树干直径自动识别与测量技术研究

在森林资源调查中为实现树干直径快速、精确测量,使用电子元件进行了树干影像自动识别与测量。通过摄像头和CMOS传感器获得图像,经灰度转换后,使用窗口大小为5行5列的高斯滤波器,利用Canny边缘检测算法提取边缘,包括平滑、非极大值剔除、双阈值的边缘连接等,在提取的边缘图像基础上,设计了树木直径自动提取算法。以4列的窗口为模板,自上而下,对经过Canny算法后的图像进行竖直线段的提取。在提取所有竖线后,将最大宽度的2条竖线当作树干轮廓线,通过焦距、物距、像距与像素宽度之间的关系计算出树干直径。最后选择了不同树种共计16棵树木进行了验证,实验结果表明树干直径识别的精度为96.9%,绝大部分测量数据符合森林资源调查要求。     

手持式高精度立木胸径测量设备设计与试验

为了在森林资源调查中快速、高效、精准地测量立木胸径,提高调查作业的工作效率,设计了一种手持式高精度立木胸径测量设备。该设备集成了中央处理器、胸径传感器、液晶显示屏、存储器、无线通讯模块等,其中,胸径传感器是利用电子技术和机械原理将测量长度信息转换为电压信号,由中央处理器处理计算得到胸径测量值。该设备以无线通讯方式配合载有数据接收端的智能手机协同使用,可实现胸径的测量、编码、记录、编辑、存储和导出等功能。野外试验结果表明,该设备在不同树种间的立木测量精度均不小于99.97%,符合国家森林资源连续清查工作的测量精度标准,测量效率达传统测径围尺工作效率的2倍以上。     

融合激光和机器视觉的立木胸径检测方法

为了提高立木胸径检测的效率,解决图像法测量立木胸径中的标定问题,提出了融合激光和机器视觉的立木胸径检测方法。将激光光束进行扩束准直后照射到立木树干上,采用树干上的激光光斑作为标尺进行图像测量。通过Otsu法对激光光斑进行分割,根据激光光斑的实际尺寸和像素数确定图像上立木胸径的位置,根据立木胸径的像素数计算出立木胸径值。试验结果表明,所提方法的测量结果与轮尺测量的胸径值最大误差1.22%,符合国家对森林资源清查操作的误差要求。     

激光摄影测树仪设计与试验

针对传统测量胸径、树高和林分空间结构参数的非智能化、非集成化、效率低等不足,以摄影测量学、测树学、图像处理技术和传感器技术原理为理论基础,设计了激光摄影测树仪。该仪器由CCD镜头、激光器、光源笔、PDA和云台组成,测量时获取方位角、倾角及图像等参数,通过在Android Studio 2.2开发平台下利用Java语言进行编译的3个模块化程序,实现胸径、树高和林分结构参数测量功能。对21株立木进行胸径、树高测量,对1块样地内15株中心树进行林分空间结构参数测量试验,并与传统测量方法进行对比,结果表明:胸径测量相对误差绝对值的平均值为2.55%,树高测量相对误差绝对值的平均值为2.82%,角尺度与大小比数测量相对误差绝对值的平均值分别为2.50%和2.86%,混交度测量与传统测量法测量结果相同,能够满足林业调查的精度要求。     

森林智能测绘记算器设计与试验

森林调查主要包括单木胸径、单木树高、单木材积、林分平均胸径、林分平均高、林分密度、林分蓄积量等。以摄影测量学原理、图像处理技术原理、测树学原理为理论基础,设计了森林智能测绘记算器,由自主研发的PDA模块、EDM模块和云台组成,测量时获取倾角、方位角、距离及图像信息等参数,通过在Android Studio 2.1开发环境下集成并利用Java语言进行汇编的4个模块化程序,能够实现树高测量、胸径测量、三元材积解算、3D角规样地测量、基本测量等5项功能。通过试验验证,树高测量精度达97.13%,胸径测量精度达97.08%,材积测量精度达94.52%,林分平均高测量精度达98.09%,林分平均胸径测量精度达98.05%,林分密度测量精度达96.59%,林分蓄积量测量精度达95.72%,符合国家森林资源连续清查的精度要求,可以在林业调查中推广使用。     

电子条码尺立木胸径自动测量研究

为了实现立木胸径的快速、准确测定,以EAN-13条形码编码和译码规则为模版,基于Android开发平台和Open CV图像智能处理技术,设计了一种可以实现单人作业、立木胸径自动测量的电子条码尺。条码尺编码完成后,利用开发的手机APP扫描条形码图像,通过图像的预处理、条形码的定位与识别、胸径的自动测量与记录、数据保存与导出等过程,实现立木胸径自动测量。经实验验证,该方法进行立木胸径测量的精度达99.95%以上,满足国家森林资源连续清查的精度要求,测量工作的效率也得到显著提高。     

