基于TLS的树高转换模型构建研究

树高是森林资源调查中重要的结构参数，也是森林蓄积量、树木生长模拟及森林碳汇计算的基础因子。以安徽省休宁县西田国有林场的杉木人工林为研究对象，使用地基激光雷达（TLS）采集单株样木的激光点云数据，通过HDScene软件完成测站拼接、去噪等预处理，并直接提取单株杉木树高。同时，联立获取的伐倒样木树高实测值，运用相关分析和回归分析方法构建树高转换模型。结果表明，树高转换模型关系式为y=0.970x+0.312,R²=0.973,RMSE=0.441,并且当树高超过9 m时，TLS树高测量值与伐倒木真实值之间的误差会降低且趋于平稳。该研究提出一种获取高精度树高参数的方法，可为解决传统方法获取树高时精度不高或工作量大等不足提供科学依据。     

以机载激光雷达为核心的多源遥感巨树检测

为探讨以机载激光雷达为核心的多源遥感巨树检测方法，准确、快速和高效地提取区域范围内巨树位置及信息，以有较大面积天然林分布、地形较复杂且高差较大的广西金秀瑶族自治县为研究区，以2018年获取的机载激光雷达点云及2015年获取的高分辨率航摄正射影像为数据源，建立基于多源遥感的巨树检测方法。对分类后的机载激光雷达点云进行高程归一化处理，以20 m×20 m分辨率生成点云最大高栅格图；对点云最大高栅格图进行异常值检测，筛选出> 50 m的像元，并排除坡度> 60°区域的像元，生成巨树初检矢量；将巨树初检矢量叠加机载激光雷达点云数据及高分辨率航摄正射影像，进行人工判读，确定其是否为巨树。结果显示，在金秀县共检测出14棵巨树，与实地调研结果一致。以机载激光雷达为核心的多源遥感巨树检测方法，具有坚实的物理机理，利用机载激光雷达对地表进行精准三维刻画，辅以高分辨率光学影像，可十分便捷、准确地识别巨树及提取巨树基本信息，在森林生态系统的保护和管理中具有良好的应用前景。     

激光雷达技术在叶面积指数提取中的研究进展

叶面积指数(LAI)是观测植被生态的重要参数之一，快速、精准获取大尺度的LAI对发展精准林业至关重要。激光雷达技术(LiDAR)能够准确探测植被空间和地形的三维结构，特别是对植被垂直信息分布的获取，具有传统光学遥感技术无法比拟的优势，在森林参数的测量与反演上已经取得了成功的应用。介绍了激光雷达技术原理、传统测量LAI的技术方法及LiDAR反演LAI的优势，重点分析了LiDAR反演LAI的关键技术研究和LiDAR在反演LAI应用中的研究进展，并对LiDAR存在的问题和未来的发展趋势进行了分析总结。     

基于激光雷达和Kinect相机点云融合的单木三维重建

为了更好地建立单木三维彩色模型，获得准确表型参数，提出了一种基于Kinect v2相机和激光雷达的单木点云信息融合检测方法。首先由激光雷达采集樱树单木所在区域的完整环境点云，生成点云地图；由Kinect相机采集樱树单木多视角点云得到完整的三维彩色点云；然后以激光雷达点云位置为基准，通过选取对应同名点的方式对2种点云进行初始配准，使点云之间具有良好的初始位置关系，再使用最近点迭代（iterative closest point, ICP）算法对点云进行精配准；最后使用彩色点云对雷达点云进行点云着色融合处理，实现樱树单木的三维重建。结果显示：与只使用Kinect v2相机生成的樱树单木表型参数对比，融合后的樱树单木的株高、冠幅和胸径的平均相对误差分别降低了1.52、6.46和18.17个百分点。研究结果表明，Kinect v2深度彩色相机和激光雷达在单木三维重建上能实现优势互补，提升点云配准精度，同时，既能降低光照气候条件的影响，又能增加测量距离，单木表型参数更准确。     

激光雷达辅助的样地调查单木定位

【目的】利用具有高扫描频率的线阵激光雷达辅助地面验证过程进行单木定位，快速、准确地对应样地观测结果与地面验证数据，为精准林业调查提供技术支持。【方法】以中山大学珠海校区内的人工林为研究对象，在地面验证每木调查过程中，借助线阵扫描激光雷达（本文中将其定义为监测激光雷达）辅助单木定位，首先解决背包式与监测激光雷达点云配准的问题，获取样地单木位置基准底图；然后基于背景差法，利用监测激光雷达实时追踪样地动态目标，获取地面调查人员的位置信息，并结合背包式激光雷达获取的单木位置底图，间接判断地面验证人员所测单木的位置，进而实现样地观测结果与地面验证每木调查数据的对应。【结果】对于两块不同条件的样地数据，背包式激光雷达与监测激光雷达点云粗配准均方根误差均小于0.2 m，远小于样地立木间最小间距，满足对应的要求；利用本研究的动态目标追踪和对应方法，以追踪到的地面调查人员位置点为种子点，通过最邻近搜索获取基准底图中与种子点最邻近的单木位置，实现样地观测数据与地面验证每木调查数据对应，对应准确率高于95%，平均每帧序列点云处理时间小于0.1 s，可以达到实时性的要求。【结论】本研究提出的方法-利用激光雷达...     

