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。      

基于全数字摄影测量的林分立木高度量测

树高是森林资源调查中的主要测树因子之一,快速准确地量测树高具有现实意义和应用价值。该文收集了东北林业大学哈尔滨市试验林场的16张航片和相应的外方位元素,建立了一个测区,通过模型的内定向、相对定向和绝对定向构建测区的立体像对模型;在立体像对模型的基础上,利用专业的数字摄影测量平台,量测研究区域内的32棵样木的高度;同时使用超声波测高器在准同步状态下实地测量32棵样木的实际高度,并将实地测量结果与数字摄影测量结果进行对比分析。结果表明,两组数据的差异不显著,基于数字摄影测量的立木高度量测的实际精度为90.92％,使用数字摄影测量量测立木高度的方法精度较高。      

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。     

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.      

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。     

单株立木图像信息的提取与解算

该文采用数码相机获取立木的图像信息，对单株立木图像信息的提取分别运用近景摄影测量DLT模型和双目立体视觉技术进行解算，解决了立木图像信息与立木二维坐标之间的解算问题.基于近景摄影测量技术树木图像信息的二维处理方法，简化了解算方程，提高了求解的运算速度.在提取单株立木形状参数时, 采用计算机双目立体视觉技术存在着操作复杂、成本高的缺点.实验结果表明，应用近景摄影测量技术提取单株立木图像信息的方法有效、可行.      

应用Harris角点检测进行图像拼接的超长板材尺寸测量方法

选择约700 mm(长)×200 mm(宽)的10块柞木板材为研究对象;用相机进行标定得到相机内部参数、外部参数,对采集的板材图像进行镜头畸变修正;对图像进行高斯平滑处理后,采用Harris角点检测方法对采集的先后两帧图像进行图像拼接;采用边缘检测得到板材完整的边界信息,通过建立空间坐标系与像素坐标系的转换关系完成板材尺寸计算。结果表明:相机标定与畸变补偿,提高了测量的精度由5 mm至1 mm;图像拼接方法,解决了长尺寸板材机器视觉测量困难的问题;采用Sobel算子边缘检测方法,能够准确保留边缘信息,速度快、计算简单;测量结果最大标准差为0.582 mm,测量精度小于1 mm。     

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     

基于消费级双目相机的立木因子测量方法

  目的  随着林业信息化的快速发展,机器视觉测量技术广泛应用于林业领域。针对传统立木因子测量方法成本较高、携带不便、操作复杂等问题,提出消费级双目相机与机器视觉技术相结合的立木因子无接触测量方法。  方法  首先使用消费级USB 3.0双目相机采集立木图像,通过改进的SGM算法生成高质量视差图;再根据三角原理转化为深度图,进而获取立木三维点云;基于空间密度聚类和混合滤波三维点云去噪方法快速准确去除聚集、离散的噪声点,再进行方向矫正和点云分割;最后,利用最值遍历法和椭圆拟合法实现树高、胸径的无接触测量。  结果  树高、胸径的相对测量误差分别小于2.219%、5.620%,测量值与真实值的相关系数R2分别为0.978、0.995,均方根误差分别为0.047 m、0.249 cm。  结论  本方法易操作、成本较低,同时具有较高的测量精度,能够满足无接触测量的需求。图5表2参27     

基于神经网络的立木枝干测量方法研究

通过神经网络算法完成实现摄像机标定,并将标定方法应用到立木枝干的测量上,实现立木枝干尺寸测量的自动化.该方法包含3个主要步骤:首先是通过图像预处理提取特征点,其次针对树木特点提出改进型神经网络摄像机标定算法,最后对测量方法进行验证并对误差进行分析.结果表明,此方法的测量精度能达到0.1mm,测量误差为±1.40 mm,满足作业要求.     

