基于计算机视觉的立木枝干直径自动测量方法

立木枝干直径是智能型立木整枝机器人工作的重要工作参数.该文提出了一种基于计算机视觉原理的立木枝干自动测量方法.该方法利用已知大小的标定尺简化无线性畸变CCD摄像机标定过程.首先,将标定尺与被测立木紧贴在一起并通过CCD摄像机获取它们的图像;其次,从图像中通过二次模板匹配方法检测标定尺并统计标定尺像素数;然后,计算出图像每一个像素代表的实际尺寸;第四,通过立木枝杈点检测分离出树干和树枝;最后,将统计立木枝干直径的像素数与每一个像素代表的实际尺寸相乘就可以很容易地计算立木枝干直径.该文测量了12组立木枝干的直径,平均绝对误差为0.67 cm,平均相对误差为1.9%.实验结果表明,计算机视觉的立木枝干直径自动测量方法能够比较精确地解决智能型立木整枝机器人中的立木枝干自动测量问题,但是该方法在进行复杂背景立木枝干直径测量时精度需要进一步提高.      

基于运动恢复结构的多株立木因子测量方法

  目的  提出基于运动恢复结构的多株立木因子测量方法,以解决目前基于三维点云的立木因子测量方法获取立木树高和胸径存在效率低或成本高的问题。  方法  ①使用智能手机环绕包含多株立木的场景拍摄一段视频,并采用固定帧采样法和差异值哈希算法自动提取立木视频中的关键帧图像,然后,基于运动恢复结构(structure from motion,SfM)算法处理立木关键帧图像,从而获取立木场景的原始三维点云;②在对原始三维点云进行预处理及初步分割后,运用条件欧几里得聚类算法对多株立木三维点云进行分割,以提取单株立木三维点云;③对立木三维点云使用最值遍历法和椭圆拟合法实现立木树高和胸径的自动测量。  结果  与真实值相比,本研究方法测得的树高、胸径的平均相对误差分别为1.96%、3.19%,均方根误差分别为0.133 3 m、0.533 7 cm,相关系数分别为0.987 9、0.962 1。  结论  该方法具有较高的树高和胸径测量精度,提供了一种便捷、低成本的多株立木因子三维测量方法。图6表1参27     

手杖式测树仪研制与试验

为了在森林资源调查中能够便捷、快速、精准、高效地获取立木胸径和树高,设计研发了一种手杖式测树仪,其以固定长度手杖为主体,搭载智能手机和测树软件。该设备在传统林业调查装备理论的基础上利用了测树学、摄影测量学、机械加工学、机器视觉、影像处理等技术,通过智能手机影像处理软件实现了胸径的自动识别、测量、记录,并通过手动截取完整立木与所得胸径值演算树高等功能,可以统一编辑、存储、导出最终所得胸径树高。分析结果表明,该手杖式测树仪所得胸径和树高的编差Bias分别为0.29、0.48 cm,相对误差Bias%为1.5%、4.2%,RMSE均为0.70 cm,相对RMSE%为3.6%、6.1%,基本满足二类调查A类精度要求,具有一定的应用价值和推广潜力。     

基于智能手机与机器视觉技术的立木胸径测量方法

针对现有森林资源调查中立木胸径测量工作劳动强度大、效率低,先进设备操作复杂、成本高等问题,结合相机标定、三维重建、机器视觉和近景摄影测量等技术,探索基于智能手机与机器视觉技术的立木胸径测量方法。通过智能手机获取待测立木的图像信息,运用Lab颜色空间模型(Lab color model)和3×3算子对图像进行卷积运算,得到立木图像的视觉显著图; 结合HSV颜色模型(色调H,饱和度S,明度V)中的H分量增强图像中立木树干部分的颜色对比度,通过图像分割算法识别并获取自然环境下的目标立木轮廓区域; 通过一种改进的带有非线性畸变项的相机标定模型标定智能手机的相机内、外参数,并借助相机参数和二维图像信息进行三维世界坐标重建,从而实现树干1.3 m处胸径的测量。经验证,一定距离内胸径测量结果的相对误差小于2.50%。该方法测量精度较高,符合森林资源调查对胸径测量的精度要求,可应用于森林资源调查。     

