(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 202210576740.4 (22)申请日 2022.05.25 (71)申请人 浙江圣海亚诺信息技 术有限责任公 司 地址 313000 浙江省湖州市吴兴区高新区 外溪路88号湖州中小微 企业智能制造 产业园一期6号楼401室 (72)发明人 齐全　高鹏东　李凡　裘初　 (74)专利代理 机构 成都宏田知识产权代理事务 所(普通合伙) 51337 专利代理师 钟隆辉 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/80(2022.01) G06V 10/77(2022.01)G01S 17/86(2020.01) (54)发明名称 融合光学图像和激光雷达数据的单木识别 方法 (57)摘要 本发明涉及融合光学图像和激光雷达数据 的单木识别方法， 包括： 步骤1.数据获取； 步骤2. 数据处理； 步骤3.截取数据； 步骤4.去除杂波； 步 骤5.将杂波 L去除； 步骤6.数据体 元化； 步骤7； 步 骤8.遍历数据； 通过同时使用光学图像和激光雷 达， 以及算法优化， 有效的提升了单木识别的准 确率， 减少了不必要的工作量， 具有显著的经济 效益。 权利要求书1页 说明书3页 CN 114998729 A 2022.09.02 CN 114998729 A 1.融合光学图像和激光雷达数据的单木识别方法， 其特 征在于， 包括： 步骤1.数据获取： 通过光学图像和激光雷达获取单木的光学图像和激光雷达点云数 据； 步骤2.数据处 理： 根据所述 光学图像和激光雷达点云数据得到点云数据文件； 步骤3.截取数据： 根据预定截取上限和截取下限对所述点云数据文件进行截取， 生成 一段只包 含单木的水平条 带； 步骤4.去 除杂波： 利用鲁棒主成分分析方法对光学图像和激光雷达获取的水平条带M 进行分解， 得到低秩矩阵L和稀疏矩阵S， 即为杂波L和目标S； 步骤5.将杂波L去除， 保留的目标S即为最终去除杂波后的光学图像和激光雷达获取的 水平条带图像； 步骤6.数据体元化： 对所述水平条带在三维空间中进行体元化生成体元空间， 其中， 所 述体元空间包 含光学图像和激光雷达点云数据的体元； 步骤7.检查下终止条件||M ‑L‑S||F/||M||F<预定误差是否满足， 如果满足， 则结束迭 代， 如果不满足， 则更新惩罚因子 μ和拉格朗日乘子Y， 并利用当前迭代周期结束时的稀疏矩 阵S和低秩矩阵L， 重复步骤5 ‑步骤6， 进行 下一个迭代， 直至满足 终止条件； 步骤8.遍历数据： 把整个水平条带垂直方向上具有连续性的体元组作为茎干， 对所述 体元空间进行遍历， 获取 单木的数量。 2.根据权利要求1所述的融合光学图像和激光雷达数据的单木识别方法， 其特征在于， 步骤4中通过下式， 迭代更新低秩矩阵L， 找到满足L＝arg  minF(L， S， Y， μ )的低秩矩阵L： L＝ US1/ μ(∑)VT； 其中， S1/ μ表示当前迭代周期的迭代系数， VT表示矩阵V的转置矩阵。 3.根据权利要求1所述的融合光学图像和激光雷达数据的单木识别方法， 其特征在于， 步骤5通过下述公式迭代更新稀疏矩阵S： 找到满足S＝arg  minF(L， S， Y， μ )的稀疏矩阵S： S ＝T λ/ μ(M ‑L+ μ‑1Y)； 其中， T λ/ μ表示当前迭代周期内与 λ有关的迭代系数； λ表示 折中因子 。 4.根据权利要求1所述的融合光学图像和激光雷达数据的单木识别方法， 其特征在于， 步骤7中， 更新拉格朗日乘子Y的更新通过下述公式进行： Yk+1＝Yk+μk(M ‑Lk‑Sk)； k表示刚 刚迭代结束的周期。 