森林区域机载LiDAR点云数据的改进八叉树滤波算法研究

目的利用机载LiDAR点云数据能准确获取地物点三维坐标的特点,本文对森林区域LiDAR数据进行滤波分析,旨在提高点云滤波精度。方法基于改进的八叉树模型,将复杂地形分解为大量山坡地形,通过改变节点尺寸,既保留了点云的原始信息,又增强了点云数据分割的准确性。针对森林区域地形起伏不定的实际情况,在滤波算法中引入坡度判断,在一定程度上改善了山坡低矮植被易被错分为地面点的情况。结果对于3组不同地形下的点云数据,滤波总错误率分别为4.57%、4.75%和5.83%。这一结果对森林区域不同地形下的点云滤波具有一定的实用性。结论本文提出的改进八叉树滤波算法可以充分利用数据结构特征实现快速、高精度的滤波,从而节约时间成本和运行成本,也为后续森林参数的提取奠定基础。      

基于形态学的机载LiDAR点云滤波研究

SMRF算法又称改善的简单形态学滤波算法,该算法相比以往算法有较高的滤波精度,效率高.该研究从点云格网化、迭代开运算和原始点云滤波3个方面分析SMRF算法的优势,并针对该算法最大窗口半径参数确定难的问题,提出了基于高次曲线极值的滤波窗口探测的形态学机栽云滤波,通过程序自动寻找最优最大滤波窗口半径,摆脱了以往需要人工确定形态学滤波开运算的最大滤波窗口问题.实验表明该方法是可行的,这不仅降低了参数输入的门槛,而且滤波精度较高,这对机载激光雷达点云数据后处理向着自动化处理发展具有重要的意义.     

基于多尺度特征向量的输电线路无人机LiDAR点云数据分类方法

提出了一种基于多尺度特征向量的输电线路无人机LiDAR点云数据分类方法,可以有效对线路走廊中的地物进行分类。首先提取三维点云数据的多尺度局部特征作为特征参数构成特征向量,主要包括高程特征、连通特征、张量特征和平面特征。然后将多尺度特征向量输入到多分类相关向量机分类器中,在完成分类器训练之后,对无人机LiDAR点云数据进行分类。试验结果表明,该方法可以有效区分地面、植物、建筑物、杆塔和电力线5类线路走廊地物LiDAR点云数据,分类整体精度达到96.63%。     

基于ISS-CPD算法的三维激光点云数据处理技术

针对传统的三维重建方法既费时又费力、准确性低等,只能获取一些特征点和线性数据。本文在三维激光扫描点云的基础上,提出了一种结合ISS算法和CPD算法用于建筑物LiDAR点云配准。通过ISS算法提取点云数据的特征点,并通过CPD算法对这些特征点进行配准。并通过实验对该算法的有效性进行验证。结果表明,改进算法简单有效,提高了运算效率。该研究为我国三维激光点云数据的三维重建技术发展提供了参考和借鉴。     

基于三维激光点云的靶标探测系统研究与试验

【目的】使用R-Fans-32三维激光雷达(LiDAR)研究植株三维激光点云与植株叶面积之间的关系,为变量喷雾系统提供数据支撑。【方法】假设植株激光点云数量与叶面积之间存在线性关系。搭建基于三维激光点云的靶标探测的试验系统,先测量靶标植株的高度来探究该探测系统的精度,激光雷达以10Hz的扫描频率和1m的探测距离实现对10株番茄的三维点云数据的获取,激光雷达上位机软件Ctrlview实现对三维激光点云数据的储存。利用Cloud Compare软件对储存的点云数据进行处理,利用LiDAR360软件对植株进行高度测量和点云数量的获取。对采集的植株点云进行数量统计,利用CL-202植物叶面积测量仪对采摘的靶标植株叶片测量叶面积,验证植株点云与叶面积之间的关系。【结果】激光雷达探测所得到的番茄植株的高度与手工测量值的最大相对误差为7.92%。利用线性函数拟合植株点云数量与叶面积,拟合度为0.7805,最大相对误差为5.64%。【结论】设计了一种用于探究基于激光点云的变量喷雾系统可行性的试验系统,依据三维激光点云计算植株的叶面积精度良好,R-Fans-32三维激光雷达可作为变量喷雾系统的探测部件。     

