基于三维激光扫描的树冠体积计算方法研究

指出了由于树冠形状不规则,树冠体积难以被准确测算,传统的估算树冠体积的方法是将树冠近似为规则的几何体,所获得的树冠体积往往具有较大偏差。使用三维激光扫描仪,建立树木的三维模型,提取树冠点云数据,并提出了一种分层计算方法测算体积,使用MATLAB将树冠点云数据导入后得出树冠体积,结果表明:该方法降低了树冠近似几何体模拟带来的误差,并简化了计算方法,适用于用三维激光获取的树冠点云数据计算。     

基于无人机倾斜摄影测量的树冠体积及表面积提取算法对比分析

树冠体积和表面积是树冠结构的重要特征因子,是准确监测树木生长状况的关键参数。利用无人机倾斜摄影测量可以快速获取树冠三维结构,因此对比分析树冠体积和表面积的不同提取算法,可以提高林业调查中树冠体积和表面积的提取效率和精度。通过无人机倾斜摄影测量获取树木三维点云数据,分别使用体元法和数字高程法计算树冠体积和表面积,分析两种算法在不同树种间计算结果的差异。研究结果表明,利用数字高程法得到的树冠体积和表面积明显大于体元法,分别将点云密度和冠型参数与两种算法计算结果的相对差值进行拟合,拟合结果表明：点云密度只对树冠体积的计算有影响,决定系数R²为0.443 1,冠型参数对树冠体积和表面积的计算均有影响,决定系数R²分别为0.349 6和0.100 1。对于精度要求较高的研究,体元法更加准确,而对于树冠内部空隙少且树冠表面较规则的树木,在计算树冠体积和表面积时,可以用数字高程法代替体元法来提高工作效率。     

基于机载激光雷达点云数据的马尾松单木材积估测

为提高森林单木材积估测精度和效率,选取贵州省织金县城郊典型马尾松林为研究对象,基于机载激光雷达点云和样地调查数据,以提取的树高、冠幅、树冠投影面积和树冠体积等单木结构参数为变量,构建基于机载激光雷达点云数据的马尾松单木材积估测模型。结果表明：1)基于点云数据提取的马尾松单木树高和冠幅因子与实际调查数据之间存在良好的相关性,决定系数R²在0.7以上,精度相对较高,可用于构建马尾松单木材积模型。2)在经典非线性CAR模型基础上,利用枚举法对树高、冠幅、树冠投影面积、树冠体积等4个变量组合构建的11个模型中,包含树高、冠幅及树冠体积三个林分因子的模型表现最佳,R²为0.774 1。3)树高、冠幅及树冠体积被确定为马尾松单木材积估测的关键因子,其中,树高的贡献最大且与单木材积呈极显著正相关关系(P<0.001)。利用机载激光雷达点云数据提取单木结构参数,并基于非线性CAR模型构建单木材积模型估测马尾松单木材积的方法是可行的,该方法不仅能满足森林资源调查的精度要求,且能有效提高调查效率。     

基于地面Lidar的树冠体积和表面积测量方法研究

树冠体积和表面积是树木生物量计算中非常重要的参数。本研究的目的在于找出一套基于地面三维激光扫描系统的树木树冠体积和表面积的高精度测量和计算方法。研究方法如下:首先,介绍了该方法的外业作业流程,主要有控制点布设、控制靶标布设、控制点和靶标的坐标测量、设站、扫描等。其次,描述了内业数据处理流程,包括点云数据的配准、以1 cm为间隔分割点云、点云层表面点的筛选、内部点的剔除、分层构面等。然后,基于点云分层所构多边形,求算树冠体积和表面积。最后,以广州大学校园内的8颗样本树为例,将计算结果与前人的研究结果进行了比较分析。研究结果表明,使用本研究方法所测得的树冠体积和表面积计算结果更为合理、精度也更高。因此,本方法实现了高效、无损、精确的获取树冠的体积和表面积,具有较强的实践意义和应用价值。     

