基于三维激光扫描点云的树冠体积计算方法

针对树冠形状不规则,树冠体积难以测量和计算的问题,提出一种基于三维激光扫描点云的树冠体积计算方法——体元模拟法,即以固定大小的体元模拟不规则的树冠形状.首先将树冠沿树高方向以k为步长进行等距离分段,把每一段树冠的点投影到垂直于树高方向的平面上,再对该平面划分成大小为k×k的像元,根据投影到各个像元内点的数量,判断该像元的有效性,统计有效像元的数量T,则树冠体积为T个k×k×k的体元之和.经试验,当体元边长等于冠径的1/10时,计算的树冠体积达到稳定.该算法对于任何树种不用考虑树冠的形状,减少了人为判别导致的差异,适用于三维激光扫描树木树冠体积的计算.     

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。     

基于机器视觉的果树树冠体积测量方法研究

针对人工测量精度低、费时费力,而基于三维激光扫描技术、超声波技术等自动测量方法成本高、操作复杂的不足,提出了基于机器视觉的果树树冠体积测量方法,搭建了可移植性果树树冠体积自动测量平台。基于机器视觉实现待测树冠图像获取,通过图像处理算法获得树冠图像面积特征,并采用最小二乘法和五点参数标定法获得普适性树冠面积与体积相关关系模型,从而得到树冠体积,通过对梨树以及桂花树样本的试验,可以发现预测树冠体积平均误差分别为13.73%和10.18%。对于不具备系列样本无法构建模型的树冠,采用单点测量法,根据树冠轮廓拟合椭球结构体,然后根据体积求算补偿公式,完成体积测量,测量误差在10%左右。表明树冠形态特征的图像提取算法可行有效,通过面积以及轮廓特征量均能很好地表达树冠体积特征。     

基于方格网法的树冠体积测算方法

提出了一种基于方格网法测算树冠体积的方法。研究利用免棱镜全站仪获取树冠点云数据,建立树冠表面特征点的坐标方格网,根据方格网法计算土方量的原理来求算树冠体积,通过传统经典模型人工方法、三维激光量测法与本文算法,分别计算实验区域研究对象的体积,将结果进行对比分析,本研究提出的算法平均相对误差为4.13%,平均准确度为95.97%,且在置信度0.05下树冠体积的计算值与实测值之间的差异性为不显著,结果完全满足计算精度,其计算耗时只有传统人工量测法的1/3,成本为三维激光扫描的2%,降低了成本且提高了效率。     

基于三维激光扫描的树木三维绿量测定

利用三维激光扫描仪获取单株树木的点云数据,通过点云数据的处理提取测树因子,将树冠分割为多个不规则的台体,对每个台体的体积加和,近似为树冠体积。同时将绿视率引入三维绿量的计算中,以树冠不同视角绿视率加权平均和与树冠体积相乘计算树木三维绿量。实验选取了6个树种、共13棵树的点云数据,以树冠体积和绿视率2种方法计算三维绿量,结果表明：单纯以树冠体积计算平均三维绿量,针叶树大于阔叶树;而通过绿视率计算,阔叶树绿视率为55.41%,平均三维绿量为253.02 m3,而针叶树绿视率为30.75%,平均三维绿量为146.75 m3,不论是绿视率或者三维绿量,阔叶树均大于针叶树,与传统方法相比更符合树木的实际情况。     

基于三维激光点云数据的树冠体积估算研究

树冠体积是预估树木生物量的重要参数之一。为了实现对树木冠体体积无损高精度量测,随机抽取了6个树种、共计30棵树木的三维激光点云数据作为数据源,对树冠体积的求算方法进行研究。首先,对三维激光点云数据进行匹配、拼接、去噪及压缩等处理,提取冠体点云数据;其次,提取每一棵样木树冠的边缘特征点;最后,应用不规则三角网TIN的原理算法计算冠体体积。本文所提取的边缘特征点能够最大限度地维持树冠冠体的整体不变形,还能够继续去除部分冗余数据,缩短了不规则三角网TIN的构建时间,提高了计算效率;此外,树种包含有针叶树和阔叶树,在冠形上既有针叶树所特有的冠体体态特征,又有阔叶树的冠体体态特征,其研究结果具有一定的代表性。本文采用的方法与已有文献计算结果对比表明:均方根误差为0.832,平均绝对误差为0.49,平均相对误差为1.75%,可看出二者之间差异较小;同时在30个样木中随机抽取5个样木的人工测量结果与本研究相比较,取得的精度相对较好。采用本研究所得结果精度较高,能够满足生产需求。     

