实时动态多功能双目立体摄影测树仪设计

为了实现林木精准实时定位,满足森林资源调查中多因子精准计测的需求,研发了一种集单木像对解算和林分点云测量于一体的多功能、高精度、实时定位的实时动态(real-time kinematic, RTK)双目立体摄影测树仪。该仪器以摄影测量和全球导航卫星系统(global navigation satellite system, GNSS)空间定位技术为基础,利用三角函数原理、双目摄影测量解算原理和基于运动结构(structure from motion, SfM)视觉算法,通过内嵌操作软件,实现了林木位置实时定位及林分样木还原、胸径测量、树高测量、株树密度测量、林分空间结构参数测量等功能。通过试验验证,在单木测量模式下,能快速实现林木定位,其胸径测量精度为97.11%,树高测量精度为94.72%;在林分测量模式下,依"仿航线法"观测,能快速建立林分点云模型,并实现了林分调查因子和林分空间结构参数的高效提取,其中林分胸径提取精度达到97.18%。该仪器测量精度符合林业调查的精度要求,可在森林资源调查及精准林业工作中推广使用。     

便携式高精度立木胸径测量装置研制与试验

立木胸径是森林资源调查中最重要的测量指标。为了实现高效、精准、简便地测量立木胸径,适应复杂树形和不同径级的树木,节省内外业勘测成本,该研究研制了一款新型立木胸径测量装置。基于隧道磁阻旋转编码器构建适合低成本、轻小型机电结构和高分辨力处理算法的方法,同时开发了由嵌入式软件、Android端应用和Web端应用构成的系统软件,通过多功能按键组合设计了特殊树形和大径级树木的作业流程。在单木勘查作业过程中,装置的机电结构会将立木胸径由机械量先转换为磁信号再转换成电信号,之后由嵌入式软件中集成的处理算法把电信号换算成胸径测量数据。完成所有单木勘查作业后,装置内的蓝牙将数据传输至Android端应用进行存储再上传到Web端的数据库中。为验证装置的测量精度和作业效率,选取包含多个树种的196株立木和一块包含42株立木的小样地进行试验。试验结果表明：该装置对不同径级的立木都具有较高的测量精准度（总平均绝对误差为0.08 cm、平均绝对百分比误差为0.37%、均方根误差为0.12 cm和相对均方根误差为0.54%）;人均每株立木测量耗时为9.3 s（约为传统围尺方法的1/3）,作业效率高。该装置解决了传统围尺在数据量测、记录和入库上的短板,降低了人力成本,比非接触式、卡测类、电子拉绳类仪器的制造成本低几百到上万元,造价仅为260元,且携带方便（仅重230 g）,符合国家森林资源连续清查技术规定的精度要求,在森林资源调查中具有宽广的应用前景。     

自动测量胸径和树高便携设备的研制与测量精度分析

胸径和树高测量是评价立地质量和林木生长状况的重要依据,该文以图像自动识别原理、摄影测量原理、相似三角形几何原理和三角函数原理为理论基础,研制了可测量胸径和树高的多功能便携式微型超站仪,该设备集成电荷藕合器件图像传感器、倾角传感器、激光测距传感器、中央处理器、存储器、液晶显示屏,测量时可获取测站点到待测点的倾角和距离2个参数值,并记录存储测量时的图像信息,通过仪器的嵌入式操作程序,实现胸径的自动测量、树高测量、任意处直径自动测量、基本测量等4项基本功能。通过试验验证,215株立木的单次胸径测量的平均绝对误差为0.369 cm,平均相对误差为2.08%。101株立木的单次树高测量的平均相对误差为1.44%。胸径测量精度达到97.92%,树高测量精度达到98.56%,符合国家森林资源连续清查中的测量精度要求。该设备为森林资源调查提供了参考。     