基于地基激光雷达和手持式移动激光雷达的单木结构参数提取精度对比

【目的】针对人工实测与地基激光雷达(TLS)在林业资源调查中数据获取效率低下的问题,以哈尔滨市城市林业示范基地黑皮油松林为研究对象,综合对比地基激光雷达和手持式移动激光雷达(HMLS)两种扫描方式,为高效的森林资源调查和经营管理提供有效的参考。【方法】利用TLS单站与多站扫描以及HMLS获取研究样地单木点云数据,然后基于点云数据处理软件提取单木结构参数并与实测数据进行匹配,综合对比两种扫描方式的数据获取效率、点云质量以及单木结构参数提取精度。【结果】1)HMLS在扫描高郁闭度黑皮油松林样地时扫描速度大约为27 m~2/min,TLS4站扫描该样地速度为10 m~2/min,扫描速度上HMLS扫描约为TLS多站扫描的3倍。2)TLS4站扫描的胸径处点云数量与单木点云数量远高于HMLS,且HMLS相比于TLS4存在冠层点云缺失的问题,但HMLS相较于TLS数据拥有更好的胸径处切片点云完整度。3)HMLS、TLS单站、TLS4站数据胸径估测结果的R~2分别为0.92、0.84、0.95,HMLS与TLS4站扫描均给出了较好的胸径估测结果,单站TLS扫描估测胸径结果较差。HMLS扫描与TLS单站扫描由于冠层点云扫描不完整导致估测树高和树冠面积的决定系数均小于0.5。TLS4站扫描相较于HMLS扫描在树高和树冠面积的估测精度上有了较大提升,R~2达到了0.7以上。【结论】TLS4站扫描拥有最高的点云数据质量与单木结构参数提取精度,但扫描效率最低,而单站扫描由于遮挡效应单木结构提取精度较低但扫描效率最高;HMLS具有较高的扫描效率与胸径估测精度,但由于冠层点云的缺失在树高和树冠面积等参数的估测精度较低。     

无人机摄影获取单木三维信息方法研究

随着无人机航空摄影测量技术的成熟和发展,改变了传统森林调查的手段,加快了森林调查的数字化、智能化发展。为提高单木因子的采集效率和精度,降低外业的工作强度,基于倾斜摄影测量技术,以多旋翼无人机为数据采集平台,实现了孤立单木的三维点云模型重建。在此基础上,建立了单木三维信息量测算法,提出切割法和投影法两种提取树冠投影面积的方法,并提取树高、树干任意处直径、树冠投影面积、冠幅、树冠表面积、树冠体积6项测树因子参数。结果表明:1)树木的总高度和第一枝下高的提取精度分别为96.28%和95.61%,胸径和上部直径的提取精度分别为96.24%和93.78%;2)利用切割法和投影法提取树冠投影面积的精度分别为96.28%和98.24%,提取冠幅的精度分别为89.65%和91.50%,提取树冠表面积的精度分别为96.78%和97.58%,提取树冠体积的精度分别为94.29%和96.14%;3)实践证明,该技术可很好地应用到古树名木的保护工作中,并可对森林调查的方式提供新的技术参考,具有较高的现实意义和实际应用价值。     

机载激光雷达和航空数码影像单木树高提取

用激光雷达(LiDAR)数据和航空数码影像相结合进行单木水平树高反演.对研究区的LiDAR点云数据进行滤波和分类,根据地形特点、地表植被状况以及其他地类的分布,采用Tin Filter滤波算法提取地面回波点和植被回波点.用面向对象的方法对高空间分辨率(25 cm)的航空数码影像进行单株木检测.通过多尺度、树冠模式的分割创建影像对象和类层次,用最邻近距离和成员函数法进行影像对象的分类,并基于分类结果进行再分割.对分割后的树冠多边形进行边缘优化,以准确识别单株木.将植被回波点和影像分割后得到的树冠多边形进行叠加,计算多边形内的LiDAR数据最大高程差值,与实测树高进行相关分析,建立单木树高估测回归方程,平均估测精度为74.89%.     

基于无人机LiDAR的杉木树冠上部外轮廓模拟与可视化研究

[目的]基于无人机激光雷达(LiDAR)点云数据提取杉木树冠上部结构参数(树冠顶点、树高、冠幅和上部冠长),并进行树冠上部外轮廓模拟与可视化,为树种识别提供树木冠形特征.[方法]利用LASTools开源工具从激光雷达点云数据生成无孔洞的冠层高度模型,使用LiDAR360软件,采用局部最大值法检测树冠顶点,基于CHM种子...     