基于二维激光传感器无人直升机作业边界探测

无人机喷雾作业边界探测识别是无人直升机喷雾的重要内容,如果喷雾最大喷幅超过目标区域,会导致药液流失,造成环境的严重污染。为此,基于无人直升机平台,选取二维激光扫描传感器、姿态传感器等传感器搭建了一套二维激光扫描探测系统。该系统利用二维激光传感器探测无人直升机距离作物冠层和田埂的高度,计算冠层和田埂距离差值,并把高度差值作为分割阈值,实现无人直升机作业边界的提取,同时进行了田间试验验证。     

基于超声波的果树冠层三维重构与体积测量

为了克服地面不平整和拖拉机非线性行驶对果树冠层参数测量的影响，该文在超声波传感器阵列测量果树冠层体积技术的基础上，使用RTK-DGPS空间定位技术和姿态航向参考系统，通过空间坐标的平移和旋转转换，直接获得以大地坐标表示的果树冠层的三维点阵云图数据，通过PC机后台处理重构果树冠层三维轮廓和计算果树冠层体积，并详细介绍了系统的结构与工作原理。以果园荔枝树为试验对象，采用该系统对15棵不同高度和体积的果树进行了3次重复试验，另对56棵树的测量结果与人工测量结果进行了对比分析，试验结果表明该方法具有较好的重复性（     

基于改进α-shape算法的三维点云树冠体积计算方法

为准确测量树冠体积,深入研究三维绿量和区域碳循环,针对现有点云数据测量树冠体积方法存在的高估与低估问题,提出了一种顾及点云边界密度、变阈值α-shape边界提取方法,并通过实验分析确定最优线性迭代步长和分层间距,实现了对树冠体积的精确计算.首先,对树冠点云数据进行等间距切片处理;然后,采用改进α-shape算法提取点云...     

基于SfM的针叶林无人机影像树冠分割算法

利用无人机影像进行森林资源调查具有作业快速便捷、数据分辨率较高、影像细节丰富的特点,可较好地识别单木,获取树木位置、冠幅等信息。但是,厘米级的影像分辨率使基于光谱信息的传统分割算法在提取树冠时出现破碎化现象,产生过分割结果。同时,在非落叶季由于无人机影像难以观测到茂密林冠下层地形,故在地形起伏较大的林区难以实现基于树木冠层高度模型(CHM)的单木分割方法。针对上述问题,结合传统二维图像处理和SfM三维建模,提出了一种无需高度归一化的无人机影像树冠三维分割提取算法,首先利用SfM技术从高重叠航片建立三维表面模型,利用高程和图像信息检测初始树木位置,再采取kNN自适应邻域分水岭分割的方式对中心单木进行精确的树冠参数提取。在北京市百花山国家级自然保护区的落叶松林地进行了高分辨率无人机影像实验,采用正射影像目视解译结果和多种基于图像、点云的自动分割算法结果进行验证和评价。结果表明,本文方法对树木总体检出率在91%以上,冠幅提取精度在81%以上,优于传统的全局分水岭方法和其他树冠分割算法。     

激光测距在果树冠层三维重构中的应用

随着计算机技术的发展和果园果树精细管理的现实需求,果树冠层的三维重构问题成为研究热点。本文采用激光传感器在不同高度对果树靶标冠层进行水平扫描测距;将从果树不同方位测得的探测点坐标进行坐标转换,得到同一坐标系下的果树冠层三维点云;采用插值法重构模型树冠层三维轮廓。试验结果表明重构的冠层轮廓较为准确地反映了果树的外形轮廓。本文研究为采用激光传感器测距技术进行果树冠层三维重构与体积测量提供了前期研究基础。     

