本发明涉及林业与三维点云数据处理领域，主要涉及一种基于激光点云的单木垂直度及尖削度提取方法。
背景技术：
1、森林是地球上重要的生态系统之一，对维持生物多样性、调节气候、涵养水源等具有不可替代的作用。准确调查森林的数据对于制定气候变化缓解策略和实施碳交易机制有着至关重要的作用。传统的森林调查方法耗时耗力，难以满足大面积、高精度、快速获取森林结构参数的需求。这不仅影响了森林资源的精确管理，也限制了对森林碳汇功能的准确评估。
2、点云技术在林业领域的应用为森林资源管理和生态监测提供了新的手段和视角，尤其是三维激光扫描技术具有高精度、高密度、易操作的特点，已经成为森林调查数据采集的重要手段。其不仅能够获取高精度、高密度的林下点云数据，提供详细的森林结构信息，还能通过高精度的生物量估算，为碳汇计量提供更为可靠的数据支持。
3、获取的原始点云数据通常需要经过滤波、配准、分割等一系列预处理才能用于后续分析，这些步骤对最终结果的准确性有着重要影响。在单木尺度上，点云数据可用于提取树高、胸径、冠幅等关键参数。目前常用的方法包括圆柱体拟合法、最小二乘圆拟合法等。在林分尺度上，点云数据可用于估算林分平均高度、郁闭度、生物量等指标。常见的方法有冠层高度模型法、体素法等。但是，目前没有能够用于提取树木尖削度和垂直度等集合参数的方法。
技术实现思路
1、本发明针对现有的单木参数计算方法中无法进行单木垂直度及尖削度的计算的问题，提供了一种基于激光点云的单木垂直度及尖削度提取方法。该方法以三维激光扫描数据为输入，通过切片处理、ransac算法拟合圆提取骨架点，进而计算尖削度和垂直度，为单木参数计算提供了全新的技术手段的同时提高了单木数据测量的精度和效率。
2、一种基于激光点云的单木垂直度及尖削度提取方法，包括：
3、s1.获取三维激光点云数据，对三维激光点云数据进行单木分割处理，得到单木三维激光点云数据；
4、s2.对单木三维激光点云数据进行滤波处理，得到单木三维滤波点云数据；
5、s3.对单木三维滤波点云数据进行切片处理，得到一组单木切片数据；
6、s4.基于密度对每个单木切片数据进行点云聚类，得到一组点云簇数据；
7、s5.基于随机样本一致性算法ransac，对每个点云簇数据进行拟合圆生成；
8、s6.计算每个拟合圆的圆心坐标和半径，选取最佳拟合圆，构建单木骨架；
9、s7.基于单木骨架，利用简单样条法计算单木垂直度，利用分段削度法stm计算单木尖削度。
10、s2中，将单木三维滤波点云数据投影到yoz平面，通过计算y轴坐标和z轴坐标的差值，得出单木树干在yoz平面上的走向d：
11、；
12、式中，和分别为单木滤波数据在y方向坐标中的最大值和最小值，和分别为单木滤波数据在z方向坐标中的最大值和最小值。
13、s3中，沿单木中心线垂直方向对单木滤波点云数据进行密集切片，切片厚度为5厘米，得到一组单木切片数据，提取每个单木切片数据的中心点，得到初始中心线。
14、s5中，基于随机样本一致性算法ransac，对单木的初始中心线进行数据分布形状拟合，剔除点云簇数据中的噪声点，拟合后的中心线为：
15、；
16、式中，，，分别为三维激光点云数据观测点对应的x轴坐标、y轴坐标、z轴坐标，分别为单木树干方向向量对应的x轴坐标、y轴坐标、z轴坐标，为单木切片数据中心点的坐标；
17、拟合后的中心线外的一个三维点云数据投影到线上的表达式为：
18、；
19、式中，为投影后的坐标，为投影系数，计算公式为：
20、；
21、从每个点云簇数据中选取3个点作为最小子集，基于最小子集利用ransac计算初始拟合圆参数。
22、s5中，通过调整ransac计算模型的迭代次数、距离阈值和内点数量占比，对点云簇数据进行拟合圆生成，将每个点云簇数据中的所有数据点带入生成的拟合圆，计算每个数据点到圆周的距离，距离小于距离阈值的点为内点，距离大于距离阈值的点为外点，内点数量占比为：
23、；
24、式中，为内点的数量，为外点的数量；
25、模型每次计算使用个数据点，选取的点至少有一个点为外点的概率为，在进行次迭代后，模型的期望概率为：
26、；
27、通过模型期望概率可以得出迭代次数为：
28、；