尾叶桉地径与胸径、树高、材积相关性分析

【目的】建立尾叶桉地径与胸径、树高、材积的数学模型,为利用地径测算林木立木材积提供测算方法。【方法】实测148株尾叶桉立木的地径、胸径和树高,运用SPSS软件建立尾叶桉地径与胸径、树高、材积的回归模型,进行选优和适应性检验。【结果】研究区尾叶桉地径—胸径、地径—树高、地径—材积最优模型分别为D1.3=0.857D0-0.539、H=0.966D01.048、V=0.0000481D02.749,尾叶桉地径与胸径、树高、材积均显著相关。地径—胸径模型适应性检验的总相对误差为-1.14%、平均相对误差为1.29%,精度为98.46%;地径—树高模型适应性检验的总相对误差为13.07%、平均相对误差为-14.32%,精度为94.88%;地径—材积模型适应性检验的总相对误差、平均相对误差分别为-3.87%、1.69%,精度为94.70%。【结论】选出尾叶桉地径与胸径、树高、材积的3个最优回归模型,其中地径—树高模型总相对误差和平均相对误差过大,不提倡以尾叶桉地径直接估算树高;地径—胸径、地径—材积模型预测误差均在±5%以内,方程预测精度较高,可以用于估算立木材积。     

尾叶桉地径与胸径、树高、材积相关性分析

【目的】建立尾叶桉地径与胸径、树高、材积的数学模型,为利用地径测算林木立木材积提供测算方法。【方法】实测148株尾叶桉立木的地径、胸径和树高,运用SPSS软件建立尾叶桉地径与胸径、树高、材积的回归模型,进行选优和适应性检验。【结果】研究区尾叶桉地径—胸径、地径—树高、地径—材积最优模型分别为D1.3=0.857D0-0.539、H=0.966D01.048、V=0.0000481D02.749,尾叶桉地径与胸径、树高、材积均显著相关。地径—胸径模型适应性检验的总相对误差为-1.14%、平均相对误差为1.29%,精度为98.46%;地径—树高模型适应性检验的总相对误差为13.07%、平均相对误差为-14.32%,精度为94.88%;地径—材积模型适应性检验的总相对误差、平均相对误差分别为-3.87%、1.69%,精度为94.70%。【结论】选出尾叶桉地径与胸径、树高、材积的3个最优回归模型,其中地径—树高模型总相对误差和平均相对误差过大,不提倡以尾叶桉地径直接估算树高;地径—胸径、地径—材积模型预测误差均在±5%以内,方程预测精度较高,可以用于估算立木材积。     

便携式森林资源调查仪研制与试验

以数字图像处理技术、摄影测量技术、测树学为理论基础,研制可用于森林资源调查的多功能调查仪。该仪器主要由Cortex-M3中央处理芯片、激光测距模块、倾角传感器、蓝牙模块、LED彩屏、CCD镜头等电子元件组成,测量时获取距离、倾角、图像等信息,并使用C语言在Keil uVision4开发平台下构建一套集单木测胸径、单木测树高、单木测材积、圆形样地观测4个主要功能模块于一体的软件系统嵌入到测树仪中。结果表明,单木测量功能的平均精度高达96.98%,方差为0.023 3,其中单木因子测量中的胸径测量精度高达97.85%,树高测量精度高达97.46%,材积测量精度高达95.64%;圆形样地观测功能林分参数获取,林分平均胸径测量精度高达97.92%,林分平均高测量精度高达97.97%,株数密度测量精度高达96.54%,蓄积量测量精度高达95.79%,符合国家森林资源二类调查中的精度要求,该仪器可在林业调查工作中进行推广和应用。     

全站仪测算伐区设计蓄积的原理及其应用

对全站仪测树原理进行了研究分析，应用全站仪与PC-E500袖珍计算机或PDA连接．可自动测算伐区或样地内每一株立木的树高、胸径或树干任意高度处直径．进而可自动而精准地计算出单木材积和伐区立木蓄积．理论上．树高的量测精度可达1／1400，直径的量测精度可达1／200．实测结果表明：全站仪重复测量数据比较稳定．直径的量测误差在毫米级以内．树高的量测误差控制在厘米级，材积测定精度可优于1％，均高于测树的需要精度．全站仪测树技术实现了实时、快速、精准测定立木材积．不用材积表推求蓄积量．克服了传统测树方法的缺陷，其实测数据可作为伐区设计立木蓄积的测算依据。     