地基与无人机激光雷达结合提取单木参数

激光雷达（Light Detection And Ranging,LiDAR）在森林空间结构测量方面具有无可比拟的优势,但单独利用地基或无人机LiDAR难以完整描述森林垂直结构。为此,该研究提出了地基和无人机LiDAR点云相结合的单木参数提取方法,采用相对最短路径算法（Comparative Shortest-Path algorithm,CSP）和点云区域生长算法分别从地基和无人机LiDAR点云中识别单木,根据地基和无人机LiDAR的单木位置与地面实测单木位置进行点云粗匹配,然后采用迭代最近点（Iterative Closest Point,ICP）进行点云精匹配,采用最高值和基于密度的噪声应用空间聚类（Density-Based Spatial Clustering of Applications with Noise,DBSCAN）提取单木树高和胸径,并通过地面实测样地数据对地基、无人机和融合点云的单木参数提取精度进行评价。结果表明：基于地基和融合点云的单木检出率一致,简单、中等、复杂样地的单木检出率分别为98%、94%、91%,基于无人机点云的单木检出率较低;基于地基与融合点云的胸径提取精度基本一致,三种样地胸径提取值的决定系数R2均在0.96以上,均方根误差（Root Mean Square Error,RMSE）在1.2～1.6 cm之间;基于融合点云的树高提取精度最优,简单、中等、复杂样地树高提取值的R2分别为0.98、0.94和0.73,RMSE在1.38～4.19 m之间;融合点云对中等样地树高提取精度提升较大,融合后RMSE相较地基点云降低了0.34 m,R2提高了3%,对简单、复杂样地提升较小;所研究的单木中,杉木的胸径和树高提取精度最高,R2最高分别为0.99、0.89,RMSE最低分别为1.35 cm、1.96 m。地基和无人机LiDAR融合点云可以更精细地测量森林空间结构,更好地满足森林资源调查业务应用。     

利用手持式超站测树仪测量林分空间结构参数

针对传统测量方法准确度不高和外业投入大,该文提出了一种基于手持式超站测树仪测量空间结构参数的原理与技术方法。其原理是通过测量参照树和4株邻近木的坐标,解算夹角并计算角尺度;混交度和大小比值测量数据由仪器自动记录并计算、显示结果。在北京市奥林匹克森林公园内选择1块样地开展试验,结果表明:角尺度测量与传统直接判读法相比,测量结果相对误差在2%以内。混交度测量结果与传统方法完全一致,测量效率是直接判读法的3倍左右;大小比数测量结果均值与直接判读法测量均值相对误差小于4%。该文方法测量林分空间结构参数具有角尺度、大小比数和混交度值可以由单人测量、现场获得,由仪器电子化存储的特点,克服了传统角尺度测量中无法测量参照树和临近木胸高树心坐标导致角尺度计算错误问题;且在测量角尺度时参照树和临近木分布图可以根据测量数据由内业绘制、直观显示。该研究为林分空间结构参数测量提供参考。     

基于BDS和IMU的挖掘机铲斗位姿测量方法与试验

为提高农田建设中挖掘机施工作业精度和智能化程度，本文提出了一种基于BDS（BeiDou Navigation Satellite System，北斗卫星导航系统）和IMU（Inertial Measurement Unit，惯性测量单元）的挖掘机铲斗位姿测量方法。首先，采用IMU测量挖掘机各执行机构的姿态角信息，解算获得挖掘机车体坐标系下铲斗末端的三维坐标，利用双天线BDS和IMU检测车体的位置和姿态建立了挖掘机铲斗末端三维坐标的实时解算模型，并设计了融合双天线BDS和IMU输出高频率高精度位姿的卡尔曼滤波算法。模拟挖掘机实际施工场景进行了静态和动态试验，采用全站仪验证铲斗末端三维坐标解算值。试验结果表明，该方法能准确实时测量挖掘机铲斗末端三维坐标，挖掘机铲斗末端三维坐标解算值与全站仪实测值的运动轨迹变化一致，同一时刻空间两坐标点距离均方根偏差小于30mm，三个轴向坐标动态测量均方根偏差均在20mm内，绝对偏差≤30mm的数据占比不低于95.35%，挖掘机铲斗位姿的准确测量为挖掘机精准施工智能引导提供了基础。     

基于贴近摄影测量的崩岗侵蚀监测技术

在崩岗侵蚀研究中,为了高效精准的对高陡崩壁土体侵蚀沉积运移进行准确监测,运用无人机贴近摄影测量技术对崩岗研究区进行数字影像采集,通过运动恢复结构-多视点匹配(Structure From Motion-Multi View Stereo,SFM-MVS)技术,生成点云数据及研究区数字表面模型(Digital Surface Model,DSM),利用ArcMap进行叠加分析监测周期内研究区侵蚀沉积变化。从定位精度、测量精度、重现性分析3个方面对贴近摄影测量技术进行误差及可行性分析。最终验证结果贴近摄影测量技术总平均重投影误差为0.19 mm,侵蚀沉积量总平均绝对误差为0.006 m~3,较传统倾斜摄影测量技术误差降低了了45.45%。高程精度较倾斜摄影测量技术总体提升了162.5%。重复点云数据高程误差的平均值仅为0.36 mm,识别图像及控制点误差均达到毫米级,因此利用无人机贴近摄影测量技术精度满足崩岗高陡崩壁监测需求,该技术可提取崩岗研究区侵蚀地貌特征信息,是较为高效精准的研究侵蚀沉积过程的监测技术。     