三维点云数据中离群噪声点快速剔除的方法研究

针对手持式三维激光扫描仪进行目标点采集时,由于人为因素、目标表面及仪器自身因素等影响,所产生的离群噪声点会严重影响后期点云数据的处理和重建精度、速度等问题,改进了k-近邻搜索方法,并提出将改进的k-近邻搜索方法与点云中值滤波相结合的方法。首先,通过改进的k-近邻搜索方法可以实现孤立噪声点及部分块状离群噪声数据去除,对比现有的k-近邻点搜索建立拓扑关系,搜索的计算量及计算速度有了很大改善;然后再利用点云中值滤波方法对点云数据进行处理,可以实现离群噪声点的全部去除。实验结果表明,该改进算法与中值滤波相结合可以快速、高效的识别离群噪声数据点并剔除。     

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PROSAC算法的TLS林分树干提取研究

树干是树木的重要组成部分,对于林业调查研究具有重要意义。为了能从海量点云数据中快速精准提取林分树干,基于地面激光雷达单站点云数据,通过SOR滤波与体素化滤波对点云进行去噪和下采样处理,然后利用MLS移动最小二乘算法对数据进行平滑与孔洞修复,最后针对八叉树体元数据采用结合点法线的PROSAC算法建模提取林分树干。研究表明:PROSAC算法能适应条件复杂的林地,提取林分树干精度高、速度快、抗噪性强,可以提取多姿态树干点云,有极大的应用价值。本算法能快速精准地提取直径较大的树干点,且连续性较好,在保证算法效率与数据精度的基础上,能够获取连续性较好与姿态各异的林分树干点云。     

一种基岩海(岛)岸线自动提取新方法

利用遥感手段快速准确地提取海岸线,是目前海洋科学研究、地形图测绘、海道测量、海岸带与海岛调查等工作的重要内容。本文以基岩海(岛)岸线为研究对象,在对机载LiDAR点云数据的存储格式、处理流程进行了分析后,基于平均大潮高潮面和激光反射强度,利用TerraSolid软件过滤LAS格式的LiDAR数据,初步获得海岛点云,随后引入Alpha Shapes模型算法自动提取海岛岸线并同步实现了噪音点的剔除。经与高分辨率卫星影像叠加对比分析,本文方法提取的海岛岸线平面精度较高,且具有良好的自适应性、速度快、稳定性高等特点,非常适合基岩海(岛)岸线提取与绘制。     

1种农产品图像二维多级中值滤波改进算法

农产品图像在采集过程中由于拍摄系统电压不稳定、成像环境的复杂性等因素导致获取的图像中存在一些颗粒噪声点,这些噪声点存在极大模糊了图像中果实复杂的边缘信息。针对该类图像,在对二维多级中值滤波算法(two-dimensional multi-stage median filtering)原理深入分析的基础上,结合农产品图像的特点,提出了一种改进二维多级中值滤波算法(improved two-dimensional multi-stage median filtering)。该算法首先提出一种新型噪声自适应检测方法对图像中的噪声进行检测和标记;然后对检测出的噪声点分别采用8个多方向滤波模板进行处理;最后对8个模板的滤波结果在进行适当取舍的基础上分别进行基于像素点间几何距离的加权滤波,以获得清晰度较高的图像。理论分析和试验结果表明,改进的二维多级中值滤波算法对于农产品图像处理效果优于中值滤波算法、二维多级中值滤波算法、已有的改进二维多级中值滤波算法。     

