三维激光雷达果园路面不平度采集试验与分析

以果园典型路面不平度的采集为研究对象,建立基于激光雷达点云处理的路面不平度采集方法,搭建了基于三维激光雷达的路面不平度采集系统平台,结合点云处理技术完成路面高程信息的提取;采用AR(auto regressive,自回归)模型依据比例分析法对路面功率谱密度进行计算,确定不平度等级,并通过加速度振动记录仪进行系统验证,利用系统开展典型果园路面不平度数据信息采集试验。试验结果显示,果园路面不平度结果为水泥路面主要集中在B级,B级占比82.33%;砂石路面主要集中在C级,C级占比84.00%;泥土路面主要集中在D、E等级,D级路面占比48.67%,E级占比31.00%,表明基于三维激光雷达采集系统与数据处理方法在果园路面不平度采集和评价上是可行的。最终不平度评价结果显示,三维激光雷达果园路面不平度采集系统应用可靠,评价结果准确,适合于山地林、果、茶园路面不平度的采集。     

基于高光谱和激光雷达遥感的水稻产量监测研究

【背景】快速、准确地估算水稻产量对于肥水精确管理及国家粮食政策的制定至关重要。高光谱与激光雷达遥感作为2种不同的主被动监测技术,为水稻长势信息获取提供了多样化手段。【目的】对比2种遥感监测手段在不同生态点的独立数据集中的验证精度,寻求可移植性强的产量估算模型,对水稻长势监测提供理论与技术支撑,及为精确农业提供科学指导具有重要意义。【方法】本研究通过实施3年（2016—2018年）包含不同地点、不同品种与不同氮素水平的水稻田间试验,在抽穗后各时期同步获取点云数据和光谱数据,结合线性回归与随机森林回归来估算产量,探究抽穗后点云数据与光谱数据估算水稻产量的差异;同时评估产量模型在不同数据集的时空可移植性,寻求可移植性强的产量估算模型。【结果】利用点云数据估算产量的精度（R² = 0.64—0.69）优于光谱数据的估算精度（R² = 0.20—0.58）;基于线性回归的产量估算模型,其验证精度明显优于基于随机森林回归的产量模型;产量模型在同一生态点的可移植性更强（不同生态点：RRMSE 16.69%—17.85%;同一生态点：RRMSE 11.37%—12.41%）。【结论】本研究为抽穗后水稻产量监测提供了新的方法和不同遥感手段的性能比较,为收获前作物产量的实时估算提供重要支撑。激光雷达技术凭借其全天候工作的特点,在长江中下游水稻产量实时监测中有着较好的应用前景。     

依据BP神经网络的机载LiDAR数据估算林分平均高

以东北虎豹国家公园范围内的针叶纯林为研究对象,结合2018年9月机载LiDAR点云数据和同步地面调查数据,提取半径为15 m的圆形采样尺度下的LiDAR点云特征变量为数据基础,采用BP神经网络算法、逐步回归法分别构建林分算术平均高模型和林分加权平均高模型,实现对林分平均高的估测.其中在利用BP神经网络算法构建模型时分别选择了贝叶斯正则化算法和L-M算法作为神经网络训练算法.结果表明:BP神经网络算法对数据具有更好地解释能力,其构建的林分平均高模型相关系数(R2)均在87％以上,高于逐步回归法构建的林分平均树高模型;林分加权平均高模型精度更高,用样地加权平均高作为实测值时,采用逐步回归算法、BP神经网络L-M算法、BP神经网络贝叶斯正则化算法构建的模型的检验样地数据的决定系数(R2)分别为0.858、0.919、0.908,树高估测精度(P)分别为88.6％、89.8％、91.2％,与以林分算术平均高作为实测值构建的估测模型相比,决定系数(R2)分别提升了4.9％、3.7％、3.4％,估测精度(P)分别提升了2.9％、2.4％、1.5％;BP神经网络的不同训练函数之间无明显性能差异,两种不同训练方法构建的林分平均高模型的决定系数R2及树高估测精度(P)略有差异,但整体相差较小.     

基于星载ICESat-2/ATLAS数据的森林地上生物量估测

为探讨星载激光雷达数据ICESat-2（Ice,Cloud,and land Elevation Satellite-2）在山地森林地上生物量（Aboveground Biomass,AGB）的估测可行性和方法。以ATLAS（Advanced Terrain Laser Altimeter System）光子点云数据为主要信息源,以滇西北典型山地香格里拉为研究区,结合地面54块实测生物量遥感样地,在前期进行点云数据去噪、分类预处理基础上,对研究区74 873个林地光斑进行冠层参数及地形因子的提取（共计53个变量）,采用非参数模型随机森林回归和超参数优化后的随机森林进行建模,以均方根误差（Root Mean Square Error,RMSE）、决定系数（R2）、总体估测精度（P1）作为模型的评价指标,建立研究区AGB模型。研究结果表明：1）分析以ICESat-2/ATLAS提取的冠层参数、地形因子与生物量的相关性可知,冠层光子总数与生物量具有极显著相关性（P<0.01）,基于陆地卫星的乔木冠层百分比、冠层光子比率、坡度、光子总数、表观反射率与生物量具有显著相关性（0.01相似文献   