望远摄影测树仪设计与试验

以摄影测量学原理、图像处理技术原理、测树学原理为理论基础,设计望远摄影测树仪,该仪器由PDA模块、远程EDM模块、长焦CCD镜头模块和云台组成,测量时获取倾角、方位角、远程距离及图像信息等参数,通过在Android Studio 2.1开发环境下集成并利用Java语言进行汇编实现树高测量、胸径测量、微样地林分测量等功能。通过试验验证,树高测量精度达93.32%,胸径测量精度达96.49%,林分平均高度测量精度达94.47%,林分平均胸径测量精度达91.68%,林分密度测量精度达86.04%,林分蓄积量测量精度达82.64%,解决了不可到达点观测难度高、看得见测不到等问题。     

面向立木识别的有效K 均值聚类算法研究

针对林区自动对靶施药过程中,当立木生长密集时,获取的点云数据聚类准确率低、效率低的问题,提出优化后的K-均值聚类算法,数据获取方式基于2D激光扫描。针对立木点云信息聚类前需对相关数据进行滤波,提出窗口滤波算法,选取产生混合像素点的树干边缘,提取3次连续扫描的混合像素及其近邻点组成滤波窗口,进行最大阈值滤波,结果显示50次试验中仅有2个混合像素点未被滤除,混合噪声的滤除率高。在K-均值算法优化方面,针对算法需预先确定聚类数和初始聚类中心的不足,提出利用斜率变化确定聚类数的方法,试验对5个不同距离下5组立木分别进行100次测量,结果显示错误测量次数仅为3次,并可在试验前期通过人工方式去除,算法合理有效;对哈夫曼树法确定立木扫描点聚类中心的性能进行了试验分析,3种不同树干分布类型下分别运用随机抽样法和哈夫曼树法进行K-均值聚类,前者平均正确率仅为76.4%,后者则为95.5%;同时分析了Ⅰ型分布下2种算法聚类的迭代次数和耗时,5个不同距离下,随机抽样法的平均迭代次数明显高于哈夫曼树法,平均运行耗时上,哈夫曼树法则高于随机抽样法,前者变化范围为120~220 ms,后者为50~85 ms,该范围为林区测绘的可接受范围。试验证明,基于斜率变化确定聚类数和基于哈夫曼树法确定聚类中心的K-均值算法是林区立木点云聚类的有效算法,可应用于林区的立木检测。     

单目SLAM增强现实测树系统设计与试验

将内嵌有面阵相机及IMU的智能手机作为硬件系统，单目SLAM技术获取多视图几何深度图、位姿等为数据源，构建了单目SLAM增强现实森林测树系统。设计了基于平滑度高鲁棒性过滤胸高圆柱体表面点云及切线的方法；然后，基于点到圆柱体表面距离及圆柱体切线到圆柱体表面距离构建了胸径与立木位置精确估计算法；最后，以该算法为基础在智能手机端开发了增强现实测树系统，即利用智能手机实时测树、并通过增强现实场景实时人工监督测量结果。新型测树系统在5块32m×32m方形样地中进行了测试，以评估新型测树系统的测量精度；此外，每块样地使用了单次观测、正交观测、对称观测及环绕观测4种不同的观测方法对立木胸高圆柱体观测，以评估不用观测方式对测树精度的影响。结果显示：立木位置估计值在X、Y轴方向的平均误差范围为-0.014~0.020m，X、Y轴方向均方根误差范围为0.04~0.08m；立木胸径估计值偏差为-0.85~-0.03cm（相对偏差为-3.60%~-0.04%），均方根误差为1.32~2.51cm（相对均方根误差为6.41%~12.33%）；相比于单次观测方法，其他观测方法获取位置及胸径估计精度均有提高（特别是不可近似为圆柱体的立木树干），从精度与效率角度而言，正交观测及对称观测为最佳观测方法。结果表明，单目SLAM增强现实测树系统是一种可精确进行森林样地调查的潜在解决方案。     

基于二维激光扫描的立木胸径计算方法性能分析

针对目前立木胸径算法性能对比中以树干作为测量目标而无法精确评估这一问题,使用激光扫描雷达,以5种管径的PVC管作为测量目标,应用目前常用的两种几何法(切线法、弧长法)与拟合法(Taubin),结合对应的4种角度补偿算法计算目标直径,分析各种算法误差及适用范围,对各种算法性能进行评价。结果表明,Taubin算法精度最高,考虑所有样本后,平均绝对误差为4.89%,其中测量距离为3~6 m时精度最高,平均绝对误差为3.62%。管径小于200 mm,测量距离小于2 m时,所有计算方法的误差均相对较高,其中Taubin法的平均绝对误差为10.59%,优化的弧长法与切线法的平均绝对误差分别为14.03%和13.47%。当测量距离大于2 m时,算法精度大幅度提升,Taubin算法的平均绝对误差降到6%以下。实验表明,Taubin算法在所有计算方法中精度与稳定性最高,最具有工程应用价值。     

