基于深度学习与激光点云的橡胶林枝干重建及参数反演

树木的几何建模在林木性状评价、森林动态经营管理与可视化研究中具有重要意义。现今,从激光雷达（Light Detection And Ranging,LiDAR）数据中重建树体三维模型并精准获取林木空间枝干结构参数是数字林业发展的必然趋势。该研究提出了一种深度学习与计算机图形学相融合的树木骨架重建与参数反演方法。该方法以PR107、CATAS 7-20-59、CATAS 8-79三个品种的橡胶树为实验对象,首先,采用背包移动激光雷达获取三个橡胶树品种的样地数据,并通过体素剖分和数据增广策略来构建橡胶树训练样本集。其次,构造由四层特征编码层和特征解码层所组成的点云分类深度学习网络,并包含优化的PointConv模块与不同尺度的特征插值模块,以实现在多尺度条件下,全面考虑点云的全局和局部优化特征,引导网络实现枝叶点云的精确分类。最后,面向分类后的枝干点云,运用计算机图形学的空间连通性算法与圆柱拟合策略,重建树木骨架模型,并自动解决叶子点云与对应的一级枝干归属问题,进而在叶团簇尺度下开展对单株树的精细描述与参数反演。通过对三块橡胶树测试样地的验证和与实测值的比对表明,该研究提出的深度学习网络枝叶分类总体准确率在90.32%以上。骨架重建与叶团簇分析结果显示,PR107品种橡胶树具有较为发散的树冠、最大的分枝夹角和叶团簇体积;CATAS 7-20-59品种橡胶树冠呈花瓶型,分枝夹角和叶团簇体积较小;而CATAS 8-79品种橡胶树尽管胸径最粗,但不耐寒害处于落叶期导致冠积最小。同时,反演得到的橡胶树一级枝干直径与实测值比对为：决定系数R2不低于0.94,均方根误差（Root Mean Square Error,RMSE）小于3.01 cm;主枝干与一级枝干的分枝角为：决定系数R2不低于0.91,均方根误差RMSE不高于4.94°。同时发现橡胶树一级枝干的直径与对应的叶团簇体积呈正相关分布。该研究将人工智能的理论模型应用于林木的激光点云数据处理中,为林木激光点云的智能化分析与处理提供了新颖的解决思路。     

声发射技术在刨花板力学性能检测中的应用

在刨花板三点弯曲试验中运用声发射(AE)技术对其力学性能作了检测,采用AE参数和载荷-位移曲线相结合的方法对刨花板在受力变形损伤过程中的AE特征进行了分析和研究,并对损伤机理进行了分析。结果表明,AE技术可作为检测刨花板力学性能的补充手段。     

浅谈使用激光扫描仪在树叶可视化中存在的问题及对策

指出了随着科技的进步,激光扫描仪广泛地应用于生产生活的各种方面,特别是林业方面,但由于室外树叶存在抖动,树叶间存在遮挡,导致树叶的点云数据不易重建。探讨了树叶可视化过程中遇到的问题,包括原始点云存在大量噪声,叶片边缘不光顺等问题。并针对这些问题,提出了相应的解决方法。     

基于移动最小二乘法的点云叶面三维重建

利用地面激光扫描仪获取户外树木的大量点云数据,从中截取树叶点云数据并以此进行曲面拟合,构建树叶真实的三维模型。主要针对空间散乱点云数据的曲面拟合方法进行研究,并利用Delaunay三角剖分构建树叶三维模型。在移动最小二乘法的二维曲面拟合方法基础上,针对空间散乱点云数据,提出了新的曲面拟合方法。通过移动最小二乘法对点云数据曲面拟合,得到了理想的效果后再利用三角剖分重建叶面三维模型。     

刨花形态自动识别系统的设计与开发

刨花形态以及它们在板坯中的方向性在很大程度上会对刨花板的质量产生影响,因此在板坯铺装过程中对刨花的形态和方向进行监控十分重要。介绍了一种自主开发的刨花形态自动识别系统,可以实现生产过程中刨花形态的自动检测和识别。该系统由LabVIEW、MATLAB等软件与CCD摄像头、图像采集卡和计算机等硬件构建而成,具有可靠性好和识别精度高等特点。     

毛竹秆茎维管束结晶图像的分割

介绍了基于模糊推理和形态特征的图像分割算法,并综合两种算法实现了毛竹秆茎维管束横切面结晶图像的分割.在基于模糊推理算法对图像进行初次分割的基础上,应用形态特征算法对初次分割结果进行了区域标识和面积形态特征的量测,最后应用阈值分割实现了对维管束结晶区的分割.试验表明:综合应用两种算法的分割效果良好,维管束信息保存完整.     

基于点云数据的阔叶树叶片重建研究

三维激光扫描仪因为获取数据速度快和精度高、对植物没有破坏性等优势,受到林业工作者广泛采用,但由于树木的形态结构极其复杂,在扫描中存在遮挡和风吹扰动等情况,造成扫描获取的树叶点云数据的失真。本文提出了一种新的阔叶树叶面重建方法。首先将激光扫描仪获取的散乱点云数据集合,采用多项式拟合的方法得到精确的树叶边界线,根据分而治之三角面片算法进行曲面拟合,拟合的叶面进行三角面片重建,得到真实叶片模拟图像。     

基于投影算法和活动轮廓模型的真实叶面积指数计算

为了准确获得树木的真实叶面积指数（LAIa) ,提出一种基于投影算法和测地线活动轮廓模型的计算方法。首先对激光扫描仪获取的树木点云数据通经一定比例缩放在一个球的上表面,再通过球极平面投影和Lambert方位角等面积投影将上球面图像投射到平面上,借助地理学上纬度线的概念来表征不同高度叶子的天顶角,通过统计学方法获取叶倾角,然后用测地线活动轮廓模型对投影后的图像进行叶面部分分割,获取孔隙率。根据Beer-Lambert定律即可计算有效叶面积指数（LAIe）。真实叶面积指数的获取则通过有效地分层处理,解决叶子的重叠问题。最后将得到数据与实测叶面积指数进行比较,证明该方法的准确性、可行性。     

基于激光点云数据的椭圆形植物叶片重建方法

植物叶片是植物最重要的器官之一,重建高精度的叶片模型对于后续研究具有重要意义。但由于室外椭圆形树叶的点云数据存在噪声和树叶边缘不光顺等问题,所以不易重建出高精度的叶片模型。本项研究提出了一种针对室外椭圆形植物叶片重建的方法。该方法首先根据噪声点特性和扫描线特性,对点云数据去噪。然后根据每条扫描线的端点,拟合出光顺的树叶边缘。最后采用三角剖分方法生成网格。实验结果表明该方法能够根据激光点云数据快速重建出椭圆形植物叶片的高精度模型。     

基于激光点云的含笑树叶重建与形变方法

针对室外含笑树叶存在抖动及树叶间存在遮挡,导致含笑树叶点云数据不易重建与形变的问题。提出了一种含笑树叶重建与形变的方法,首先根据噪声特点和扫描线特性,对点云数据去噪;然后根据每条扫描线边缘点拟合出树叶的边缘,采用双三次广义张量积Bezier曲面拟合叶面,并结合三角剖分算法实现叶面的重建;最后采用基于非线性的有限元形变方法,模拟出真实的含笑树叶形变。实验结果表明,该算法简单高效。