基于机载LiDAR数据的林下地形提取算法比较与组合分析

激光雷达(LiDAR)克服了传统测量技术的缺点, 成为了获取DEM的新型手段。针对不同地形林区,选择合理的点云滤波算法,是提取林下地形的关键步骤。本研究在黑龙江省凉水自然保护区内选择了3块具有代表性的区域,分别为平缓山地林区、陡峭山地林区和复杂地区。以1:10 000地形图矢量化生成的高精度DEM为参考,评价了迭代线性最小二乘法、基于坡度法、不规则三角网法(TIN)点云滤波算法在3种地形的适应性。结果表明:不同算法有不同的适应区域。3种方法在平缓山地林区都具有良好的效果,决定系数(R2)均达到了0.98,均方根误差(RMSE)均低于0.21 m。迭代线性最小二乘法在复杂地区滤波效果最好,R2为0.94,RMSE为0.21 m;不规则三角网法在陡峭山地林区效果最好,R2为0.99,RMSE为1.43 m。但是,单一的方法在复杂区域情况下、陡峭山地林区,有明显的分类误差,会将植被分为地面点。为提高林下地形提取精度,本文提出不同滤波方法的组合双重滤波,结果表明,迭代线性最小二乘法和不规则三角网方法组合可以在减少参数调整情况下得到良好滤波效果,对复杂地区、陡峭山地林区滤波效果大大改善。      

施肥开沟机作业信息远程监测方法与试验

针对目前施肥开沟机缺少作业信息检测装置及其远程监测的需要,基于惯性传感器技术、数据处理技术及网络通讯技术,开发施肥开沟机作业信息远程监测系统。所检测施肥开沟机作业信息包括开沟深度、油耗、作业时间、作业轨迹和作业距离,其中,油耗采用超声波油位传感器检测,作业时间通过设定界限值判断是否为作业段来检测,作业距离和作业轨迹则依赖于GPS定位。由于开沟深度和农作物产量相关,作业信息检测方法重点围绕开沟深度进行研究。采用2个惯性传感器分别检测开沟机和车身的俯仰角,相减得到的倾角差值结合开沟机相关尺寸计算可得开沟深度。基于卡尔曼滤波算法对倾角差值进行滤波以减小机具振动等产生的检测误差。在MATLAB中建立倾角差滤波模型进行仿真,仿真发现:Q/R比值不变,Q、R值变化时,滤波效果基本相同;Q/R比值不同时,随Q/R减小,滤波后倾角差的方差越小,但滞后效果越明显。倾角差滤波试验分为2部分:1)滤波验证试验以模型车为载体,利用不同Q、R参数进行试验,结果与仿真结论一致;2)土槽试验中固定Q、R参数,倾角差经滤波,其方差由4.07减小为0.47,表明滤波有效。田间试验对作业信息进行检测,结果表明:1)开沟深度检测误差在5%以内,结果精确;2)其他作业信息检测准确,检测方法可靠,远程监测系统具有实用价值。     

不同滤波算法对反演叶面积指数的影响

目的使用离散型激光雷达数据反演叶面积指数（LAI）的过程中,数据预处理的关键步骤为激光雷达滤波。穿透指数（LPI）作为反演过程中的重要变量,需要根据点云的类型计算,从而直接受到滤波精度的影响。因此,滤波算法的精度能间接影响到反演LAI的精度。虽然滤波算法不断改进,滤波精度逐渐提高,应用在越来越多的场景,但关于不同滤波算法对反演LAI精度影响的探讨较少。方法本文通过对机载LiDAR滤波算法历史、发展和现状的调研,最终选择混合滤波算法（Hybrid）、自适应不规则三角网滤波算法（ATIN）、形态学滤波算法（Morph）和基于坡度滤波算法（Slope）为研究对象;分别使用这4种算法,得到点云中的地面点;根据Beer-Lambert定律,反演帽儿山国家森林公园落叶松林和榆树林的LAI;以经过评估的精度更高的Hybrid算法为标准,计算另外3种算法的滤波精度和LPI偏差;对比分析LAI反演模型的平均精度;最后,通过分析不同误差来源的影响强度,确定了反演LAI时较好的滤波算法。结果在最佳的采样半径下,经过Hybrid、ATIN、Morph和Slope滤波算法处理,LAI反演模型的平均精度,在落叶松林,R2分别为:0.900 3、0.876 3、0.892 5、0.877 0;RMSE分别为:0.105 6、0.134 5、0.109 7、0.133 2;在榆树林,R2分别为:0.914 4、0.903 0、0.887 2、0.900 0;RMSE分别为:0.269 0、0.201 7、0.189 4、0.207 0。在落叶松林,I类误差较大的Morph算法,能保证较高的模型精度;而II类误差较大的Slope和ATIN算法对应的反演模型精度较低。结论经不同滤波算法处理得到的LAI反演模型精度存在差异,经混合滤波算法处理其对应的LAI反演模型精度更高,形态学滤波算法的滤波精度较低,对应的反演模型精度较高;滤波算法导致的I、II类误差中,II类误差对LAI反演模型的影响更大。      