基于三维激光点云数据获取树木几何参数的研究

无人机(Unmanned Aerial Vehicle,UAV)遥感可快捷获取高分辨率正射影像。本文探讨利用无人机采集高分辨率影像,生成三维点云数据获取树高和冠幅,并与实测数据对比。实验地点选择北京市京西林场,采用无人机搭载激光雷达扫描系统获取点云数据,使用LiDAR360软件进行数据处理分析,获取树木位置、株数、树高、树冠直径等信息,并与实测数据对比,结果表明:最大类间方差法可分割树木点云数据;利用三维点云技术可获取树木高度及冠幅;树高提取平均精度为94%,冠幅提取平均精度为89%。     

高郁闭度人工林无人机激光雷达单木分割方法优化

【目的】针对高郁闭度林分条件下基于LiDAR点云数据单木分割林木提取困难、总体精度较低等问题,提出一种基于冠层起伏率结合分水岭算法和基于点云的局部最大值聚类算法的分层分割法,为开展无人机LiDAR技术森林资源调查提供技术参考,为提高单木分割总体精度提供新策略。【方法】利用无人机激光雷达数据,采用分水岭算法、基于点云的局部最大值聚类算法和基于冠层起伏率结合分水岭算法和基于点云的局部最大值聚类算法的分层分割法对高郁闭度思茅松人工林进行单木分割,并分析分水岭算法中4种CHM空间分辨率和3种DSM插值方法对单木分割效果的影响,与无人机高分辨率影像单木树冠目视解译结果进行比较,以探测率r、准确率p和F得分为指标对单木分割精度进行验证和评价。【结果】在幼龄林中,冠层起伏率较大,分水岭算法对单层林的分割效果优于基于点云的局部最大值聚类算法;在中龄林和近熟林中,冠层起伏率较小,分水岭算法易将思茅松树枝识别为树冠,基于点云的局部最大值聚类算法的分割效果优于分水岭算法;基于冠层起伏率结合分水岭算法和基于点云的局部最大值聚类算法的分层分割法充分考虑不同龄组的林分结构差异,精度最高(F=0.75),优于分水岭...     

偏冠对树冠垂直投影面积计算的影响

[目的]针对树冠结构复杂、形状不规则等问题,实现树冠垂直投影面积自动计算并提高树冠投影区域面积计算精度.[方法]以研究区453棵杉木为研究对象,精确测量每木8向冠幅.以Visualstudio和ArcGIS混合编程,进行树冠测量半径的坐标转换,采用Bezier曲线进行边界平滑,实现树冠垂直投影面积自动提取,并与传统计算...     

基于面向对象技术的退耕还林树冠遥感信息提取研究

利用张家口退耕区0.6 m分辨率的快鸟(QuickBird)遥感影像,进行退耕区新造林地的长势监测.对快鸟影像进行正射校正,运用高斯滤波进行图像增强,减少噪音,增强退耕地的树冠信息.采用面向对象的图像信息提取技术,提取退耕还林地树冠信息,统计树冠面积,计算退耕还林造林成活率.根据实际测量的数据进行误差检验,由遥感数据自动提取的树冠面积平均误差为0.763m2,计算出的成活率精度为89.837%,为退耕还林的规划管理提供科学准确的依据.     

无人机森林航摄影像三维点云估测林分蓄积量研究

森林蓄积量能够评估林地生产力的高低及经营措施的效果,为森林经营与采伐提供重要依据。目前,大多基于无人机影像的蓄积量估算,均建立在测绘标准所生成的DOM、DSM、DEM等测绘成果基础上,而未充分利用原始影像数据上的林业特征,无法从点云层面上加入林业业务逻辑产生成果数据。获取无人机影像后,利用特征点提取与匹配方法自动相对定向,结合控制点和光束法平差的迭代求解,解算出精确的相机姿态数据,并沿核线方向一维搜索特征点进行影像密集匹配生成密集点云。对原始三维点云过滤后进行树冠分割,在聚类后的林冠点云中提取了树顶点和树高因子估测了森林蓄积量。研究结果表明,冠幅的提取精度85.15%,树高的提取精度83.69%,林分蓄积量估算的精度达到了82.46%。     