基于地面激光雷达点云数据的树种识别方法

为了能够更有效地利用地面激光雷达的点云数据识别树种,以北京林业大学为研究区域,利用FARO Photon 120型地面激光雷达在研究区内获取4个树种、共92棵树木的点云数据。依据点云的三维坐标值提取研究区内立木的胸径、枝下高、树高、冠高、最长冠幅、垂直最长方向冠幅6个测树因子,同时提取由测树因子组合而成具有鲁棒性的6个树形特征参数,包括冠长树高比、胸径树高比、冠高树高比、分枝角、冠长最大冠幅之比、最长冠幅与垂直方向冠幅之比。分别使用测树因子和组合特征参数,采用支持向量机、分类回归决策树和随机森林的方法,对树种进行冠幅自动识别。研究结果表明：使用测树因子树木识别方法,识别平均准确率为0.765,平均召回率为0.778,3种识别方法中,分类效果较好的依次为分类回归决策树、随机森林、支持向量机;使用组合特征参数树木识别方法,识别平均准确率为0.891,平均召回率为0.896,分类效果较好的方法是随机森林和支持向量机,其次是分类回归决策树;总体上来看,不论是对于单个树种还是总体的准确率和召回率,组合特征参数法均高于测树因子法,而对于3种不同的分类方法,随机森林相对最好。研究结果表明,结合地面激光雷达获取的点云和不同机器学习分类方法进行树种识别分类可以达到满意的效果,且能节省大量时间和人力。     

基于车载二维激光扫描的树冠体积在线测量

采用车载二维激光扫描仪获取树木单侧点云数据,坐标变换后通过设置感兴趣区域检测树木,利用垂直分布特性识别树干,得到树冠中心距离。考虑树冠连续/不连续2种情况进行树木分割,将树冠外缘距离与对应树干距离相减算出树冠厚度。将树冠体积离散化为长方体,利用树冠厚度、相邻测量点垂直方向距离、车辆速度、扫描周期等参数进行计算。采用FIFO缓冲区保存在线数据,新采集的一帧数据写入缓冲区末尾,同时从缓冲区开头读出处理好的数据帧输出,实现树冠体积的在线测量。实验结果证明,树冠连续/不连续场景下,方法均能准确检测分割树冠、识别树干,实现树冠体积的在线测量。     

基于多时相无人机影像的高郁闭度森林采伐生物量估算

为准确估算森林采伐生物量实现森林碳汇的精准计量，针对采用单一时相可见光无人机影像估算高郁闭度森林采伐生物量较困难的问题，基于伐区采伐前后多时相可见光无人机影像，研究森林采伐生物量高精度的估算方法。以福建省闽侯白沙国有林场一个针叶林采伐小班为试验区，采集分辨率优于10 cm的采伐前后多时相可见光无人机影像，采用动态窗口局部最大值法得到高精度的采伐株数与单木树高信息，再基于采伐后无人机影像，运用YOLO v5方法检测并提取伐桩直径信息，根据胸径-伐桩直径模型来估算采伐木胸径信息，再利用树高和胸径二元生物量公式估算采伐生物量，以实测数据进行验证。根据动态窗口局部最大值法获取株数与平均树高精度分别为96.35%、99.01%,运用YOLO v5方法对伐桩目标检测的总体精度为77.05%,根据伐桩直径估算的平均胸径精度为90.14%,最后得到森林采伐生物量精度为83.08%,结果表明这一新方法具备较大的应用潜力。采用采伐前后多时相无人机可见光遥感，可实现森林采伐生物量的有效估算，有助于降低人工调查成本，为政府及有关部门进行碳汇精准计量提供有效的技术支持。     

基于快速点特征直方图的树木点云配准

随着农林业智能化与信息化发展,树木三维重建技术成为国内外研究的热点.为获取具有颜色信息的树木三维点云,需配准不同视角下的彩色点云数据,为果树三维重建提供基础数据.为此采用仿真树模拟果树,提出一种基于快速点特征直方图(FPFH)的树小点云配准方法,通过添加标定物增加具有稳定FPFH特征的点云个数,从而提高点对配准精度.首...     

果树快速定位采摘机器人设计——基于红外和激光扫描技术

为提高采摘机器人的自主导航能力和采摘效率,实现机器人的快速果树识别和定位,结合红外测距传感器与计算机图像处理技术,利用激光扫描传感器体积小、功耗低、速度快、抗干扰等特点,提出了一种非接触式测量果树深度信息的方法;并结合计算机图像处理对果树进行了标定,实现果树的快速识别与定位,为采摘机器人运动轨迹规划提供了自主导航的参数。为了验证该方法的可靠性,在采摘机器人试验样机上安装了红外线测距和激光扫描快速定位装置,并通过左右两侧果树的导航路径拟合,得到了机器人的行走路径,通过对比红外线测距和激光扫描的结果发现,其拟合路径基本吻合,从而验证了该方法测量数据的可靠性。根据不同的树高对应的枝叶密度,利用计算机图像处理对果树进行了标定,最后利用激光扫描方法对标定后的果树进行了快速定位,并将结果和全站仪的结果进行了对比,结果表明:激光扫描和全站仪之间的最大误差仅为20mm。这说明,激光测量的精度较高,可以满足设计的需求。