【技术实现步骤摘要】
本专利技术涉及种植布局监测领域，具体涉及一种基于三维点云的植物种植布局监测方法及系统。
技术介绍
1、对植物种植分布的监测通常需要采集种植场地的三维点云数据，构建种植场地的三维模型，基于对应的三维模型获取种植场地的地形、高程以及坡度等信息，从而更好规划和设计植物的种植布局。
2、三维点云数据在采集的过程中会受到噪声的影响，相关技术中通常利用非局部均值滤波算法对采集的点云数据进行去噪处理，并构建出种植场地的三维模型对植物的种植布局进行监测，但由于植物的枝叶在光照的影响下会产生阴影区域，导致阴影区域的点云数据无法被正确采集，导致通过现有技术对点云数据去噪的效果较差，从而降低对植物种植布局监测的效果。
技术实现思路
1、为了解决由于植物的枝叶在光照的影响下会产生阴影区域，导致阴影区域的点云数据无法被正确采集，导致通过现有技术对点云数据的去噪效果较差，从而降低对植物种植布局监测的效果的技术问题，本专利技术的目的在于提供一种基于三维点云的植物种植布局监测方法及系统，所采用的技术方案具体如下：
2、本专利技术提出了一种基于三维点云的植物种植布局监测方法，所述方法包括：
3、获取植物种植场地的点云数据，将每个数据点投影到水平面，获得投影数据点，将数据点的竖坐标作为对应投影数据点的特征值；
4、以每个投影数据点为中心构建预设尺寸的特征窗口，对特征窗口的尺寸进行迭代扩展，根据每次迭代的特征窗口中投影数据点的特征值的分布以及投影数据点之间的距离，获得每次
5、根据每个投影数据点和最优窗口中其他投影数据点之间的距离、对应投影数据点和其他投影数据点之间特征值的差异以及对应最优窗口的优选程度，获得每个投影数据点的阴影可能性；根据投影数据点之间所述阴影可能性的差异，对投影数据点进行去噪处理，获取种植场地的去噪点云数据；
6、基于所述去噪点云数据对植物种植的布局进行监测。
7、进一步地，所述根据每次迭代的特征窗口中投影数据点的特征值的分布以及投影数据点之间的距离，获得每次迭代的特征窗口的优选程度包括：
8、将每次迭代的特征窗口中的所有投影数据点的特征值分别作为对应特征窗口的分割阈值；
9、将所述特征值大于分割阈值的投影数据点作为特征窗口在每个分割阈值下的第一数据点，将所述特征值不大于分割阈值的投影数据点作为特征窗口在每个分割阈值下的第二数据点，根据第一数据点和第二数据点之间特征值的差异、第一数据点之间的距离以及第二数据点之间的距离，获得每个分割阈值的分割效果评价因子；
10、将所有分割阈值的分割效果评价因子的最大值，作为每次迭代的特征窗口的优选程度。
11、进一步地，所述根据第一数据点和第二数据点之间特征值的差异、第一数据点之间的距离以及第二数据点之间的距离，获得每个分割阈值的分割效果评价因子包括：
12、若第一数据点的数量大于1且第二数据点的数量大于1，则将所有第一数据点的特征值的平均值，作为第一数据点的第一分布参数；将所有第二数据点的特征值的平均值，作为第二数据点的第二分布参数；
13、将所述第一分布参数和所述第二分布参数的差值的绝对值，作为分布差异；
14、将所有任意两个第一数据点的距离的平均值，作为第一数据点的第一离散程度，将所有任意两个第二数据点的距离的平均值，作为第二数据点的第二离散程度；
15、对所述第一离散程度和所述第二离散程度的和值进行负相关归一化，获得聚集程度；
16、将所述分布差异和所述聚集程度的乘积值，作为每个分割阈值的分割效果评价因子；
17、若第一数据点的数量不大于1或第二数据点的数量不大于1，则令每个分割阈值的分割效果评价因子等于0。
18、进一步地，所述根据所述优选程度，从所有迭代的特征窗口中筛选出每个投影数据点的最优窗口包括：
19、将所述优选程度的最大值对应的特征窗口，作为对应投影数据点的最优窗口。
20、进一步地，所述根据每个投影数据点和最优窗口中其他投影数据点之间的距离、对应投影数据点和其他投影数据点之间特征值的差异以及对应最优窗口的优选程度，获得每个投影数据点的阴影可能性包括：
21、在任意一个投影数据点的最优窗口中，将所述分割效果评价因子的最大值对应的分割阈值，作为最优窗口的最优分割阈值；
22、将最优分割阈值下所有第二数据点的特征值的平均值与对应投影数据点的特征值之间差值的绝对值，作为第一阴影参数；
23、将对应投影数据点与最优分割阈值下所有第二数据点的距离的平均值，作为第二阴影参数；
24、将对应投影数据点的最优窗口的优选程度作为分子，将所述第一阴影参数和所述第二阴影参数的和值作为分母，将比值作为每个投影数据点的阴影可能性。
25、进一步地，所述根据投影数据点之间所述阴影可能性的差异，对投影数据点进行去噪处理，获取种植场地的去噪点云数据包括：
26、以每个投影数据点为中心构建预设邻域块；
27、根据任意两个预设邻域块中相同位置的投影数据点之间阴影可能性的差异，对非局部均值滤波算法所使用的预设邻域块之间的均方误差进行修正，获得任意两个预设邻域块之间的修正均方误差；
