CN106408578A - 一种单木分割方法及装置 - Google Patents

Abstract

本发明实施例公开了一种单木分割方法及装置。该方法包括：获取待分割区域的点云数据，将其中的最高点划入目标树木点云中，设定一个无穷远的点并将所设定的点划入非目标树木点云中；对于点云数据中的每一个待划分点，比较当前待划分点分别与当前目标树木点云及当前非目标树木点云的相近程度，并根据比较结果将当前待划分点划入相应的点云中；在所有待划分点被划分完毕后，将最终的目标树木点云分割为目标树木对应的点云数据。本发明实施例通过采用上述技术方案，直接根据点云数据进行单木分割，减少了将点云转化为栅格等模型过程中损失的精度，有效改善分割效果，且算法复杂度较低，时间效率高，不受地形区域限制，可大范围进行单木分割。

Description

一种单木分割方法及装置

技术领域

本发明实施例涉及森林资源分析技术领域，尤其涉及一种单木分割方法及装置。

背景技术

森林参数包括林分尺度的参数和单木尺度的参数，遥感技术的出现为森林参数提取带来了技术上的革新，通过航空照片与外业调查相结合，能够大大节省人力和时间。普通的光学遥感容易受光照、大气和观测角度等因素的影响，且只能获取二维信息，其应用范围受限。激光雷达(Light Detection and Ranging,LiDAR)是一种新兴的主动三维遥感技术，能够同时获取森林冠层表面的水平分布和垂直结构信息，基于高密度的激光雷达点云数据不仅能够获取林分尺度的森林参数，也可以提供单木尺度的森林参数。

基于点云数据获取单木尺度的森林参数需要先进行单木分割。目前，普遍采用的单木分割方法为基于栅格图像的分割方法。然而，该分割方法的精度很大程度上依赖于栅格图像的分辨率，而且点云转化为栅格的过程中损失了点云数据在垂直结构方面的精度，所以分割效果并不理想。

发明内容

本发明实施例的目的是提供一种单木分割方法及装置，以优化现有的单木分割方案。

一方面，本发明实施例提供了一种单木分割方法，包括：

获取待分割区域的点云数据；

将所述点云数据中的最高点划入目标树木点云中，设定一个无穷远的点并将所设定的点划入非目标树木点云中；

对于所述点云数据中的每一个待划分点，比较当前待划分点分别与当前目标树木点云及当前非目标树木点云的相近程度，并根据比较结果将所述当前待划分点划入相应的点云中；

在所有待划分点被划分完毕后，将最终的目标树木点云分割为目标树木对应的点云数据。

另一方面，本发明实施例提供了一种单木分割装置，包括：

点云数据获取模块，用于获取待分割区域的点云数据；

第一划分模块，用于将所述点云数据中的最高点划入目标树木点云中，设定一个无穷远的点并将所设定的点划入非目标树木点云中；

第二划分模块，用于对于所述点云数据中的每一个待划分点，比较当前待划分点分别与当前目标树木点云及当前非目标树木点云的相近程度，并根据比较结果将所述当前待划分点划入相应的点云中；

分割模块，用于在所有待划分点被划分完毕后，将最终的目标树木点云分割为目标树木对应的点云数据。

本发明实施例中提供的单木分割方案，获取待分割区域的点云数据后，直接根据点云数据进行单木分割，将点云数据中的最高点划入目标树木点云中，设定一个无穷远的点并将所设定的点划入非目标树木点云中，比较每个待划分点分别与当前目标树木点云及当前非目标树木点云的相近程度，并根据比较结果将所有待划分点依次划入相应的点云中，将最终的目标树木点云分割为目标树木对应的点云数据。通过采用上述技术方案，直接根据点云数据进行单木分割，减少了将点云转化为栅格或其他模型过程中损失的精度，有效改善分割效果，且算法复杂度较低，时间效率高，不受地形区域限制，可大范围进行单木分割，分割效果显著。