面向精准喷雾的果树冠层体积在线计算方法

针对目前变量喷雾未综合考虑空隙预判及防漏喷的问题,提出了基于空隙预判的果树冠层体积在线计算方法。该方法利用超声波传感器与激光传感器提前46 cm探测,获取冠层信息点云图,并剔除空隙及冗余数据进行滤波;同时进行曲线分割、空隙预判,沿喷雾机行进方向离散分割冠层,并制定针对空隙的防漏喷决策。试验表明:采用融合式传感器阵列及防漏喷策略,防漏喷效果最佳,但存在喷施过量的问题。相比普通融合式传感器阵列,改进后的融合式传感器阵列,在连续型密集果园上、中、下冠层的雾滴沉积个数分别降低6. 95%、3. 85%和升高4. 40%,沉积量分别降低11. 11%、8. 33%、3. 57%;在纺锤型稀疏果园上、中、下冠层的雾滴沉积个数分别降低27. 08%、30. 37%、18. 55%,沉积量分别降低64. 71%、60. 87%、40. 38%;在单株型稀疏果园上、中、下冠层的雾滴沉积个数分别降低18. 44%、26. 26%、15. 54%,沉积量分别降低40%、42. 43%、41. 46%。     

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。     

基于超声波传感技术的温室草莓冠层三维重构与测量

提出了一种基于超声波传感技术的温室草莓冠层三维重构与测量方法,用Matlab软件的interp1()函数、quad函数、surf函数等进行温室草莓冠层曲线、曲面的拟合并完成面积、体积的计算。以6垄温室草莓冠层作为试验对象,采用该系统对其进行3次重复试验,与人工测量结果进行对比。分析结果表明,检测结果的可重复性较好（R2为0.9275,RMSE为0.1358m3),与人工测量结果相一致(R2为0.9411,RMSE为0.1345m3),该方法具有较高的稳定性及可行性。     

基于激光扫描的螺旋输送器焊接质量在线检测

联合收获机螺旋输送器因缺乏快速有效的在线检测手段导致其加工质量差,易出现物料堵塞、叶片开焊、叶片与外壳过度磨损等故障。为此,研究基于激光测距传感器的螺旋输送器焊接质量在线快速检测方法,设计联合收获机螺旋输送器焊接质量在线检测系统,通过结构关系和传感器布局,将主轴径向跳动量、螺旋叶片的径向跳动量以及螺距等关键参数的检测转换为对与之相应的距离信息检测,实现了多参数的连续、同步测量。试验表明,与传统人工测量方法需要根据经验选取多个测量位置、进行多次测量、单次测量耗时15~20min相比,系统可实现关键参数连续、同步测量,单次测量时间缩短至1min。主轴径向跳动量检测的最大相对偏差为3.661%,螺旋叶片径向跳动量检测的最大相对偏差为2.030%,螺距的测量标准差为2.07mm,满足检测需求。系统通过对检测数据的分析处理,实现加工误差的精准定位和3D可视化展示,并根据公差要求对螺旋输送器进行合格性检查评价,对超限变形进行报警。     

基于2D激光探测的立木胸径几何算法优化

目前林业测绘中使用2D激光扫描仪对树干立木胸径及位置的测定研究占据重要地位。针对3种较为常用的几何类算法(弧长法、切线法和双余弦法),提出在近距离下利用补偿角对其测量值进行补偿的方案,研究了弧长法与切线法补偿角随距离的变化关系,并进行回归分析,所得拟合方程的R~2均大于0.85。运用拟合方程在0~5.5 m范围内对实际树干进行验证,试验选取了5株杨树树干,通过算法补偿,半径与距离测量值的准确性均得到提高,其中弧长补偿算法和切线补偿算法对半径的测量精度分别比未补偿前提高了10.6和10.7个百分点,补偿后的绝对误差均值分别为4.8 mm和3.8 mm;补偿后距离测量值绝对误差均值可分别控制在66.0 mm和15.9 mm以内。试验证明2种补偿后的几何算法均可作为近距离下的林业测绘算法,其中切线补偿算法更优。