核心词：桂花树 网格 分析 激光 单株 桂花树 
　　1区和2区的高度阈值设置不同的原因是桂花的整体分叉高度不同。从测试结果可以看出,该方法可以在没有信息的情况下成功地提取单个桂花树。本文改进了史文忠的方法。根据果园特殊的种植环境,利用多行数激光雷达获取桂花树信息。在缺乏信息的情况下,研究了单个桂花树的提取。为了从海量点云数据中提取单个桂花树的激光点,提出了一种基于表面特征点云侧面投影网格分析的桂花树信息提取方法。地面点是点云集合中的必要元素。地面点云的存在将地物连接成一个整体。低矮植被总高度小于1.5m,y轴方向植被跨度较大,约3M。侧面投影网格点密度分析方法的核心是基于网格划分计算点云的投影密度。网格大小的选择决定了后续树提取的准确性。
　　1、将差值分为N层
　　点云分层是利用点云的高程值,得到待处理点云数据中高程的最大值Hmax和最小值Hmin之间的差值,将差值分为N层,即每层的高度间隔为/N,并将层数标记为层。
　　2、根据激光点相对于雷达设备的位置和建立的雷达坐标系
　　在分析投影平面时,为了避免设备两侧的点云相互干扰,根据激光点相对于雷达设备的位置和建立的雷达坐标系,将激光点分为左半平面点云和右半平面点云,如图8所示。因此,在实际应用中,需要根据具体情况进行适当选择。钱建平利用双边图像,通过获取桂花树的图片信息,对单个桂花树进行分析识别;马永兵接收到RSSI信号的泰勒级数,进行多通道扫描定位,实现桂花树识别;林毅等人利用激光雷达和圆检测方法计算局部极值点和周边点到中心点的距离,从而提取树木信息;LiLin等人根据树木的整体和局部信息进行点云聚类并提取单个树木;Martin等人使用3dapha形状来减少点云,推导了树冠和树干高度、树冠和树干直径以及树冠形状等模型参数,并分别对树木进行建模以减少数据量;程晓光等根据树木点云之间的几何特性和点云的空间分布关系提取树木信息;Bohm等人建立了一个平台系统,以提高城市地区树木的移动和处理速度;LiLi等人通过树干和树冠的双重生长方法提取单株树的信息。地面通常是最低点。选择数据点P和P中最低的三个点,形成一个平面m;然后逐个计算数据点相对于平面m的位置,距离计算如公式所示。图7显示了测试区域1,有15405个激光点（包括树木、电线杆和低矮植被）;图7显示了测试区域2,有28507个激光点,包括10个桂花（杏树）。结果表明,由于雷达垂直方向的欠采样,如图10所示,采集设备距离树木约5m,树木之间的间隔较大,为0.5mx0。5m通过5m网络获得的信息相对准确,为0.25mx0。5m,25m网格较小,搜索过程复杂;如图11所示,采集设备距离树木约2m,树木相对密集,0.25mx0从25m试验区2提取的激光点云信息相对集中,0.5mx0。5m在5m和1mx1lm处提取的点云相对分散。因为桂花随着季节的变化而变化,所以它的形状变化很快。探索一种现代手段实现桂花信息的快速准确提取具有重要的农业应用价值。为了避免地面点云对桂花树识别的影响,需要去除地面点,使点云在空间上形成孤立的点云簇。本文对农业机械自动化的研究具有参考价值。近年来,雷达数据处理逐渐增多,在三维测绘领域所占比例越来越大。不同的地物有其特定的特征。三维信息不同,不同高度的点云状态也不同。例如,如果桂花树干中的点云数量较少,则树冠中的点云分散得更多。提取结果如图10和图11所示。在现有研究的基础上,可以发现,在农业机械化养殖中,利用激光雷达提取单个桂花的研究很少,还处于发展阶段。根据研究区域2的树木高度信息,将点云分为6层,高度阈值设置为1m。由于多线激光雷达价格昂贵,限制了其在农业上的应用。
　　3、迫切需要一种低成本
　　因此,迫切需要一种低成本、高精度的桂花树识别方法。在大多数果园环境中,基于侧面投影网格点密度分析的单株树提取方法中,存在电极点云和一些低等植物,需要加以区分和排除。因此,在输出单棵树之前,可以判断点云二维投影的形态特征,输出满足单棵树条件的激光点云,得到单棵树的激光点云。
　　4、无形状突变
　　如图5所示,电极形状为规则柱状,无形状突变。果园机械无人机是近年来农业机械的研究热点。桂花的提取与识别是果园机械研究的重要内容。2区为杏园环境。
　　5、因此高度阈值一般根据实际应用场景设定
　　桂花树分叉的高度距离较低,所以高度阈值一般根据实际应用场景设定。试验场地是一个相对平坦的场地环境,而实际果园环境通常是崎岖不平的道路。
　　6、车辆在行驶过程中的晃动会对桂花的鉴别产生一定影响
　　车辆在行驶过程中的晃动会对桂花的鉴别产生一定的影响。因此,采用边点云投影网格分析法,根据高程值对网格进行分析判断。通过分析点云不同高度值的形态特征,提取单个桂花树,实现对单个桂花树的识别,消除果园电线杆和低矮杂草的干扰。将一棵三维单株树投影到YOZ平面上,按照八邻域搜索法（见图4CA）进行网格邻域搜索,并根据点云之间的高差划分网格,这样在网格划分过程中,桂花树同一对象不会出现空白网络。以桂花为研究对象,根据果园种植特点和低成本少线雷达采集的地物信息不足,本文提出了一种地面目标点云侧面投影网格分析方法来提取果园中的桂花,并快速判断桂花花布的评分。
　　7、分别对左右两个平面的激光点数据进行处理
　　首先,分别对左右平面的激光点数据进行处理,去除地面点干涉,将点云聚类投影到YOZ二维平面上;然后通过网格划分、点密度统计、逐层分析和Y方向跨度计算对桂花树进行识别。利用雷达获取的信息对该算法进行了验证,提取了单株树的信息。利用16线少线激光雷达,以果园中的桂花为实验对象,获取激光雷达点云数据。如图9所示,基于侧投影网格点密度分析的方法可以有效地提取单株树,并有效地过滤掉电极。完成上述工作后,输出具有单株树属性的激光点,并将激光点形成单株树原型。在桂花树和电源杆中,桂花树会在高处分枝,投影网格层的跨度会发生突变。电力杆的投影形状和横向跨度的基本规则保持不变。在判断低植被时,高度值小于hy且高程值低的物体被归类为低植被。构建尺寸为0.5mx0.5m网格,根据研究区1的树高信息将点云划分为8层,根据桂花的生长直径将高度阈值h设置为2m,宽度阈值w设置为0.3m,并提取单个桂花树。因此,该方法对复杂环境的适用性有待进一步提高。激光雷达可以提供地面物体（桂花、电线杆和低矮植被）的实时位置和三维信息。（彩色图像扫描osid代码i
　　如果您对“桂花树-基于网格分析的激光点单株桂花树识别”感兴趣，欢迎您联系我们