基于机载LiDAR点云估测林分的平均树高

以内蒙古上库力农场为研究区,基于高程归一化后的植被点云数据计算了植被点云高度阈值平均值,建立林分平均树高线性回归模型,并进行精度评定。结果表明,模型估测平均树高精度最高为99.81%,最低为87.09%,总体平均精度为94.56%。利用植被点云高度阈值平均值估测林分平均树高具有较高的可靠性。     

基于激光雷达的果园树干检测

为探索激光雷达在农业机器人环境理解和导航中的应用,研究一种基于改进DBSCAN算法的果园树干检测算法。该算法使用自适应密度阈值和聚类半径对不同距离处数据点进行聚类和整合,以克服DBSCAN算法对全局变量值敏感的缺点。针对激光雷达可能扫到地面造成机器人误检的问题,采用机器人航位推算模型计算当前帧数据中待定类的距离,通过与前一帧数据中对应类距离的比较判定待定类的类别,进而对地面干扰类进行排除。试验结果表明:1)机器人正常行走时本算法能够排除噪声准确识别树干类点;2)存在果树分枝或地面干扰时,有少量漏检,平均误判果树数目为-0.13棵,能够区分出地面类和果树类。该研究可以应用到农业机器人果园环境理解和导航中。     

基于不同滤波方法的机载激光雷达数据处理及表面模型构建

利用几种不同的滤波算法对黑龙江省凉水国家级自然保护区的点云数据进行处理,对比分析评价了各滤波算法在东北地区的滤波分类效果及对构建数字高程模型和数字表面模型的影响。指出了各算法的适用范围,并生成了高质量的数字表面模型产品———精确反映地形起伏的DEM和准确反映地物高程及形状信息的DSM。     

基于车载三维激光雷达的玉米点云数据滤波算法

为支持表型参数测量和数字植物相关研究,对车载三维激光雷达获取的玉米点云数据进行分析处理,提出了一种基于统计分析的两次滤波算法。以大喇叭口期的京农科728和农大84玉米为研究对象,使用VLP-16型三维激光雷达采集田间玉米点云数据;对点云数据进行直通滤波预处理,去除无关点后,进行第1次点云数据滤波处理,设置精确率和召回率阈值,选取参数组合;再对点云进行第2次滤波处理,确定精确率和召回率最优组合(110,0. 9)、(6,1. 2),边际组合(100,1. 0)、(6,1. 2)和(110,0. 8)、(5,0. 9),共3组参数组合;以3组验证集数据进行测试,结果表明:最优组合性能最优,可在京农科728和农大84玉米点云数据滤波中通用。     

基于激光雷达的农业耕作微地貌测量装置设计与试验

针对现有地表微地貌测量装置难以兼顾农业耕种作业后地表微地貌测量的精度和效率、部分测量装置单次测量覆盖区域不能满足统计要求的问题,设计了一套由激光雷达、直线导轨、便携式计算机和支架等构成的非接触式地表微地貌测量装置,开发了以STM32单片机为核心的步进电机驱动控制器,并与上位机软件形成整套采集系统,可实现激光雷达精确定位并快速获取地表三维坐标。该装置典型分辨率在激光雷达扫描方向为3. 8～10 mm,垂直扫描方向可在毫米精度范围内任意设置,测距分辨率为1 mm;测量区域覆盖面积典型值为6. 8 m~2,垂直扫描方向分辨率为10 mm时,单次测量时间低于2. 5 min。通过分析测量误差来源,建立了系统误差补偿模型,在15次均值滤波的条件下,该装置测量最大绝对误差为2. 7 mm,最大平均绝对误差为0. 9 mm。油菜机械直播后地表微地貌测量试验结果表明:利用Matlab生成的地表三维模型可以精确地重构原有地表微地貌特征,测量结果与实际地表高度变化吻合度较高;测量数据统计结果表明,固定区域内均方根高度和相关长度测量值需分别在16次和64次的等距采样下达到稳定均值,而畦沟相关评价参数也需要多组样本计算才具有统计意义。     

应用无人机高密度点云对高郁闭度人工林单木分割

为探索机载激光雷达对高郁闭度人工林单木分割的应用潜力,选取黑龙江省森林植物园内红松(Pinus koraiensis)、云杉(Picea asperata)、樟子松(Pinus sylvestris)3块具有代表性的样地作为研究对象,应用多旋翼无人机搭载ZENMUSE L1激光雷达获取密度较高的点云数据,经过去噪、滤波、地面点分类预处理。分别采用标记控制分水岭算法和点云间距聚类算法,并调整相应的参数对试验区内的3块样地进行单木分割。结果表明：采用标记控制分水岭算法的单木分割,冠层高度栅格分辨率为0.1 m时分割效果最好(总体调和值为84.2%),红松、云杉和樟子松样地的调和值分别为87.8%、81.8%、82.4%,调和值随着分辨率的降低而降低;采用点云间距聚类算法的单木分割,距离阈值为平均冠幅半径时分割效果最好(总体调和值为85.9%),红松、云杉和樟子松样地的调和值分别为87.1%、83.5%、87.0%,距离阈值过大过小都导致调和值降低。因此,结合机载激光雷达高密度的点云数据,标记控制分水岭算法和点云间距聚类算法都适用于高郁闭度人工林较精准的单木分割,通过调整参数、高分辨率的冠层...