基于三维激光点云与断面轮廓曲线的树干材积计算

【目的】利用地面三维激光扫描仪获取的单木树干点云,提出一种基于断面轮廓曲线的树干材积计算方法,为准确测定单木树干材积提供参考。【方法】首先,将树干点云按设定高度thick划分为若干等高垂直分段,对于一个垂直分段,将其树干点云投影至下断面得到一个平面点集,以该点集凸包点形成闭合凸多边形的质心为中心点,以角度参数θ对该平面点集角度分区,一个角度分区中所有点的重心点为该角度分区的轮廓点,根据角度分区在上下垂直分段上的相邻性和连续性修复无轮廓点的角度分区;然后,以当前垂直分段所有角度分区的轮廓点为插值点,构建一条闭合连续光滑的三次B样条曲线(称之为垂直分段的断面轮廓曲线),该曲线所围面积为断面积,断面积与高度thick之积为垂直分段体积,所有垂直分段体积累加得到树干材积。分别以可准确计算体积的圆柱体、圆台体和抛物线体的模拟点云与地面三维激光扫描仪获取的来自7个树种183个长度为1 m的树干点云为实测数据,开展模拟试验和实测试验。【结果】模拟试验结果表明,对于圆台体和抛物线体的体积计算,断面轮廓曲线法在合适的thick与θ参数下计算精度高于拟合圆、拟合圆柱体和Bézier凸曲线法的计算精度。实测试验结果表明,与断面轮廓曲线法计算的材积(thick=2 cm,θ=2°)相比,拟合圆、拟合圆柱体和Bézier凸曲线法计算材积的平均绝对百分比误差(MAPE)分别为064%、43365 cm~3和054%,均方根误差(RMSE)分别为063%、42906 cm~3和053%,总相对误差(TRE)分别为1188%、3 36136 cm~3和951%。【结论】断面轮廓曲线法计算的树干断面积和材积最为精确,传统以横断面是圆为理论计算的树干断面积和材积均大于其真值。     

基于机载LiDAR的单木结构参数及林分有效冠的提取

【目的】基于机载激光雷达(LiDAR)数据提取单木树冠三维结构参数(树冠顶点位置、树高、冠幅和冠长),并在此基础上对林分有效冠进行提取,为进一步研究林分尺度上的有效冠结构及其动态提供依据,以更好掌握并改进林业经营措施。【方法】采用一定规则下的局部最大值窗口搜索树冠顶点,进行单木树冠顶点探测和单木树高提取;以树冠顶点为标记,利用标记控制分水岭分割算法提取单木冠幅;采用垂直方向点云高程检测方法获取枝下高位置,提取冠长;在标记控制分水岭分割出的树冠边界,提取树冠接触高,取平均值作为该样地的林分有效冠高。【结果】树冠分割正确率为88.5%;结合样地实测参数对提取值进行相关性分析,树高R~2=0.886 2,冠幅R~2=0.786 4,冠长R~2=0.800 0,树高、冠幅和冠长精度分别为90.34%、86.80%和89.90%;同一林分内单木接触高相对比较稳定,对提取的林分有效冠高进行单因素方差分析,无显著差异。【结论】基于机载LiDAR数据,采用可变大小的动态窗口搜索局部最大值点,能提高单木结构参数的提取精度;利用树冠顶点标记控制分水岭算法,将高空间分辨率航片作为辅助数据,可完成较高精度的单木冠幅提取;垂直方向点云高程检测方法可提取单木冠长;LiDAR点云数据可对林分有效冠进行提取,在同一林分中,不同样本数量对接触高提取的变异性影响不大,有效冠高大致相同。机载LiDAR数据具有良好的单木树冠三维结构参数提取能力,能够满足现代林业调查对单木结构参数提取的需要,实现对林分有效冠的提取。     

基于对象的激光点云数据城区树木识别方法

通常利用激光点云数据(LiDar)进行树木分类的方法是将点云内插生成数字地形模型(DTM),根据地物高程差值,在图像处理方法的基础上进行分割或分类。提出一种新的基于对象的LiDar数据树木识别方法,其最大特点是直接利用点云数据的三维空间关系进行分类,不需要将点云转换成二维图像进行处理,避免了转换过程中信息的丢失,提高了分类的精度。具体实现步骤:首先利用kd-trees组织点云数据,在局部邻域中利用点云位置和法线分别进行协方差分析,估算各点的空间特征变量,然后结合各点的回波次数和局部邻域中点云个数密度作为SVM分类器的输入变量,最后利用基于径向基函数的SVM方法实现点云的分类。实验结果表明:OA分类精度为91.21%,Kappa系数为85.62%。     

天山云杉林无人机可见光影像树冠信息提取方法研究

高精度轻小型无人机森林树冠参数信息提取方法是森林资源监测和生态功能评估的重要基础。以新疆山地森林优势树种天山云杉为研究对象,在南山实习林场采集积雪背景下无人机遥感影像并进行预处理,对比分析3种方法(以光谱为特征空间的面向对象法、以光谱+纹理为特征空间的面向对象法、随机森林法)提取天山云杉林树冠参数信息的精度。结果表明:3种方法提取天山云杉林分郁闭度精度均高于93%,其中以光谱为特征空间的面向对象法最优,精度可达93.73%;3种方法自动提取单木树冠面积与目视解译结果的R~2均大于0.91,虽然随机森林法的统计指标最优,但面向对象法可获得完整的单木树冠闭合曲线,故以光谱+纹理为特征空间的面向对象法效果较优;面向对象法的最优分割尺度为29,纹理特征的加入会导致郁闭度提取精度降低0.66%,但会优化单木树冠面积提取效果。     