基于激光雷达数据的三维建筑屋顶重构算法

针对高精度建筑虚拟化中的建筑屋顶重构问题，提出了基于激光雷达数据驱动的三维建筑屋顶重构算法。首先，根据高度相似性和平面相似性将建筑物标记的点云聚类为同构簇；其次，基于分割的簇，提取线性建模线索，使用二元空间分割技术重构模型线索的拓扑元素；再次，结合最小描述长度框架和假设检验来实现正则化，发掘建筑屋顶模型的规律；最后，使用基准数据集来评估该算法。实验结果表明，所提出的方法可以生成准确的三维建筑屋顶模型。     

基于无人机机载激光雷达构建森林蓄积量模型反演及精度分析

基于机载激光雷达点云数据提取的嵩县测区森林资源数据，结合样地调查数据，采用多元线性回归模型，重点分析无人机载激光雷达获取的点云数据在森林蓄积量模型反演方面的精度分析，为河南省森林蓄积量的测算提供参考依据。结果显示：山区栎类蓄积量调整决定系数AdjR2=0.890m³·hm^-2，平均相对误差MSE=0.237 m³·hm^-2，均方根误差RMSE=0.478 m³·hm^-2，结合分层地面样地调查数据对山区栎类蓄积量数据进行多元线性回归模型反演，模型精度为96.01%。无人机机载激光雷达能够自动获取大面积栎类标准地的激光点云数据，可以提取森林的垂直结构信息(高度参数)和水平结构信息(郁闭度)具备三维结构参数提取能力，通过全覆盖的激光雷达数据反演结果以及地面验证两个部分的数据验证，得到的精度测算结果较好，为计算森林蓄积量提供新的方法。     

点云密度对机载激光雷达大区域亚热带森林参数估测精度的影响

【目的】点云密度是影响机载激光雷达数据获取和预处理成本的关键因素,探明点云密度对森林参数估测精度的影响,为机载激光雷达大区域森林调查监测应用技术方案的优化提供参考依据。【方法】基于我国广西一个亚热带山地丘陵区域获取的机载激光雷达和样地数据,通过系统稀疏方法,将全密度点云(4.35点·m^-2)分别稀疏至4.0、3.5、3.0、2.5、2.0、1.5、1.0、0.5、0.2和0.1点m^-2,得到11个样地尺度的点云数据集,包括1个全密度和10个稀疏密度点云数据集;应用配对样本t检验方法,分析4种森林类型(杉木林、松树林、桉树林和阔叶林)中稀疏密度点云和全密度点云之间12个激光雷达变量的差异;通过变量和结构固定的多元乘幂模型式,分别采用不同密度点云数据集对林分蓄积量(VOL)和断面积(BA)进行估测,比较模型优度统计指标决定系数(R²)、相对均方根误差(rRMSE)和平均预估误差(MPE)的差异,并应用t检验方法分析稀疏密度点云VOL和BA估测值均值和全密度点云相应估测值均值的差异。【结果】1)点云密度较低时,稀疏密度点云分位...     

基于改进Gmapping算法的果园二维环境地图精准构建

果树树冠的季节性变化及果树成长和衰老造成的果树特征变化会影响已构建的果园三维环境地图的匹配，故本文提出一种基于改进Gmapping算法的果园二维环境地图精准构建算法。首先该算法对Gmapping算法的前端里程计和后端优化部分分别进行改进，以提高果园二维环境地图的构建精度。对于前端里程计部分采用改进的R-GPF地面分割方法提高其初始定位精度，对于后端优化部分采用BAT启发式自适应重采样方法提高其最终定位精度。然后进行梨园环境对比试验。通过改进R-GPF方法与原始R-GPF方法的对比，改进R-GPF方法的激光雷达里程计输出频率可达到15.58Hz，最大横向偏差小于25cm，横向偏差均值为12.7cm，标准差为 13.4cm，其各方面性能都优于原R-GPF方法的激光雷达里程计。通过新算法与基于原R-GPF的Gmapping算法对比，新算法所得的梨树列间距离偏差始终保持在20cm范围内，行间距离偏差均值为10.3cm，标准差为6.3cm，比基于原R-GPF的Gmapping算法分别减小50%、43.41%和32.26%；同时，梨树行间距离偏差相对于里程计横向偏差的减小侧面反映出后端BAT启发式自适应重采样方法的有效性。本文提出的算法能够提高果园二维地图构建精度，可以满足后续重定位、导航等作业的精度要求。