附图说明

图1为本发明实施例一提供的一种单木分割方法的流程示意图；

图2为本发明实施例一提供的一种单木分割流程示意图；

图3为本发明实施例二提供的一种单木分割方法的流程示意图；

图4a为本发明实施例三提供的一种树木间距示意图；

图4b为本发明实施例三提供的又一种树木间距示意图；

图5为本发明实施例三提供的一种待划分点的划分原理示意图；

图6为本发明实施例三提供的一种单木分割方法的流程示意图；

图7a为本发明实施例三提供的一种投影图像示意图；

图7b为本发明实施例三提供的又一种投影图像示意图；

图8为本发明实施例三提供的单木分割效果对比示意图；

图9为本发明实施例四提供的一种单木分割装置的结构框图；

图10为本发明实施例六提供的一种终端的结构框图。

具体实施方式

为了方便理解本发明实施例的技术方案以及相应的有益效果，首先对现有技术中常见的单木分割方案进行介绍：

在基于激光雷达技术获取点云数据，对点云进行滤波，分别生成数字高程模型(Digital Elevation Model,DEM)和数字表面模型(Digital Surface Model，DSM)，二者差值获得冠层高度模型(Canopy Height Model，CHM)。然后对CHM进行分割，达到单木识别的目的。基于CHM的点云分割代表性算法包括局部最大值滤波法(local maximum focalfilter)和分水岭分割算法(watershed segmentation)。这些算法均以CHM为基础，而生成CHM的过程中会因为点密度及地形起伏等因素引入误差，导致该算法的精度极大依赖于CHM的精细程度，而且点云转化为栅格的过程中损失了点云数据在垂直结构方面的精度，所以分割效果并不理想。

下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。

实施例一

图1为本发明实施例一提供的一种单木分割方法的流程示意图，该方法可以由单木分割装置执行，其中该装置可由软件和/或硬件实现，一般可集成在计算机等终端中。如图1所示，该方法包括：

步骤110、获取待分割区域的点云数据。

示例性的，待分割区域具体可为待分割的森林区域，可以是整片森林，也可以是整片森林中的一部分区域。待分割区域的面积大小可由计算机的内存以及图像处理器等配置来确定。优选的，可通过建树的方式选择待分割区域，以提高分割效率。例如，可通过建立八叉树或者kd(k-dimensional)树的方式选择待分割区域。此外，本发明实施例对森林中的树木种类不做具体限定，可以是针叶林，也可以是阔叶林等其他森林。

优选的，待分割区域的点云数据具体可为经过归一化处理后的点云数据。

步骤120、将点云数据中的最高点划入目标树木点云中，设定一个无穷远的点并将所设定的点划入非目标树木点云中。

可以理解的是，树木的顶点的高度会高于树木的其他点的高度，可从点云数据中寻找全局最高点作为目标树木的顶点，并将该最高点划入目标树木点云中，成为目标树木点云中的第一个点。本实施例的方法的基本思想是树木顶点之间总是存在一定的水平距离，在找到目标树木的顶点后，可通过区域增长找到属于目标树木的所有点，即将目标树木的点与其他树木的点进行区分，进而达到分割单棵目标树木的目的。

本实施例中，将除了目标树木以外的其他树木均称为非目标树木，非目标树木对应的点云为非目标树木点云。在确定非目标树木点云中的第一个点时，可设定一个无穷远的点并将所设定的点划入非目标树木点云中。

步骤130、对于点云数据中的每一个待划分点，比较当前待划分点分别与当前目标树木点云及当前非目标树木点云的相近程度，并根据比较结果将当前待划分点划入相应的点云中。

示例性的，待划分点具体可指除了步骤120中的目标树木点云以外的所有点。也就是说，除了目标树木的顶点以外的所有点均可视为待划分点。

本实施例中对所有的待划分点逐一进行划分，划分的顺序本实施例不做具体限定，可随机选取，也可按照待划分点的高低顺序来进行划分。在对待划分点进行划分时，可比较当前待划分点分别与当前目标树木点云及当前非目标树木点云的相近程度，并将当前待划分点划入与其距离较近的点云中。

优选的，若当前待划分点与当前目标树木点云的相近程度高于当前待划分点与当前非目标树木点云的相近程度，在当前待划分点处于预设区域外时，将当前待划分点划入当前非目标树木点云中，预设区域为以最高点为中心且以预设长度为半径的圆形区域。可以理解的是，在找到目标树木的顶点后，以目标树木的顶点为中心并以一定长度为半径的圆形区域之外的点一般可认为是除了目标树木以外的其他树木的点，该一定长度即为上述的预设长度。预设长度的具体值本实施例不做具体限定，可根据待分割区域内的树木种类以及实地考察的树木间距信息等数据来设定，例如，对于一般的针叶林来说预设长度可设置为2米。

步骤140、在所有待划分点被划分完毕后，将最终的目标树木点云分割为目标树木对应的点云数据。

示例性的，在所有待划分点被划分完毕后，所有待划分点被分为两类，即目标树木的点和非目标树木的点，目标树木的点被划入目标树木点云中，将最终的目标树木点云分割为目标树木对应的点云数据，从而实现目标树木的单木分割。