农作物信息垂直搜索引擎的研究

根据中文信息处理的理论分析和当前搜索引擎技术的发展现状,按照软件工程的方法,研究了农作物垂直搜索引擎的总体设计过程,设计过程重点论述了需求分析、功能规划和总结结构,其中详细介绍了信息采集、信息过滤和正文提取等模块的设计与实现流程。通过该搜索引擎不仅能够更加直观地找到需要了解的知识,而且数据的结构化处理、分类整理与知识库的建立,可为今后的专家系统与农作物种植决策支持奠定良好的基础。     

运用融合纹理和机载LiDAR特征模型估测森林地上生物量

针对区域尺度森林地上生物量的分布情况,以大兴安岭生态观测站为例,提出了一种融合光学影像纹理和机载LiDAR点云特征的森林地上生物量遥感估测方法。该方法首先提取Landsat 8 OLI不同波段在不同运算窗口下的纹理特征;然后对机载LiDAR点云进行滤波提取地面点,并利用地面点对点云数据进行高度归一化处理,提取点云特征因子;最后结合提取的遥感特征因子,利用支持向量回归的方法对研究区森林地上生物量进行估测,并对结果进行精度验证。结果表明:不同波段和窗口尺寸的建模精度差异较大,蓝光波段在7×7运算窗口下模型精度最高(R~2=0.73,R_(MSE)=22.32 t/hm~2);点云高度分位数变量的建模精度呈正态分布,变量H_(50)的建模精度最高(R~2=0.75,R_(MSE)=19.24 t/hm~2);与单一的遥感特征变量相比,融合光学影像纹理和机载LiDAR点云特征的模型精度有了一定提高,且针叶林和混交林的估测R_(MSE)分别为19.63和20.40 t/hm~2。因此,该方法可以为区域性的森林地上生物量估测提供有效参考。     

倾斜摄影测量技术提取落叶松人工林地形信息

目的林下地形是提取单木树高、冠幅等森林参数的必备条件,但由于林区地形起伏较大,传统的测量手段难以获取大范围高精度的森林地区数字地形模型（DTM）。近年来,倾斜摄影测量克服了传统测量技术的缺点,成为获取三维地理信息的新型手段。本文使用无人机倾斜摄影测量技术提取落叶松林下地形,并评测精度与适用性,为后续基于倾斜摄影测量技术提取单木参数的研究提供参考。方法选择内蒙古旺业甸林场内山区典型落叶松幼龄林、中龄林和成熟林林分在落叶季进行无人机飞行,采用Context Capture软件对获取的落叶季倾斜像片进行三维重建,生成林区点云。使用布料模拟滤波、加权线性最小二乘、渐进不规则三角网加密法、渐进形态学滤波算法从点云中提取地面点,并采用3种插值方法插值地面点生成测区完整地形。使用激光雷达DTM作为验证数据评价精度。结果不同算法的地形提取精度与郁闭度相关。在幼龄林区域和中龄林区域,布料模拟滤波提取地面点的精度最高,决定系数（R2）均达到0.999,均方根误差（RMSE）分别为1.61 m和0.47 m;在成熟林区域,渐进三角网滤波效果最好,R2为0.999,RMSE为0.39 m。在不同郁闭度林分选择最优滤波算法基础上,比较不同插值方法生成的数字地形模型（DTM）精度,结果表明:在幼龄林和中龄林,布料模拟滤波点云后经不规则三角网（TIN）插值得到的DTM精度最高,RMSE分别为1.58 m和0.44 m;成熟林分渐进不规则三角网加密滤波后地面点经克里金（Kriging）法插值得到的DTM精度最高,RMSE为0.31 m。结论实验证明,倾斜摄影测量技术可用于落叶松林分地形提取。