基于双目立体视觉的机械手移栽穴盘定位方法

为了解决自动化机械手移栽过程中穴盘放置偏斜和底部局部"凸起"而引起的移栽效果不理想的问题,为机械手提供穴盘精准坐标,对穴盘准确定位方法进行研究。首先,根据机械手移栽特点提出穴盘定位总体方法及图像获取手段。其次,利用单目相机获取的图像采用像素标记法和Radon变换法计算穴盘中心坐标和角度,完成穴盘平面定位。再次,对双目相机获取的图像采用SIFT(scale invariant feature transform)特征匹配的算法获得匹配点对坐标,并提出区域整合匹配点的方法。最后,利用整合的区域双目匹配点坐标配合相机标定结果重建匹配点的三维世界坐标,并且与穴盘平面定位结果相结合完成穴盘空间位置重构。试验结果表明,提出的穴盘定位方法能够真实地恢复穴盘空间姿态,中心像素横纵坐标相对误差分别在(-7,+7)和(-6,+7)像素内,角度检测值与实测值相对误差值在(-0.51°,+0.53°)内,利用SIFT特征匹配算法匹配双目图像,在2×4区域内对8对整合匹配点进行三维世界坐标重建,其中7个坐标的三个维度与测量值相对误差在2 mm内,1个坐标与测量值相对误差为4.6 mm内。该方法所应用的算法成熟,可以满足机械手移栽实际应用处理要求。     

基于激光感知的农业机器人定位系统

为解决基于全球导航卫星系统（global navigation satellite system,GNSS）的农业机器人和自动驾驶农机在机库、大棚等卫星信号弱或无环境下定位精度低甚至无法定位的问题,该研究提出了基于激光感知的农业机器人定位方法。采用二维激光雷达和激光接收器设计了基于激光感知的机器人定位系统,通过二维激光雷达发射扫描激光获取机器人上激光接收器的点云,同时激光接收器感应扫描激光,融合感应扫描激光时间差和激光接收器点云特征,得到移动激光接收器（即农业机器人）的定位。以全站仪测量为参照在大棚内开展验证试验,结果表明,在激光雷达扫描范围内,机器人行驶速度为0.8 m/s时,直线行驶时最大偏差绝对平均值为4.1 cm,最大均方根误差为1.5 cm;曲线行驶时最大偏差绝对平均值为6.2 cm,最大均方根误差为2.6 cm,满足农业机器人在农机库等环境中自动导航所需定位精度要求。     

基于RGB-D相机的脐橙实时识别定位与分级方法

为实现脐橙采摘机器人对脐橙果实进行实时识别、定位和分级采摘的需求,该研究提出了一种基于RGB-D相机数据的脐橙果实实时识别、定位及分级的OrangePointSeg算法。首先利用微软最新消费级深度相机（Azure Kinect DK）采集脐橙果实的RGB-D数据,建立脐橙果实实例分割数据集及增强数据集。然后通过改进YOLACT算法对脐橙果实进行实时分割并生成实例掩膜,与配准后的深度图裁剪得到果实深度点云,再利用最小二乘法进行脐橙果实外形拟合,得到其相机坐标系下质心坐标及半径。试验结果表明,在果实识别阶段,改进YOLACT算法在该数据集上的检测速度为44.63帧/s,平均精度为31.15%。在果实定位阶段,1 400～2 000点云数量时的拟合时间为1.99 ms,定位误差为0.49 cm,拟合出的半径均方根误差为0.43 cm,体积均方根误差为52.6 mL,在大于800点云数量和距离1 m以内时,定位误差均控制在0.46 cm以内。最后通过引入并行化计算,OrangePointSeg的总体处理速度为29.4帧/s,能够较好地实现精度与速度的平衡,利于实际应用和工程部署。该研究成果可推广至其他类似形态学特征的果实识别中,为果园的智能化管理提供行之有效的技术支撑。     