可以理解的是，在分割出一棵目标树木后，可从待划分区域中去除该目标树木的点云数据，形成新的待划分区域，然后再从新的待划分区域中分割出下一棵目标树木，以此类推，每次循环只分割一棵树，通过多次迭代将所有的树依次从初始的待划分区域点云中分割出来。图2为本发明实施例一提供的一种单木分割流程示意图，如图2所示，在获取激光雷达点云数据后，对点云数据进行分类，分为目标树和其他树(即非目标树)，之后判断其他树对应的点是否已被分类完毕，若否，则循环次数i＝i+1并返回继续进行分类，若是，则停止分割。

本发明实施例一提供的单木分割方法，获取待分割区域的点云数据后，直接根据点云数据进行单木分割，将点云数据中的最高点划入目标树木点云中，设定一个无穷远的点并将所设定的点划入非目标树木点云中，比较每个待划分点分别与当前目标树木点云及当前非目标树木点云的相近程度，并根据比较结果将所有待划分点依次划入相应的点云中，将最终的目标树木点云分割为目标树木对应的点云数据。通过采用上述技术方案，直接根据点云数据进行单木分割，减少了将点云转化为栅格或其他模型过程中损失的精度，有效改善分割效果，且算法复杂度较低，时间效率高，不受地形区域限制，可大范围进行单木分割，分割效果显著。

实施例二

图3为本发明实施例二提供的一种单木分割方法的流程示意图，本实施例以上述实施例为基础进行优化，在本实施例中，将“比较当前待划分点分别与当前目标树木点云及当前非目标树木点云的相近程度，并根据比较结果将所述当前待划分点划入相应的点云中”优化为：计算当前待划分点与当前目标树木点云中距离当前待划分点最近的点之间的第一距离；计算当前待划分点与当前非目标树木点云中距离当前待划分点最近的点之间的第二距离；比较第一距离和第二距离的大小，并根据比较结果将所述当前待划分点划入相应的点云中。

相应的，本实施例的方法包括如下步骤：

步骤310、获取待分割区域的点云数据。

步骤320、将点云数据中的最高点划入目标树木点云中，设定一个无穷远的点并将所设定的点划入非目标树木点云中。

步骤330、对于点云数据中的每一个待划分点，计算当前待划分点与当前目标树木点云中距离当前待划分点最近的点之间的第一距离，计算当前待划分点与当前非目标树木点云中距离当前待划分点最近的点之间的第二距离，比较第一距离和第二距离的大小，并根据比较结果将当前待划分点划入相应的点云中。

优选的，根据比较结果将当前待划分点划入相应的点云中可具体包括：当第一距离小于第二距离，且第一距离小于预设距离值时，将当前待划分点划入当前目标树木点云中；当第一距离大于或等于第二距离，或者第一距离大于或等于预设距离值时，将当前待划分点划入当前非目标树木点云中。

示例性的，当第一距离小于第二距离时，可说明当前待划分点距离目标树木点云较近，而为了避免将虽然距离目标树木点云较近但实际并不属于目标树木点云的待划分点误划入目标树木点云中，可增加一个判定条件，即第一距离小于预设距离值，该预设距离值的具体值本实施例不做限定，可根据待分割区域内的树木种类以及实地考察的树木间距信息等数据来设定，与上述预设长度的值可相同也可不同，例如，对于一般的针叶林来说预设距离值可设置为2米或1.9米。

优选的，按照待划分点的高低顺序来依次对待划分点进行划分。图4a为本发明实施例三提供的一种树木间距示意图，图4b为本发明实施例三提供的又一种树木间距示意图，如图4a和图4b所示，假设树#1为目标树，A为树#1的顶点，树#2为非目标树，B为树#2的顶点，可见两棵树之间总是存在一定的水平距离，而树的顶点之间的距离大于底部之间的距离，尽管在茂密的林区，树木之间会相互遮挡，但是树的顶部仍会有一定的间距。因此，本实施例基于自顶而下的思想，从树的顶点开始，按照待划分点的高低顺序来依次对待划分点进行划分，可进一步提高单木分割的效率及准确率。