一种全站仪精准量测立木直径的方法

立木直径是森林资源调查的重要参数。本文提出了一种基于免棱镜全站仪对边测量原理的立木树干直径精 准量测方法,并以南方全站仪NTS-3401 为例,对该方法的理论精度进行了论证,结合量测数据对实际精度进行了 分析。结果表明:免棱镜全站仪对边测量原理的立木树干直径精准量测方法的理论精度中误差在0.4 mm 以内;使 用胸径尺量测立木直径3 次取平均值作为真值,用来检验全站仪量测立木树干直径的精度,数据表明真误差控制 在1 mm 以内,而林业测量中要求测量结果精确至1 mm。本文提出的全站仪精准量测立木直径的方法达到了林业 测量中量测立木直径毫米级的精度要求,可以解决非接触式量测立木上部(2 m 以上)直径的难题。      

全站仪测算材积的原理及精度分析

全站仪是一种电子精密测量型工具 ,自 2 0世纪 90年代中期后 ,美、英、德、日等国在林地面积测量、树高测量中初步使用全站仪 .该文首次采用全站仪测量树干上部直径及材积等测树参数 .以全站仪为测量工具 ,在林地中自动测量每 1棵树的树高 ,用直径测量数学模型自动测量树干胸径及任一处直径等参数 ,以及利用树干材积计算数学模型自动计算树干材积 .从其测量结果看 ,测量数据精度很高 .其测量树高的精度可达 1 14 0 0 ,测量任一处直径的精度可达 1 2 0 0 ,且均高于其它测树方法的精度 ,完全能够满足林业测量的精度要求 .由于全站仪的自动化程度很高 ,可与数据采集器实现数据的实时通讯 ,提高工作效率 .全站仪在测树中的应用 ,不仅提高了测树速度、精度和效率 ,更重要的是不用伐倒林木和爬树 ,不对林木有任何损害就可以自动、实时获取测树因子 ,它在林业测量有广泛的应用前景 .     

基于智能手机单目视觉的多株立木高度提取方法

  目的  提出一种智能手机单目视觉下的多株立木高度提取方法。  方法  该方法以智能手机为采集设备,利用Graph Cut 算法对输入的立木图像进行分割定位,实现单幅图像中多株立木轮廓的自动获取;再通过智能手机相机对摄像头进行标定,从而基于几何相似法获取智能手机相机图像的深度信息。在不同角度下拍摄标靶,进行深度提取模型的精度优化,进而确定信息提取的最优方位。同时,结合高精度陀螺仪获取相机俯视角,根据提取的深度信息和相机俯视角实现非接触条件下的多株立木高度测量。  结果  使用型号为MI 2S的小米智能手机为试验设备,在本方法中的立木高度测量模型具有良好的稳定性,并且试验中最高相对误差为2.45%,树高测量精度可达97.55%。  结论  基于智能手机单目视觉下的立木高度提取方法精确度高、操作简便,能够有效满足国家森林资源二类调查中对于树高测量精度的要求。      

长汀红壤侵蚀区马尾松林生物量估算模型的构建

以长汀红壤侵蚀区马尾松为研究对象,通过整株收获法获取34株马尾松立木材积和生物量,分析不同龄级、径级马尾松材积和生物量分配格局,采用胸径(D)、树高(H)等变量建立立木材积模型,采用材积量(V)、胸径(D)、树高(H)、冠长(C_l)等变量建立树干、树冠及地上生物量模型,进而拟合区域林分生物量模型,使用独立样本检验并比较优选模型估测效果。结果表明:34株马尾松的树龄变化范围为19～42 a,立木材积量和立木生物量变化范围分别为0.004 4～0.194 9、2.733 9～140.331 4 kg/株,树龄与材积量、生物量相关性不显著;各器官生物量分配为干材(57.67±8.28)%、树枝(24.15±7.33)%、树叶(10.79±3.17)%、干皮(7.38±1.39)%,全林分中3个径阶(8、10、12 cm)蓄积量、生物量均超过总量的50%;所有模型确定系数均大于93%,单木模型中,以胸径-树高组合为自变量的模型拟合效果更佳;马尾松立木材积、地上生物量、树干生物量、树冠生物量及林分生物量模型中,各优选模型预估精度均达77%以上,其中立木材积、地上生物量及林分生物量优选模型比已有模型估测值的总相对误差、平均相对误差均有所降低,估测值更接近实际值。因此,通过构建该区域马尾松生物量方程,补充了长汀红壤侵蚀区马尾松立木材积表及生物量表。     

