获取方法， 其 特征在于， 所述步骤三)的方法为， 加载林木胸径 点云文件， 采用DBSCAN聚类方法， 设定扫描 半径为0.4米， 最少扫描点数为30点， 对整个区域林木数据进行分割， 滤除点数少于30点的 噪声点， 从而分割出每 株林木及林木支撑棍的点云数据。权　利　要　求　书 2/2 页 3 CN 114511546 A 3