机载激光雷达人工林单木分割方法比较和精度分析

【目的】研究分水岭算法、四次多项式拟合法和基于点云的距离判别聚类法对人工林单木分割的适用性,分析3种方法对人工林单木分割的精度,探索进行单木分割时3种方法关键参数的最优选择。【方法】结合地面实测数据和目视解译方法,计算单木探测率、准确率和F得分,比较分水岭算法、四次多项式拟合法和基于点云的距离判别聚类法的单木分割精度,并通过改变栅格化冠层高度模型(CHM)的分辨率及调整基于点云的距离判别聚类法的距离阈值,分别对3种方法进行单木提取效果的敏感性分析。【结果】1)分水岭算法、四次多项式拟合法和基于点云的距离判别聚类法对人工林单木总体分割精度较高(F=0.76～0.83); 2)对于"复杂林型"样地,基于点云的距离判别聚类法的分割精度最高(F=0.78),优于分水岭算法(F=0.74)和四次多项式拟合法(F=0.53);对于"中等复杂林型"样地,基于点云的距离判别聚类法的分割精度最高(F=0.89),优于分水岭算法(F=0.84)和四次多项式拟合法(F=0.75);对于"简单林型"样地,基于点云的距离判别聚类法(F=0.89)、分水岭算法(F=0.89)和四次多项式拟合法(F=0.93)的分割精度都较高; 3)敏感性分析结果表明,当CHM分辨率为0.5 m×0.5 m时,分水岭算法和四次多项式拟合法的分割精度最高;当基于点云的距离判别聚类法的距离阈值近似样地平均冠幅半径时,其分割精度最高。【结论】对多种类型样地进行单木分割,体现了分水岭算法、四次多项式拟合法和基于点云的距离判别聚类法对人工林单木分割的适用性;结合多种类型样地充分评估并比较了3种方法对人工林单木分割的精度;通过对3种方法进行敏感性分析,阐述了进行单木分割时关键参数的最优选择。     

点云数据双向选择单木提取与地面数据匹配方法

【目的】基于双向选择判断原理,提出一种将激光雷达(LiDAR)点云数据提取到的单木信息与地面实测单木信息进行匹配的方法,以得到更为合理的信息匹配结果。【方法】采用机载LiDAR点云数据分割单木,提取单木位置、数量、树高和冠幅等信息,从LiDAR提取单木位置出发,依据树高和距离正向确定候选地面实测单木,再根据候选地面实测单木位置和距离信息逆向确认LiDAR提取单木是否为最合适的匹配对象木。【结果】以匹配精度、匹配后的单木树高和冠幅精度为判断指标,与邻域最高匹配法、最邻近匹配法和双因素匹配法相比,在匹配精度一致的情况下,双向选择判断法匹配的单木树高精度可从75.21%提升至91.01%,冠幅精度从60.50%提升至68.64%;在保证匹配信息精度一致的情况下,双向选择判断法可将匹配精度从传统方法的33.52%提升至61.11%。【结论】点云数据双向选择单木提取与地面数据匹配方法可快速、高效地将激光雷达点云数据提取到的单木信息与地面实测单木信息进行匹配,与传统方法相比,能够在高密度、多林层林分中发挥更高优势。     

基于地面三维激光扫描技术的林木胸径提取算法分析

胸径是树木最重要的测树因子之一,其精度直接影响材积的测定。传统的树木胸径测量效率低,范围较小;采用遥感反演间接测量胸径,精度较低,且不能直接获取单木的点云数据。本文利用三维激光扫描技术提取立木的3D点云数据,提出一种自动、高效提取单木胸径的算法。利用三维激光扫描仪对样地8棵杨树进行扫描,得到三维点云数据;同时,开展数据分割、精简、降噪处理,得到简化后的点云数据,最后对提取的胸径点云数据进行分层设置,将截取层厚度设置为0,0~1,1~2,2~3 cm 4个等级,利用快速凸包算法将点云数据闭合成一个多边形,运用Arc Engine控件调用Arc GIS中测算多边形长度的方法计算闭合平面周长,换算出立木胸径值,并结合同步实测数据与传统算法、拟合圆算法进行对比试验。结果表明:采用传统算法、拟合圆算法和快速凸包算法的模型决定系数R2分别为0.857、0.941和0.957,说明运用快速凸包算法提取立木胸径是一种高效且比较可行的方法。