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。     

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。     

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.     

RD 1000电子测树仪立木因子测定及适用性研究

传统的森林计测仪器均存在很大的不足,不能精准快速便捷地为科学研究和各有关部门提供真实可靠的立木基础数据。针对当前森林测量仪器的不足,引进美国激光技术公司的快特能RD 1000电子测树仪,以北京市奥林匹克森林公园和鹫峰国家森林公园为研究区,以误差理论为基础理论依据,对其精度和适用性进行验证分析。以传统工具卡尺和全站仪测量的数据为相对真值,对比分析RD 1000电子测树仪的测量结果,最终得出其适用性广,而且胸径测量的精度能达到毫米级别,树高测量的精度能达到厘米级别,足以满足精准林业的要求,能为我国林业的发展提供切实可行的技术支持。     

手持式树径自动识别测树仪的研制与应用

在森林资源调查中需要调查林分因子,从而了解森林资源的数量与质量,以进行森林资源的规划、设计和经营。森林资源调查是一项费时费力的工作,使用传统测量工具需要不同仪器来进行测量,同时还受地形条件的限制。为快速精确地进行林木测量,开发设计了便携式数字化智能测树仪。仪器由STM32F103VET6单片机、ov9655传感器、LIS331DLTR倾角传感器、键盘等及其相关电路模块构成。采用相位原理测距,具有±1.5 mm的测距精度。在径高同测模式下,利用摄像头和互补金属氧化物半导体(CMOS)传感器对图像进行处理,能够实现树径的自动识别,再利用所测距离和倾角,实现高度、直径同步测量。仪器还有测径模式,测高模式,测距模式,倾角测量模式,面积计算模式。经实验验证,测径模式下,胸径的平均误差为-0.05 cm,误差在0.50 cm之内的占97.6%。在不同距离下,对不同高度的直径进行测量表明,在最佳距离内可使误差在0.50 cm内。该便携式数字化智能测树仪可满足森林资源调查需求,实现林业数字化。     

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。      

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。     

基于三维激光点云的树木胸径自动提取方法

胸径是评价林木生长状况的重要参数之一。针对接触式人工测量自动化程度低和基于点云的现有算法提取树木胸径精度不高的问题,提出一种基于点云数据的自动准确获取树木胸径的新方法。该方法以树木点云数据为基础,运用蚁群算法和B样条曲线拟合技术,实现树木胸径的自动准确提取。对实验区树木测量计算,结果表明,利用该方法提取树木胸径的均方根误差为±0.19 cm,平均绝对误差为0.15 cm,相对于基于点云的传统算法提取精度分别提高了50%和60.7%。该方法基于高精度点云数据,实现了树木胸径的无损自动提取,在精准林业领域具有推广价值。     

便携式树木胸径测量系统的研制

目的树木胸径为距根茎1.3m处的树木直径,是森林调查最基本的因子之一。简便、快速、准确的测量与入库是森林调查追求的目标。为解决传统测量方法效率低、难以数字化及新产品成本高、便携性差、数据分析难以扩展等问题,急需研制集低成本、高精度、操作简便、耗时短等优点的便携式树木胸径测量系统。方法本文设计的便携式树木胸径测量系统,由嵌入式装置和上位机软件平台组成。嵌入式装置主要包含了绝对式编码器、无线通信模块、显示屏、按键和超声波传感器等元件;上位机软件平台由上位机、数据库、数据管理分析软件组成。测量时,首先在上位机设置好测量参数,按下开关1,启动超声波传感器测定离地的高度,当屏幕显示1.3米高度时,用编码器的拉绳绕树一周,按下开关2,测得胸径数据通过上位机上传到数据库。结果实验表明:系统胸径测量精度达99.97%, 平均单株树耗时5.3s,无需人工读取数据、手工录入数据和数据勘误,工作效率显著提升。结论本文的便携式树木胸径测量系统,在保证测量精度和效率的情况下,集测量、数据传输、存储、分析等功能于一体,实现了嵌入式、移动端、数据库、Web端的多平台联动,同时为胸径渐变生长持续感知与分析研究奠定了良好的基础。      

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。      

天目山针阔混交林林木碳储量树种分布特征

在浙江省天目山区针阔混交林内设置固定标准地,采用实测调查法,调查样地内所有胸径≥5 cm的林木特征值。根据调查数据,对重要值中前13种主要乔木树种的碳储量及其按径级、树高级和冠幅级的分布特征进行了研究。结果表明,天目山针阔混交林林分中主要的固碳树种为马尾松和白栎,针叶树种的碳汇效应优于阔叶树种。林分碳储量的径级分布总体上呈“中间大两头小”的特征,碳储量在不同树高级和冠幅级处变化较为相似,均为各优势树种碳储量的分布随着度量级的增加而增长,至1个峰值后,又随度量级的增加而下降,整个变化趋势呈现近似正态的峰状曲线。     

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     

海口市10种行道树最优生长模型研究

行道树是城市园林植物的重要组成部分，研究其科学合理的种植密度对于城市园林植物的规划设计和管理养护具有重要意义。以海口市建成区椰子等10种行道树为研究对象，分别进行“树高?胸径”和“冠幅?胸径”相关性分析，并通过SPSS软件对调查数据进行回归分析，比较决定系数R2，P值等相关数据后，通过拟合精度检验值（总误差、平均误差、平均相对误差）检验拟合效果，最终从8个预选模型中选出各树种的“树高?胸径”和“冠幅?胸径”最优生长模型。结果表明，10种行道树的“树高?胸径”和“冠幅?胸径”相关性显著，各自的“树高?胸径”和“冠幅?胸径”最优生长模型准确度较高，20个最优模型中，幂函数模型和S模型居多。