5.根据权利要求4所述的融合光学图像和激光雷达数据的单木识别方法， 其特征在于， 所述步骤7中， 惩罚因子的更新方法为： 若 前两个迭代周期内稀疏矩阵之差的F范数与 矩阵M 的F范数比小于预定值， 则下一个迭代周期的惩罚因子为上一个迭代周期惩罚因子的ρ 倍； 若前两个迭代周期内稀疏矩阵之差的F范数与矩阵M的F范数比大于或等于预定值， 则下一 个迭代周期的惩罚因子与上一个迭代周期惩罚因子相同。 6.根据权利要求1所述的融合光学图像和激光雷达数据的单木识别方法， 其特征在于， 所述的步骤1中应采用高分辨 率光学图像。 7.根据权利要求1所述的融合光学图像和激光雷达数据的单木识别方法， 其特征在于， 所述的激光雷达数量 不低于六个。权　利　要　求　书 1/1 页 2 CN 114998729 A 2融合光学图像和激光雷达数据的单木识别方 法 技术领域 [0001]本发明涉及 一种单木识别方法， 具体是融合光学图像和激光雷达数据的单木识别 方法。 背景技术 [0002]传统的林木资源调查， 很耗时、 费力和费财。 地基激光雷达作为一种主动遥感技 术， 能够直接、 快速、 精确地获取研究对象的三维地理坐标， 提供关于树木位置、 株数、 胸径 以及树高等森林结构参数的精确信息， 但是现行的无人机采集到的森林影像首先需要进 行 配准， 这无疑增 加了识别工作量。 发明内容 [0003]针对上述现有技术存在的问题， 本发明提供融合光学图像和激光雷达数据的单木 识别方法， 可以无需配准 通过光学图像和激光雷达的配合， 可以有效地 提高单木识别效率。 [0004]为了实现上述目的， 本发明通过以下技术方案实现： 融合光学图像和激光雷达数 据的单木识别方法， 包括： [0005]步骤1.数据获取： 通过光学图像和激光雷达获取单木的光学图像和激光雷达点云 数据； [0006]步骤2.数据处 理： 根据所述 光学图像和激光雷达点云数据得到点云数据文件； [0007]步骤3.截取数据： 根据预定截取上限和截取下限对所述点云数据文件进行截取， 生成一段只包 含单木的水平条 带； [0008]步骤4.去除杂波： 利用鲁棒主成分分析方法对光学图像和激光雷达 获取的水平条 带M进行分解， 得到低秩矩阵L和稀疏矩阵S， 即为杂波L和目标S； [0009]步骤5.将杂波L去除， 保 留的目标S即为最终去除杂波后的光学图像和激光雷达 获 取的水平条 带图像； [0010]步骤6.数据体元化： 对所述水平条带在三维空间中进行体元化生成体元空间， 其 中， 所述体元空间包 含光学图像和激光雷达点云数据的体元； [0011]步骤7.检查下终止条件||M ‑L‑S||F/||M||F<预定误差是否满足， 如果满足， 则结 束迭代， 如果不满足， 则更新惩罚因子 μ和拉格朗日乘子Y， 并利用当前迭代周期结束时的稀 疏矩阵S 和低秩矩阵L， 重复步骤5 ‑步骤6， 进行 下一个迭代， 直至满足 终止条件； [0012]步骤8.遍历数据： 把整个水平条带垂直方向上具有连续性的体元组作为茎干， 对 所述体元空间进行遍历， 获取 单木的数量。 [0013]步骤4中通过下式， 迭代更新低秩矩阵L， 找到满足L＝arg  minF(L， S， Y， μ )的低秩 矩阵L： L＝US1/ μ(∑)VT； 其中， S1/ μ表示当前迭代周期的迭代系数， VT表示矩阵V的转置矩 阵。 [0014]步骤5通过下述公式迭代 更新稀疏矩阵S： 找到满足S＝arg  minF(L， S， Y， μ )的稀疏 矩阵S： S＝Tλ/ μ(M ‑L+μ‑1Y)； 其中， Tλ/ μ表示当前迭代周期内与 λ有关的迭代系数； λ表示折说　明　书 1/3 页 3 CN 114998729 A 3