Forest Road Detection Using LiDAR Data

We developed a three-step classification approach for forest road extraction utilizing LiDAR data. The first step employed the IDW method to interpolate LiDAR point data （first and last pulses） to achieve DSM, DTM and DNTM layers （at 1 m resolution）. For this interpolation RMSE was 0.19 m. In the second step, the Support Vector Machine （SVM） was employed to classify the LiDAR data into two classes, road and non-road. For this classification, SVM indicated the merged distance layer with intensity data and yielded better identification of the road position. Assessments of the obtained results showed 63% correctness, 75% completeness and 52% quality of classification. In the next step, road edges were defined in the LiDAR-extracted layers, enabling accu- rate digitizing of the centerline location. More than 95% of the Li- DAR-derived road was digitized within 1.3 m to the field surveyed nor- rnal. The proposed approach can provide thorough and accurate road inventory data to support forest management.     

小光斑激光雷达数据估测森林生物量研究进展

小光斑激光雷达可以直接获取森林的垂直和水平结构参数,因此广泛应用于森林树高、生物量和郁闭度等结构参数估计。本文主要分析小光斑激光雷达在森林生物量估测中的应用,根据研究尺度的不同,分别对小光斑激光雷达在单木、样方水平森林生物量的反演技术和方法进行详细分析,并对小光斑激光雷达与其他类型遥感数据进行融合,共同用于森林生物量研究的潜能进行阐述,通过对上述分析得出小光斑激光雷达用于森林生物量研究中存在的问题进行总结并对其未来的研究进行展望。     

基于局域最大值法单木位置探测的适宜模型研究

以凉水自然保护区为研究区域,基于机载激光雷达数据,采用动态窗口局部最大值法对郁闭度较高的针叶林进行单木位置自动提取。采用树冠高度模型(CHM)和树冠最大模型(CMM)配合两种动态窗口,即树高--树冠大小回归方程和该方程的95%预测下限来探测树冠顶点,用探测百分比、1∶1对应关系的单木个数、生产者精度和用户精度进行了精度评价。结果表明:利用CMM能够抑制树冠内部枝杈产生的错判现象;利用树高--树冠大小回归方程95%的预测下限做动态窗口,能够有效防止在局部最大值方法中产生的小树漏测现象。因此,利用CMM和95%的预测下限做动态窗口的局域最大值法有利于提高单木位置探测的精度,为密林中自动地探测单木位置提供依据。      

基于机载LiDAR落叶松树冠几何形状三维重建关键技术研究

森林冠层的三维重建研究能够更加直观反映森林空间结构,提高森林参数的测量精度。目前小光斑激光雷达已经广泛应用于林业研究中。为建立落叶松树冠三维形状模型,以长春净月潭实验区落叶松机载LiDAR(LiDAR,Light Detection And Ranging)数据为基础,采用K-means算法提取建模参数。该算法以单木树冠顶点作为初始聚类中心,经过4次迭代估测出单木树高和单木树冠直径,通过与试验区的单木实测数据对比,进行相关性分析,得到估测树高和估测树冠与实测数据相关系数分别为0.892 4和0.769 0,经过验证,估测树高和估测树冠的精度为94.06%和82.21%。利用激光雷达提取出的单木坐标、树高、树冠和冠基高采用旋转抛物线方法重建森林尺度三维模型呈现森林结构。     

近红外激光云高仪与微脉冲激光雷达比对分析

云在气象领域扮演着重要的角色,因此准确测量云高有助于分析天气系统未来的变化,为气象等领域提供依据。为了比较CL51激光云高仪和微脉冲激光雷达(MPL)这2个云高仪的性能,对位于南京信息工程大学的2台仪器2012年9—11月这3个月的数据进行分析,得出如下结论:CL51和MPL第一层云底高度的相关性很高,相关系数为0.89;CL51的所有数据平均高度为3.879 km,MPL的所有数据平均高度为3.587 km,说明这2台仪器的一致性很高。     