用机载LiDAR点云数据估测海南博鳌人工经济林单木参数

激光雷达是目前发展迅速的一种主动遥感技术,其发射的激光脉冲能穿透树林冠层,实现森林三维结构特征的获取。为验证机载激光扫描器提取森林单木参数的可行性,该研究以海南省博鳌机场周边人工林为研究对象,使用机载激光扫描器Mapper5000（中国）获取的点云数据,探索对人工经济林单木参数估测的可行性。根据研究区的地形和林木结构特征,分别对槟榔和橡胶2个树种进行单木参数提取,使用K-means分层聚类对不同样地的林木进行单木分割,提取样地内单木树高、冠幅、胸径、材积和地上生物量。结果表明,2个树种的单木分割正检率均在85%以上,总体平均正检率在90%以上;单木树高、冠幅、胸径、材积、地上生物量估测结果的决定系数均达到0.8以上,与同类的研究相比,估测精度较高,说明该点云数据对提高森林参数估测精度有积极作用,机载激光雷达技术在森林资源精细调查中有较大的应用潜力,同时也可应用于相关果树生长情况监测,为数字果园的发展提供技术支撑。     

全站仪测量立木胸径树高及材积的误差分析

立木材积表是常用的森林调查数表,胸径、树高和材积的测量精度直接影响到编制材积表的精度,该文以全站仪无损测量立木的原理和误差传播理论为基础,推导了测算胸径、树高、材积误差的数学模型,研究了各立木因子间的相关性及其误差变化规律。结果表明：树干各分段高度与分段直径间存在弱相关性,树干总材积的误差受各分段材积的方差和相邻两段材积间的协方差影响。全站仪立木因子测量理论误差材积大于树高和胸径,其中胸径、树高和材积的平均相对误差分别为0.070%、0.023%和0.235%,说明全站仪无损测量立木的理论精度均远高于不同目标的林业调查及编制材积表的精度要求,对大范围的林业生产实践有着现实意义。     

利用轻小型飞机遥感数据建立人工林特征参数模型

目前获取森林特征参数的主要方法是外业测量,工作量大、效率低。该文以中国自主研发的轻小型航空遥感系统为数据获取工具,以油松人工林为研究对象,通过对获取森林的激光雷达（light detection and ranging,LIDAR）点云数据去噪,分类,提取等过程获得单木的树高数据,对获取的航空影像数据进行预处理,匹配,拼接,分割及冠幅提取获得单木的冠幅数据,再与外业抽样调查的单木的树高、胸径建立回归模型,同时验证模型精度。试验结果表明：通过LIDAR点云数据提取的树高与实测的树高具有极显著的相关性,所建立的模型预测精度达97.5%,通过影像提取的冠幅与实测的胸径也具有极显著的相关性,预测精度达91.6%,基本上能够满足林业生产的要求。     

基于无人机遥感影像的高精度森林资源调查系统设计与试验

为了实现林业的可持续发展,满足当今森林资源的精准化监测和信息化管理,该文以无人机航拍影像为数据基础,充分结合摄影测量技术、无人机影像后处理技术、地理信息系统技术和林业资源调查管理技术,构建了适用于林业调查和管理的专业森林资源调查系统。该系统以C#为编程语言,结合ArcGIS Engine10.2嵌入式组件技术开发而成,利用无人机影像实现高效快捷的林地空间区划、面积平差和高精度大比例尺的森林小班调查、信息提取等功能,可实现资源数据库的及时更新,极大地缩短了传统调查模式的调查周期,实现了森林资源的科学化管理。以辽宁老秃顶子林场作为试验区,利用1st Opt优化分析软件引入决定系数、估计值的标准差等评定因子,确定试验区冠径、树高、胸径之间的最优模型。同时基于试验区获取数据对系统进行了精度验证,结果表明,该系统获取坡度和高程的相对误差分别为5.17%和5.41%,株树密度、蓄积量的相对误差为2.68%和4.01%。     