图5为本发明实施例三提供的一种待划分点的划分原理示意图，如图5所示，假设树#1为目标树，A为树#1的顶点(可视为种子点)，A也是目标树点云中的第一个点，树#2为非目标树，B为非目标树点云中的第一个点，假设A和B之间的距离d_AB为2.5米(大于预设长度2米)。对于待划分点C来说，与当前目标树木点云中距离最近的点为A，第一距离为d_AC，与当前非目标树木点云中距离最近的点为B，第二距离为d_BC，由于d_AC小于d_BC且小于预设距离值2米，所以将C划入目标树点云中。对于待划分点D来说，与当前目标树木点云中距离最近的点为C，第一距离为d_CD，与当前非目标树木点云中距离最近的点为B，第二距离为d_BD，由于d_CD大于d_BD，所以将D划入非目标树点云中。对于待划分点E来说，与当前目标树木点云中距离最近的点为C，第一距离为d_CE，与当前非目标树木点云中距离最近的点为D，第二距离为d_DE，由于d_CE大于d_DE，所以将E划入非目标树点云中。依据上述原理，按照待划分点的高低顺序来依次对待划分点进行划分，可快速准确地找到属于目标树木的点，进而实现对目标树木的分割。

步骤340、在所有待划分点被划分完毕后，将最终的目标树木点云分割为目标树木对应的点云数据。

本发明实施例二在上述实施例的基础上对待划分点的划分过程进行了细化，进一步提高了单木分割方法的时间效率及准确率。

实施例三

图6为本发明实施例三提供的一种单木分割方法的流程示意图，本实施例以上述实施例为基础进行优化，在本实施例中，将步骤“在所有待划分点被划分完毕后，将最终的目标树木点云分割为目标树木对应的点云数据”优化为：在所有待划分点被划分完毕后，将最终的目标树木点云中的所有点投影到二维平面，得到投影图像；计算投影图像的形状指数；当形状指数处于预设指数范围内时，将最终的目标树木点云分割为目标树木对应的点云数据。

相应的，本实施例的方法包括如下步骤：

步骤610、获取待分割区域的点云数据。

步骤620、将点云数据中的最高点划入目标树木点云中，设定一个无穷远的点并将所设定的点划入非目标树木点云中。

步骤630、对于点云数据中的每一个待划分点，比较当前待划分点分别与当前目标树木点云及当前非目标树木点云的相近程度，并根据比较结果将当前待划分点划入相应的点云中。

本步骤的具体细节可参见上述实施例中的相关描述，此处不再赘述。

步骤640、在所有待划分点被划分完毕后，将最终的目标树木点云中的所有点投影到二维平面，得到投影图像。

步骤650、计算投影图像的形状指数。

示例性的，可根据如下公式计算投影图像的形状指数：

其中，SI(Shape Index)为投影图像的形状指数，P为投影图像的周长，A为投影图像的面积。

可以理解的是，计算投影图像的形状指数的方法不限于上述公式，本领域技术人员可根据实际需求进行设计。

步骤660、当形状指数处于预设指数范围内时，将最终的目标树木点云分割为目标树木对应的点云数据。

示例性的，对于上述公式来说，SI的值越大，表明投影图像(二维凸包)的形状越细长，因此，可设定预设指数范围(如小于a)，当形状指数处于预设指数范围内时，可说明最终的目标树木点云所对应的数据为目标树木的数据，而非其他树木的枝条的数据，所以可将最终的目标树木点云分割为目标树木对应的点云数据。

图7a为本发明实施例三提供的一种投影图像示意图，图7b为本发明实施例三提供的又一种投影图像示意图。如图7a所示，如果最终的目标树木点云中的所有点对应的是其他树木的长的比较突出的枝条，那么投影到二维平面后所得到投影图像(二维凸包)接近椭圆形(SI值较大)。如图7b所示，如果最终的目标树木点云中的所有点对应的是一棵树，那么投影到二维平面后所得到投影图像接近圆形(SI值较小)。因此，可通过对投影图像的形状指数的衡量来区分所划分的目标树木点云是否准确，进一步提升单木分割方法的准确度。

本发明实施例三在上述实施例的基础上，对最终的目标树木点云进行进一步的验证，可进一步提升单木分割方法的准确度。实验表明，本实施例中的方法应用于针叶林工作区时，能够检测到86％的树木，其中切割出来的树有94％为正确的，总体的准确率F-score为90％。图8为本发明实施例三提供的单木分割效果对比示意图，如图8所示，通过采用本发明实施例的方法可将上面的点云数据图像成功分割为下面的图像，在下面的图像中每个不同灰度的区域代表一棵被分割的树木。