基于仿真大光斑激光雷达和多层感知器的森林地上生物量估算模型构建

森林是全球重要的陆地生态系统,各国普遍采用地面样地调查的方法评估其资源量和生物量。随着激光雷达技术的发展,采用星载大光斑激光雷达估算大区域森林地上生物量将成为另一种选择。为探索利用大光斑激光雷达估算森林地上生物量的方法,提出了一种基于仿真大光斑激光雷达和多层感知器的森林地上生物量估算模型。比较仿真大光斑激光雷达波形参数13种组合拟合森林地上生物量的效果后,认为多层感知器的估测精度高于多元线性回归。与样地实测地上生物量相比,多元线性回归估测结果的偏差范围为-34.96~23.28t/hm²,多层感知器估测结果的偏差范围更小,为-19.09~20.19t/hm²。因此,多层感知器估测森林地上生物量的效果优于多元线性回归。     

应用高斯聚类的单木分割及树高和冠幅的提取

针对机载激光雷达点云中基于栅格化的冠层高度模型(CHM)所导致的原始点云数据丢失问题,提出了一种应用高斯模型聚类的单木信息提取方法。采用形态学开运算和高斯平滑方法形成高斯冠层最大模型(GCMM)能减少无关局部最大值对单木分割的影响,利用局部最大值法初步探测树冠顶点,通过最速下降法建立混合高斯模型得到树木位置和冠幅。利用聚类分析划分临近点云归属,进而实现单木参数准确提取,并提取单木最高点为树高。将点云分割方法应用于美国蓝岭地区6块圆形针叶林样地(r=30 m)。结果表明:单木分割F为0.89,正确分割单木树高提取精度95%,冠幅提取精度91%。结合实测数据对提取到的树高和冠幅进行相关性分析,树高R2=0.92,平均误差为-0.83 m;冠幅R2=0.84,平均误差为-0.42 m。相比于分水岭算法,高斯模型聚类方法F提高了11.2%,正确分割单木树高及冠幅提取精度提高了5.5%、5.8%,树高R2提高0.08,平均误差减少0.58 m;冠幅R2提高0.11,平均误差减少0.63 m。     

基于LiDAR的温室番茄冠层几何参数提取

【目的】准确获取温室番茄作物行中单株冠层数据,为分析作物生长状态和为对靶喷药提供冠层数据支持。【方法】采用三维激光雷达(LiDAR)搭建番茄植株冠层检测平台,使用导轨以0.05 m/s的速度移动三维激光雷达,利用雷达上位机软件Ctrlview保存双侧扫描的A、B 2组共40株番茄植株点云。双侧点云使用ICP(迭代最近点)算法进行配准,利用基于特征值的平面拟合法去除地面,使用均值漂移算法(Meanshift)分割番茄行中的单株点云,获取冠层参数,与人工测量值比较验证精度,将单株点云在MATLAB中使用alpha shape算法进行重建并进行体积的获取,使用凸包算法作物参考值对比。【结果】该检测平台在激光雷达前进方向与垂直前进方向的测量误差分别为-2.65%、-3.95%;获取到的单株番茄植株高度与人工测量值相比,平均绝对误差分别为0.025和0.031 m;重建后求取的体积与凸包算法相比平均误差下降了约15.3%,与人工获取相比相差不大,各指标良好。【结论】番茄行点云分割结果与人工测量相比A、B 2组的均方根误差RMSE分别为0.039和0.043,冠层体积获取与参考值对比V_RMSE为0.011 3,激光雷达在获取作物外形轮廓信息中具有一定的准确性和可靠性,该方法用于温室环境下单株作物冠层数据的获取。     

点目标LRCS测量系统研究

本文介绍了激光雷达散射截面(LRCS)测量的研究背景及重要意义,对LRCS物理意义进行说明;对目标LRCS测量理论基础进行总结并对锥形点目标LRCS测量系统进行设计,最后对锥形点目标LRCS进行测量。     

基于机载激光雷达技术的茂密林地单株木识别

提出一种利用LiDAR数据进行单株木识别的方法,首先利用广义高斯模型分解全波形LiDAR数据,得到高密度的点云和相应的波形参数,通过建立数字高层模型得到非地面点云,然后计算点云的空间特征得到林木点云,最后在3D空间中利用马尔可夫随机场重新标记得到单株木点云.实验表明,与传统方法相比,本文方法能有效提高单株木识别的准确性,特别是对茂密林地中低矮、细小林木识别效果明显,平均识别精度达到75％.