手持式超站仪摄影测量研建材积模型

精准快速测量立木胸径、树高、材积等基本信息一直是林业调查探索的热点问题。手持式超站仪作为目前市场上较为常见的一款新型森林资源计测仪器,具有无损、高精度、便携、易操作等特点。为获得精准材积模型,解决辽阳地区一元、二元材积表编制问题,提出一种利用手持式超站仪测量研建立木材积模型的方法。手持式超站仪以辽阳当地主要树种樟子松、油松、落叶松、柞树、刺槐、硬阔、软阔、速生杨树、中生杨树、慢生杨树为研究对象,采用手持式超站仪进行立木无损精测获取树高、胸径、材积数据,建立10个树种的一元立木材积模型、二元立木材积模型和树高胸径模型,并通过6项指标对所得模型进行评价。结果表明：10个树种模型中除樟子松外平均系统误差与总相对误差中均保持在3%内,一元材积模型与二元材积模型的决定系数除樟子松外均保持在90%以上,一元材积模型与树高胸径模型的平均百分比标准差除软阔外均取得良好拟合效果。总体来看,一元材积模型、二元材积模型、树高胸径模型均取得良好拟合效果,该方法可用于野外森林资源调查与立木材积模型研建等。     

基于Android平台的立木胸径测量系统

本文提出了一种基于Android平台的立木胸径快速测量系统.首先,采用张正友标定法实现了相机自动标定功能,并根据标定结果完成立木图像畸变的矫正;然后,通过YCbCr色彩空间对MeanShift算法进行改进,缩短了图像处理耗时,并减弱了光照的影响;通过改进后的MeanShift算法增强了立木图像纹理与边缘信息,并结合GrabCut算法实现了立木图像的准确分割,提取了立木图像前景;最后,根据立木图像前景提取结果与摄影测量原理构建了立木胸径测量模型和深度提取模型,无需参照物即可实现基于移动端的立木胸径快速测量.本系统比算法改进前有效提高了立木胸径测量的速度,耗时缩短不低于80%,测量结果的最大误差不超过6%,可实现立木胸径的快速测量.     

基于计算机视觉的立木树干曲率自动测量方法

树干曲率的自动测量是智能立木整枝机作业的重要步骤.该文针对立木图像的特点,提出了一种基于计算机视觉的立木树干曲率自动测量方法.该方法包含4个主要步骤:利用阈值分割对树干图像进行提取,得到图像的粗分割;在中值滤波的基础上,利用拉普拉斯算子对图像进行边缘位置点的检测,从而得到准确而连续的边缘;利用数学形态学方法对树干边缘进行细化处理;以道格拉斯-普克法提取树干曲线上的特征点,对其进行曲线拟合并求得树干曲率.实验结果表明,该方法能比较准确地识别树干的弯曲度.      

基于无人机影像的天山云杉林树高提取及蓄积量的反演

【目的】提取影像高程数据建立模型反演天山云杉林分蓄积量,为天然林保护工程实施后天山云杉生态恢复与科学管理提供参考依据。【方法】以新疆天山西部巩留县恰西森林公园的天山云杉(Picea Schrenkiana var. tianshanica)为研究对象,无人机航拍影像与样地每木检尺为数据源,使用点云分类与克里金插值法提取无人机影像高程数据得到天山云杉树高,根据样地实测数据建立胸径树高模型,最终根据胸径树高模型反演天山云杉林林分蓄积量。【结果】利用无人机影像提取树高与实测树高存在显著正相关关系,提取平均精度为88.42%,建立天山云杉胸径-冠幅模型的相关系数为0.696,而胸径-树高模型的相关系数为0.730;验证胸径-树高模型,计算RMSE值为12.386,拟合效果显著。基于胸径-树高模型反演林分蓄积量精度为87.66%,与实测值比对,残差值大部分落在(-2,+2)残差区间。【结论】采用局部最大值算法对天山云杉林树高信息的提取效果较好,建立胸径-树高模型弥补了无人机不能对胸径直接测量的缺陷,进而反演天山云杉林林分蓄积量。     

