公开(公告)号：CN110427956B

公开(公告)日：2021-01-15

申请号：CN201910311744.8

申请日：2019-04-18

Applicant: 中国林业科学研究院资源信息研究所

Inventor： 庞勇 ,  王伟伟

IPC: G06K9/62

Abstract: 本发明的目的在于提供一种基于谱聚类算法的LiDAR点云数据单木提取方法，具体方法为：对LiDAR点云数据的高度信息进行归一化，并使用mean shift聚类算法进行体素化；基于高斯相似度函数在体素空间中构造相似图；使用方法计算相似图的特征值和特征向量，并利用特征值间隔确定分割单木数k；取前k个最小特征值对应的特征向量为列构造特征向量矩阵，在特征空间中对特征向量矩阵的归一化行元素进行k‑means聚类，并将分割结果映射回LiDAR点云得到单木聚类，实现点云的单木分割。本发明提供的方法不仅可以在样地尺度进行有效的单木分割，还可以为区域尺度提供稳定的分割结果，具有很强的实用价值。

公开(公告)号：CN110427956A

公开(公告)日：2019-11-08

申请号：CN201910311744.8

申请日：2019-04-18

Applicant: 中国林业科学研究院资源信息研究所

Inventor： 庞勇 ,  王伟伟

IPC: G06K9/62

Abstract: 本发明的目的在于提供一种基于谱聚类算法的LiDAR点云数据单木提取方法，具体方法为：对LiDAR点云数据的高度信息进行归一化，并使用mean shift聚类算法进行体素化；基于高斯相似度函数在体素空间中构造相似图；使用 方法计算相似图的特征值和特征向量，并利用特征值间隔确定分割单木数k；取前k个最小特征值对应的特征向量为列构造特征向量矩阵，在特征空间中对特征向量矩阵的归一化行元素进行k-means聚类，并将分割结果映射回LiDAR点云得到单木聚类，实现点云的单木分割。本发明提供的方法不仅可以在样地尺度进行有效的单木分割，还可以为区域尺度提供稳定的分割结果，具有很强的实用价值。