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。     

基于鱼眼镜头的林冠郁闭度简易测量方法

为探究一种精度高、操作简便,成本低、便携性高的郁闭度观测方法和设备,于2008年8月在水土保持与荒漠化防治教育部重点实验室方山试验站土桥沟流域进行了对比观测试验,提出了采用鱼眼镜头获取林分冠层图像,应用Photoshop软件测定林分郁闭度的新方法（CCPS法）,并以冠层分析仪所测28个固定样地的郁闭度值为基准值,对CCPS法所获冠层图像客观性和方法的系统偏差、精度和稳定性进行检验与测试,探讨了不同测量高度、林冠选择方式和林木主干对郁闭度测量结果的影响。结果表明:建立多边形林冠测量范围,其测量精度可达99.43%;在距地面90～130 cm高度范围内测量结果最为稳定,且便于操作;林木主干使郁闭度测量值均偏大,尤其对针叶林影响较大;该方法的稳定系数可达92.86%。      

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。     

样地蓄积量调查的3P抽样法

蓄积量通过样地每木调查,用一元材积表测算,是目前我国和其它国家最常用的一种调查方法。随着经营强度和调查技术的提高,越来越对一元材积表测算蓄积量提出了疑异或否定。若用二元材积表,虽能提高样地蓄积量的调查精度,但需要测定三四十株立木的树高来反映待测样地胸径与树高的数量关系,使外业工作量增加很多,因之未广泛采用。本文根据3P 抽样理论,提出在样地每木调查基础上,增测少量立木高,能有效地提高样地蓄积量调查的精度,为区别于常规样地调查法,我们称之为“样地蓄积量调查的3P 抽样法”     

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。     

基于数字图像处理技术的测树仪算法研究

针对支持新型测树仪立木非接触式胸径及树高测量的算法需要,从应用角度出发,基于摄像头和CMOS获取的立木树干数字图像结合数字图像处理技术,对预处理后的数字图像通过Roberts边缘检测算子进行边缘特征检测以及Hough变换对特征影像进行树干边缘直线提取,实现立木树干影像中树干像素宽度的自动获取;并依据激光测距传感器、倾角传感器等获取的距离、倾角参数,实现非接触条件下立木直径测量点离根颈高度测定、直径自动解算及树高测量。结果表明,以内蒙古旺业甸林场为试验区进行试验验证,胸径测量的平均绝对误差为-0.4cm,平均相对误差为-1.23%,相对误差标准偏差为0.049;在不同测量距离条件下的胸径测量平均相对误差基本在-1.00%~1.00%,不同坡度、坡向条件下胸径测量的平均相对误差6%。树高测量的平均绝对误差为0.493m,平均相对误差为4.82%,相对误差的标准偏差为0.072。     

华北落叶松天然林密度对林木生长的影响

研究林分密度对林木生长的影响是研究森林结构与功能关系的基础,也是森林经营中林分结构调整技术的基础,为天然林的经营管理和人工林的近自然经营提供依据。试验采用标准地调查法,记录不同林分密度标准地内立木坐标,测量立木胸径、树高以及冠幅,并进行回归分析和变化趋势分析。结果表明,林木胸径和冠幅的生长受密度变化的影响显著,呈负相关关系,且密度对冠幅的影响较大;林木树高的生长对密度变化的响应不显著;密度的变化对林木冠胸比和高径比影响显著。     

基于三维激光点云的城市绿化树种材积及树干碳储量无损精确测算

城市森林是森林碳库的重要组成部分。为探索三维激光扫描技术（TLS）在无损精确测算城市绿化树种树干材积及碳储量方面的潜力,了解不同区分段长度对基于TLS测算树干材积的影响并对现有模型测算的树干材积及碳储量的精度进行了评估,采集30株无患子Sapindus mukorossi点云,并按径阶采集树干钻芯样本,研究在不同区分段长度下测算的树干材积及碳储量,并与现有模型的测算结果相比较。结果表明:①基于TLS能够提取高精度的立木胸径和树高（平均相对误差分别为1.97%和4.85%）,可实现城市绿化树种树干材积及碳储量的无损精确测算。②基于TLS在区分段长度小于0.50 m时能测算得到高精度的树干材积。③城市绿化树种的材积和树干碳储量与野外林分存在显著差异（P < 0.05）。现有模型并不适用于城市绿化树种。     

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。