实施例四

图9为本发明实施例四提供的一种单木分割装置的结构框图，该装置可由软件和/或硬件实现，一般集成在计算机等终端中，可通过执行单木分割方法来进行单木分割。如图9所示，该装置包括点云数据获取模块91、第一划分模块92、第二划分模块93和分割模块94。

其中，点云数据获取模块91，用于获取待分割区域的点云数据；第一划分模块92，用于将所述点云数据中的最高点划入目标树木点云中，设定一个无穷远的点并将所设定的点划入非目标树木点云中；第二划分模块93，用于对于所述点云数据中的每一个待划分点，比较当前待划分点分别与当前目标树木点云及当前非目标树木点云的相近程度，并根据比较结果将所述当前待划分点划入相应的点云中；分割模块94，用于在所有待划分点被划分完毕后，将最终的目标树木点云分割为目标树木对应的点云数据。

本发明实施例所提供的单木分割装置，直接根据点云数据进行单木分割，减少了将点云转化为栅格或其他模型过程中损失的精度，有效改善分割效果，且算法复杂度较低，时间效率高，不受地形区域限制，可大范围进行单木分割，分割效果显著。

在上述实施例的基础上，比较当前待划分点分别与当前目标树木点云及当前非目标树木点云的相近程度，并根据比较结果将所述当前待划分点划入相应的点云中，包括：计算当前待划分点与当前目标树木点云中距离所述当前待划分点最近的点之间的第一距离；计算所述当前待划分点与当前非目标树木点云中距离所述当前待划分点最近的点之间的第二距离；比较所述第一距离和所述第二距离的大小，并根据比较结果将所述当前待划分点划入相应的点云中。

在上述实施例的基础上，根据比较结果将所述当前待划分点划入相应的点云中，包括：当所述第一距离小于所述第二距离，且所述第一距离小于预设距离值时，将所述当前待划分点划入当前目标树木点云中；当所述第一距离大于或等于所述第二距离，或者所述第一距离大于或等于预设距离值时，将所述当前待划分点划入当前非目标树木点云中。

在上述实施例的基础上，所述分割模块包括投影单元、形状指数计算单元和分割单元。其中，投影单元，用于在所有待划分点被划分完毕后，将最终的目标树木点云中的所有点投影到二维平面，得到投影图像；形状指数计算单元，用于计算所述投影图像的形状指数；分割单元，用于在所述形状指数处于预设指数范围内时，将最终的目标树木点云分割为目标树木对应的点云数据。

在上述实施例的基础上，所述形状指数计算单元具体用于：

根据如下公式计算所述投影图像的形状指数：

其中，SI为所述投影图像的形状指数，P为所述投影图像的周长，A为所述投影图像的面积。

实施例五

本发明实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种单木分割方法，该方法包括：

获取待分割区域的点云数据；将所述点云数据中的最高点划入目标树木点云中，设定一个无穷远的点并将所设定的点划入非目标树木点云中；对于所述点云数据中的每一个待划分点，比较当前待划分点分别与当前目标树木点云及当前非目标树木点云的相近程度，并根据比较结果将所述当前待划分点划入相应的点云中；在所有待划分点被划分完毕后，将最终的目标树木点云分割为目标树木对应的点云数据。

可选的，该计算机可执行指令在由计算机处理器执行时还可以用于执行本发明任意实施例所提供的单木分割方法的技术方案。

通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

实施例六

本发明第六实施例提供了一种终端，包括本发明任意实施例所提供的单木分割装置。

具体的，图10为本发明实施例六提供的一种终端的结构框图，如图10所示，本发明实施例提供一种终端，该终端包括处理器100、存储器101、输入装置102和输出装置103；终端中处理器100的数量可以是一个或多个，图10中以一个处理器100为例；终端中的处理器100、存储器101、输入装置102和输出装置103可以通过总线或其他方式连接，图10中以通过总线连接为例。

存储器101作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的单木分割方法对应的程序指令/模块(例如，单木分割装置中的点云数据获取模块91、第一划分模块92、第二划分模块93和分割模块94)。处理器100通过运行存储在存储器101中的软件程序、指令以及模块，从而执行终端的各种功能应用以及数据处理，即实现上述的单木分割方法。

存储器101可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器101可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器101可进一步包括相对于处理器100远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置102可用于接收输入的数字或字符信息，以及产生与终端的用户设置以及功能控制有关的键信号输入。输出装置103可包括显示屏等显示设备。

上述实施例中提供的单木分割装置、存储介质及终端可执行本发明任意实施例所提供的单木分割方法，具备执行该方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的单木分割方法。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种单木分割方法，其特征在于，包括：