28、基于非局部均值滤波算法，在预设搜索范围内，根据所述预设邻域块之间的修正均方误差对所有投影数据点进行去噪处理，获取种植场地的去噪点云数据。
29、进一步地，所述根据任意两个预设邻域块中相同位置的投影数据点之间阴影可能性的差异，对非局部均值滤波算法所使用的预设邻域块之间的均方误差进行修正，获得任意两个预设邻域块之间的修正均方误差包括：
30、将任意两个预设邻域块中相同位置的投影数据点的阴影可能性之间差值的绝对值进行负相关的归一化，获得对应位置的投影数据点的修正系数；
31、将任意两个预设邻域块中相同位置的投影数据点的特征值之间差值的平方，作为对应位置的投影数据点之间的初始差异参数；
32、将所述修正系数和所述初始差异参数的乘积值，作为对应位置的投影数据点之间的修正差异参数；
33、将任意两个预设邻域块中所有相同位置的投影数据点之间的所述修正差异参数的平均值，作为任意两个预设邻域块之间的修正均方误差。
34、进一步地，所述基于所述去噪点云数据对植物种植的布局进行监测包括：
35、基于去噪点云数据构建出种植场地的三维模型；
36、根据所述三维模型，结合植物的不同类型，将植物种植在场地的不同区域中。
37、进一步地，所述特征窗口每次迭代扩展前后的尺寸差距为2。
38、本专利技术还提出了一种基于三维点云的植物种植布局监测系统，所述系统包括存储本文档来自技高网...
【技术保护点】
1.一种基于三维点云的植物种植布局监测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于三维点云的植物种植布局监测方法，其特征在于，所述根据每次迭代的特征窗口中投影数据点的特征值的分布以及投影数据点之间的距离，获得每次迭代的特征窗口的优选程度包括：
3.根据权利要求2所述的一种基于三维点云的植物种植布局监测方法，其特征在于，所述根据第一数据点和第二数据点之间特征值的差异、第一数据点之间的距离以及第二数据点之间的距离，获得每个分割阈值的分割效果评价因子包括：
4.根据权利要求1所述的一种基于三维点云的植物种植布局监测方法，其特征在于，所述根据所述优选程度，从所有迭代的特征窗口中筛选出每个投影数据点的最优窗口包括：
5.根据权利要求2所述的一种基于三维点云的植物种植布局监测方法，其特征在于，所述根据每个投影数据点和最优窗口中其他投影数据点之间的距离、对应投影数据点和其他投影数据点之间特征值的差异以及对应最优窗口的优选程度，获得每个投影数据点的阴影可能性包括：
6.根据权利要求1所述的一种基于三维点云的植物种植
7.根据权利要求6所述的一种基于三维点云的植物种植布局监测方法，其特征在于，所述根据任意两个预设邻域块中相同位置的投影数据点之间阴影可能性的差异，对非局部均值滤波算法所使用的预设邻域块之间的均方误差进行修正，获得任意两个预设邻域块之间的修正均方误差包括：
8.根据权利要求1所述的一种基于三维点云的植物种植布局监测方法，其特征在于，所述基于所述去噪点云数据对植物种植的布局进行监测包括：
9.根据权利要求1所述的一种基于三维点云的植物种植布局监测方法，其特征在于，所述特征窗口每次迭代扩展前后的尺寸差距为2。
10.一种基于三维点云的植物种植布局监测系统，所述系统包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1~9任意一项所述方法的步骤。
...【技术特征摘要】
1.一种基于三维点云的植物种植布局监测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于三维点云的植物种植布局监测方法，其特征在于，所述根据每次迭代的特征窗口中投影数据点的特征值的分布以及投影数据点之间的距离，获得每次迭代的特征窗口的优选程度包括：
3.根据权利要求2所述的一种基于三维点云的植物种植布局监测方法，其特征在于，所述根据第一数据点和第二数据点之间特征值的差异、第一数据点之间的距离以及第二数据点之间的距离，获得每个分割阈值的分割效果评价因子包括：
4.根据权利要求1所述的一种基于三维点云的植物种植布局监测方法，其特征在于，所述根据所述优选程度，从所有迭代的特征窗口中筛选出每个投影数据点的最优窗口包括：
5.根据权利要求2所述的一种基于三维点云的植物种植布局监测方法，其特征在于，所述根据每个投影数据点和最优窗口中其他投影数据点之间的距离、对应投影数据点和其他投影数据点之间特征值的差异以及对应最优窗口的优选程度，获得每个投影数据点的阴影可能性包括：
6.根...
【专利技术属性】
技术研发人员：张宝运，聂鹏程，彭祥伟，李培帅，张文娜，何勇，
申请(专利权)人：浙江大学山东临沂现代农业研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。