智能手机单片摄影测树技术研究与试验

森林因子采集是林业观测的重中之重，智能手机为林业调查提供了新思路、新手段。为了更高效、精确的观测森林，以智能手机为载体，摄影测量学、测树学原理为理论基础，Java为开发语言，设计了一套单片摄影测树系统。系统仅利用智能手机的定焦镜头正直拍摄一张图像，即可进行单木的胸径、树高、材积的自动解算，同时，还可进行林分平均胸径、蓄积量和林分密度的自动解算。通过对200株立木进行胸径、树高、材积测量试验，对15块样地进行林分平均胸径、林分密度和林分蓄积量测量试验。结果表明，单木因子测量的相对偏差为4.95%～5.86%，相对均方根误差为6.09%～7.46%，林分因子测量的相对偏差为0.51%～1.46%，相对均方根误差为7.47%～8.6%。以上指标均高于传统林业测量的精度要求，该技术可以在林业调查中推广使用。     

无人机遥感影像提取的单木冠幅数据在桉树林分蓄积量估测中的应用

以广西壮族自治区南宁市树木园坛里管理区为研究区域、以桉树(Eucalyptus spp.)人工林为研究对象,在坛里管理区内设置6块20 m×20 m的典型样地,实地测量单木树高、胸径(1.3 m高)、冠幅直径,获得287株桉树样木数据;样地调查同时进行无人机航拍数据采集,获取分辨率为8 cm像素影像(110张),通过正射校正、倾斜校正、投影差校正对无人机影像进行处理,消除环境因子的影响,采用面向对象的影像分析方法对遥感影像上的桉树林提取林分单木冠幅;根据样地实测数据建立冠幅-胸径模型、冠幅-树高模型,将无人机影像提取的修正后的桉树单木冠幅数据代入构建的模型中,选择相关系数最高的模型推算胸径和树高,利用桉树二元材积公式估算样地的蓄积量,分析依据无人机遥感影像提取桉树单木冠幅数据估算林分蓄积量的可行性与精确度。结果表明：利用无人机影像提取冠幅与实测冠幅之间存在显著正相关,提取的平均精度为90.85%,建立的桉树冠幅-胸径曲线估计模型,其中对数函数方程拟合效果最好(决定系数为0.799);桉树冠幅-树高模型,拟合效果最好的是三次方函数方程(决定系数为0.755)。影像提取的单木冠幅,通过模型...     

基于改进归一化割的立木边缘识别技术研究

立木胸径是评价林木生长状况的重要依据,采用机器视觉的检测方法,实现立木胸径的自动测量。为了快速准确地识别立木边缘,根据立木图像的特点,提出特定方向的归一化分割方法。预处理采用具有保边去噪功能的双边滤波器对立木图像进行滤波,用局部均值法进行一定的像素减少处理。本研究重点是在传统权值矩阵的基础上构造像素点满足特定斜率要求的权值矩阵,两点斜率在45°~135°2个像素点间的权值为1,在此范围之外的权值为0,构造无向带权图后进行归一化分割。最后利用此算法对30株立木图片在MATLAB 2015环境下进行仿真试验,结果显示立木边缘的平均误提取率为1.21%,小于森林资源清查1.5%的误差要求。     

三维激光扫描系统在立木材积测定中的应用

该文提出了一种测定疏林立木材积的新方法,即利用三维激光扫描系统测量立木材积并建立材积表.采用该方法在标准地内按径阶对立木进行三维扫描,可以获取基本测树因子(包括立木的胸径、树高、冠幅)和三维立木模型,由Cyclone扫描软件可以计算立木材积.由扫描获取的立木胸径和树高能够回归建立二元立木材积方程.为检验扫描获取的基本测树因子的精度以及材积方程的适用程度,将扫描后的立木伐倒,并采用区分求积法实测材积.对比扫描数据和实测数据,扫描获取的基本测树因子和扫描材积均满足精度要求,说明这种新方法能够用于森林资源调查和建立立木材积表.