获取待分割区域的点云数据；

将所述点云数据中的最高点划入目标树木点云中，设定一个无穷远的点并将所设定的点划入非目标树木点云中；

对于所述点云数据中的每一个待划分点，比较当前待划分点分别与当前目标树木点云及当前非目标树木点云的相近程度，并根据比较结果将所述当前待划分点划入相应的点云中；

在所有待划分点被划分完毕后，将最终的目标树木点云分割为目标树木对应的点云数据。

2.根据权利要求1所述的方法，其特征在于，比较当前待划分点分别与当前目标树木点云及当前非目标树木点云的相近程度，并根据比较结果将所述当前待划分点划入相应的点云中，包括：

计算当前待划分点与当前目标树木点云中距离所述当前待划分点最近的点之间的第一距离；

计算所述当前待划分点与当前非目标树木点云中距离所述当前待划分点最近的点之间的第二距离；

比较所述第一距离和所述第二距离的大小，并根据比较结果将所述当前待划分点划入相应的点云中。

3.根据权利要求2所述的方法，其特征在于，根据比较结果将所述当前待划分点划入相应的点云中，包括：

当所述第一距离小于所述第二距离，且所述第一距离小于预设距离值时，将所述当前待划分点划入当前目标树木点云中；

当所述第一距离大于或等于所述第二距离，或者所述第一距离大于或等于预设距离值时，将所述当前待划分点划入当前非目标树木点云中。

4.根据权利要求1所述的方法，其特征在于，在所有待划分点被划分完毕后，将最终的目标树木点云分割为目标树木对应的点云数据，包括：

在所有待划分点被划分完毕后，将最终的目标树木点云中的所有点投影到二维平面，得到投影图像；

计算所述投影图像的形状指数；

当所述形状指数处于预设指数范围内时，将最终的目标树木点云分割为目标树木对应的点云数据。

5.根据权利要求4所述的方法，其特征在于，计算所述投影图像的形状指数，包括：

根据如下公式计算所述投影图像的形状指数：

$SI=\frac{P}{4\×\sqrt{A}}$

其中，SI为所述投影图像的形状指数，P为所述投影图像的周长，A为所述投影图像的面积。

6.一种单木分割装置，其特征在于，包括：

点云数据获取模块，用于获取待分割区域的点云数据；

第一划分模块，用于将所述点云数据中的最高点划入目标树木点云中，设定一个无穷远的点并将所设定的点划入非目标树木点云中；

第二划分模块，用于对于所述点云数据中的每一个待划分点，比较当前待划分点分别与当前目标树木点云及当前非目标树木点云的相近程度，并根据比较结果将所述当前待划分点划入相应的点云中；

分割模块，用于在所有待划分点被划分完毕后，将最终的目标树木点云分割为目标树木对应的点云数据。

7.根据权利要求6所述的装置，其特征在于，比较当前待划分点分别与当前目标树木点云及当前非目标树木点云的相近程度，并根据比较结果将所述当前待划分点划入相应的点云中，包括：

计算当前待划分点与当前目标树木点云中距离所述当前待划分点最近的点之间的第一距离；

计算所述当前待划分点与当前非目标树木点云中距离所述当前待划分点最近的点之间的第二距离；

比较所述第一距离和所述第二距离的大小，并根据比较结果将所述当前待划分点划入相应的点云中。

8.根据权利要求7所述的装置，其特征在于，根据比较结果将所述当前待划分点划入相应的点云中，包括：

当所述第一距离小于所述第二距离，且所述第一距离小于预设距离值时，将所述当前待划分点划入当前目标树木点云中；

当所述第一距离大于或等于所述第二距离，或者所述第一距离大于或等于预设距离值时，将所述当前待划分点划入当前非目标树木点云中。

9.根据权利要求6所述的装置，其特征在于，所述分割模块包括：

投影单元，用于在所有待划分点被划分完毕后，将最终的目标树木点云中的所有点投影到二维平面，得到投影图像；

形状指数计算单元，用于计算所述投影图像的形状指数；

分割单元，用于在所述形状指数处于预设指数范围内时，将最终的目标树木点云分割为目标树木对应的点云数据。

10.根据权利要求9所述的装置，其特征在于，所述形状指数计算单元具体用于：

根据如下公式计算所述投影图像的形状指数：

$SI=\frac{P}{4\×\sqrt{A}}$

其中，SI为所述投影图像的形状指数，P为所述投影图像的周长，A为所述投影图像的面积。