29、距离阈值设置在3-5cm，最小内点数量占比设置在50%。
30、s6中，计算每个拟合圆的模型参数，包括圆心坐标和直径，选取内点数量最多即半径最大的拟合圆作为最佳拟合圆，最佳拟合圆包含的点云数据为单木三维滤波点云数据中的单木骨架数据，基于ransac计算迭代至次的最佳拟合圆为：
31、；
32、式中，为最佳拟合圆的半径，为最佳拟合圆的圆心，即单木骨架的骨架点在xoy平面上的投影。
33、基于单木骨架的骨架点利用最小二乘法进行拟合，构建单木骨架：
34、；
35、式中，、、分别为骨架点对应的x轴坐标、y轴坐标、z轴坐标，为求和运算，、、为求和系数；
36、；
37、；
38、；
39、通过求和系数拟合单木骨干直线，直线方程为：
40、；
41、分别为单木骨干直线对应的x轴坐标、y轴坐标和z轴坐标。
42、将单木骨干直线转换为向量形式：
43、；
44、单木骨干直线的方向向量为，
45、；
46、；
47、为y轴方向的方向向量，为x轴方向的方向向量，单木骨干与xoy平面的夹角的正切值为：
48、；
49、单木骨干与xoy平面的夹角为：
50、；
51、单木骨干与xoy平面的夹角表示单木的垂直度。
52、s7中，利用分段削度法stm计算单木尖削度：
53、；
54、式中，表示单木的树干半径；为无量纲参数，表示相对削量，即单木削量与树干直径的比值，取值范围在0到1中间；、、、表示模型系数，决定单木削量与相对削量的线性关系；、代表分段阈值，决定相对削量的分段区间；、为指示函数，控制分段条件，当条件满足时取值为1，否则取值为0。
55、相对比现有技术，本发明具有以下有益效果：
56、本发明以三维激光点云数据为输入，通过对点云数据进行单木分割、点云滤波、基于密度的横向密集切片和点云聚类的点云数据预处理得到点云簇数据，基于ransac随机样本一致性算法对点云簇数据进行拟合圆生成。通过计算拟合圆的圆心坐标和半径，构建单木骨架，将三维激光点云数据投影至二维平面，计算单木垂直度和尖削度，为林业提供新的管理手段，解决现有技术无法计算单木垂直度和尖削度的问题。
1.一种基于激光点云的单木垂直度及尖削度提取方法，其特征在于，包括：
2.根据权利要求1所述的一种基于激光点云的单木垂直度及尖削度提取方法，其特征在于，s2中，将单木三维滤波点云数据投影到yoz平面，通过计算y轴坐标和z轴坐标的差值，得出单木树干在yoz平面上的走向d：
3.根据权利要求2所述的一种基于激光点云的单木垂直度及尖削度提取方法，其特征在于，s3中，沿单木中心线垂直方向对单木滤波点云数据进行密集切片，切片厚度为5厘米，得到一组单木切片数据，提取每个单木切片数据的中心点，得到初始中心线。
4.根据权利要求3所述的一种基于激光点云的单木垂直度及尖削度提取方法，其特征在于，s5中，基于随机样本一致性算法ransac，对单木的初始中心线进行数据分布形状拟合，剔除点云簇数据中的噪声点，拟合后的中心线为：
5.根据权利要求4所述的一种基于激光点云的单木垂直度及尖削度提取方法，其特征在于，s5中，通过调整ransac计算模型的迭代次数、距离阈值和内点数量占比，对点云簇数据进行拟合圆生成，将每个点云簇数据中的所有数据点带入生成的拟合圆，计算每个数据点到圆周的距离，距离小于距离阈值的点为内点，距离大于距离阈值的点为外点，内点数量占比为：
6.根据权利要求5所述的一种基于激光点云的单木垂直度及尖削度提取方法，其特征在于，s6中，计算每个拟合圆的模型参数，包括圆心坐标和直径，选取内点数量最多即半径最大的拟合圆作为最佳拟合圆，最佳拟合圆包含的点云数据为单木三维滤波点云数据中的单木骨架数据，基于ransac计算迭代至次的最佳拟合圆为：
7.根据权利要求6所述的一种基于激光点云的单木垂直度及尖削度提取方法，其特征在于，基于单木骨架的骨架点利用最小二乘法进行拟合，构建单木骨架：
8.根据权利要求7所述的一种基于激光点云的单木垂直度及尖削度提取方法，其特征在于，将单木骨干直线转换为向量形式：
9.根据权利要求8所述的一种基于激光点云的单木垂直度及尖削度提取方法，其特征在于，s7中，利用分段削度法stm计算单木尖削度：