树冠遮挡条件下全站仪测量树高及材积方法

树高、材积是森林调查中最重要的测树因子,对森林资源调查和林业科学研究有着重要的意义。为了解决林区遮挡条件下无法精确量测树高进而无法确定单木材积的问题,该研究运用全站仪进行森林样地外业数据采集,对内蒙古赤峰市旺业甸林场的188株落叶松和146株白桦进行量测。对每一株立木分别量测胸径、最高可观测处干径和该处距地面的距离以及这2处之间的中间位置的干径和该处距地面的距离,然后分别利用相似三角形法、简单生长经验方程法和孔兹干曲线方程法估算出树高及材积。试验的最高可观测的位置做了以下4种情况的假设:1/3树高、1/2树高、2/3树高和9/10树高。对这4种情况分别求得树高及材积,最后分别对其进行精度分析,得到随着最高可观测部分的增高以及观测点数的增加,测算出的树高及材积会越来越精准。其中运用生长经验方程,测算树高和材积的精度都能达到70%~80%;运用孔兹干曲线法测算树高和材积的精度都能达到70%~90%。该方法可用于林区遮挡条件下单株立木材积的测量,对实际生产有一定的参考意义。     

基于无人机倾斜航空影像的树冠体积测算方法

树冠是结构复杂的不规则体,对树冠体积的精确测定一直是树木测量研究中的难点问题。该文以消费级多旋翼无人机对目标树木进行倾斜摄影获取的多角度航空影像为基础,通过空三加密处理生成目标树木的三维点云模型;用等高线法分割树冠点云,并确定树冠最优分割层数;用投影法对点云数据进行转化,并选取测算点计算树高和树冠任意横截面积;对分割后各规则体的体积进行累加获得树冠体积。结果表明:8棵目标树木的树高测算值相对误差为1.46%～4.10%,平均相对误差为2.88%;树冠体积测算值的相对误差为6.95%～12.39%,平均相对误差为9.42%;精度均可满足林业调查中对于树高和树冠体积测量结果的要求。利用无人机倾斜航空影像建立单木的三维点云模型并进行树冠体积测算的方法是可行且有效的,该方法可为研究单木树冠几何参数的提取提供参考。     

水氮耦合效应对三倍体毛白杨林木生长状况的影响

为了研究水氮耦合效应对三倍体毛白杨林木生长状况的影响和机理,筛选有利于毛白杨生长的最佳水氮组合,于2008年在河北省邢台市威县采用不同水氮组合的随机区组设计对BT17三倍体毛白杨的生长状况进行连续二年研究。结果表明:不同生长时期,BT17三倍体毛白杨胸径和树高生长量快慢为:7月>6月>5月>8月>9月;方差分析结果表明,不同水氮处理间毛白杨生长指标差异显著,其中当土壤含水量为田间持水量的75%、施氮肥量(纯氮量)为240 g株-1时,胸径和树高的增长量最大,分别达到2.83±0.14 cm、3.40±0.31 cm。根据不同的施肥小区计算毛白杨林木的材积生长量,肥料和灌溉费用,计算出不同处理的经济效益,处理W3N3的经济效益最大,超过对照处理W1N0的两倍,每公顷纯利润高出两万多元。研究为毛白杨合理施肥和速生丰产林培育提供科学依据。     

基于无人机和卫星遥感的胡杨林地上生物量估算

基于光谱信息的森林地上生物量遥感模型多存在精度不高的问题,如何更准确地获取森林地上生物量是遥感领域的研究热点。该研究以位于塔里木河下游的河岸胡杨林为例,探讨在无人机摄影测量技术支持下,使用高分辨率卫星遥感技术,通过面向对象影像分析和回归分析等技术,获取区域尺度下胡杨冠幅、树高和密度等森林结构参数,在此基础上,通过生长方程计算得到区域尺度森林地上生物量。在30、50、100和250m4个空间尺度上,与无人机数据的估算结果相比,高分辨率卫星遥感数据的地上生物量估算结果高22%～26%,其误差主要来自于树冠生物量部分。随着空间尺度增大,基于卫星遥感的地上生物量回归模型R2也随之增大,其中在100 m尺度上,地上生物量回归模型R2为0.851,表明使用高分辨率卫星遥感技术可以在较大的区域尺度上获得较高的森林地上生物量估算精度。地上生物量回归模型的标准化系数分析表明,对森林地上生物量估算精度影响最大的因素是密度和树高,冠幅影响最小,并且随着空间尺度增大,密度的影响有增加趋势,树高的影响有减少趋势。研究结果可为使用无人机和卫星遥感技术研究森林地上生物量提供参考。