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。     

基于分层叠加的机载LiDAR点云单木分割

【目的】提出一种基于分层叠加的单木分割算法,以充分利用高密度激光雷达点云信息,提高林分中下层单木分割精度。【方法】区别于传统将冠顶点作为聚类种子点的单木分割算法,基于分层叠加的单木分割算法以点云水平切片后各层的局部最大值为种子点进行分层聚类,并通过分层叠加与迭代优化,减少枝杈等因素导致的过分割现象,在保证上层树单木分割精度的同时提高对中下层单木的提取能力。【结果】基于分层叠加的单木分割算法在不同密度落叶松林分均有较高单木分割精度,提取单木与实测单木总体匹配成功率最高达94%,在中高密度林分匹配成功率最高达92%,相较其他算法,对中下层单木的匹配率可提高20%～40%;在单木树高提取精度方面,单木提取树高与实测树高相关系数为0.8,相对均方根误差为8.45%,提取冠幅与实测冠幅相关系数最高为0.83,相对均方根误差为16.5%。【结论】通过分层聚类、聚类种子点优化选取,充分利用林分各层次点云信息,可提高单木分割精度,为森林经营管理提供高精度数据支持。     

基于机载LiDAR点云多层聚类的单木信息提取及其精度评价

【目的】针对已有三维点云数据单木分割方法提取下层林木困难、准确提取林木数量占总体比例偏低导致提取工作有效性不高、提取效果受点云密度和林分结构复杂程度影响等问题,改进单木提取策略和算法,为Li DAR单木提取技术向生产实践应用转化提供支撑。【方法】以机载Li DAR点云数据为基础,提出一种基于分层聚类的三维立体单木分割方法,并对点云分层、分割、单木匹配等环节进行算法改进,实现空间异质性较高林分的单木分割和信息提取。【结果】改进后的算法可在高密度、高空间异质性林分中进行单木分割和信息提取,并能更合理地与地面实测林木信息匹配,可匹配的林木比例最高达88.70%,单木树高、林分平均高精度最高分别达92.38%、99.84%,树高基尼指数、树高变异系数精度最高达89.65%。【结论】通过多水平分层和纵向聚类融合,可提升对于林下层尤其是更新层林木的提取能力;构建提取有效性指标,更加关注成果的适用性;评价指标中加入空间结构精确度指标,可充分发挥Li DAR对空间结构的反演能力。     

基于激光点云数据的森林单木位置提取研究

以河北塞罕坝林场落叶松林地为研究对象，通过选取样地布设水泥桩和反射片，针对森林单木提取精度不高等问题，开展基于激光点云数据的森林单木位置提取方法研究，为森林资源调查的单木定位和数量统计提供参考。通过将采集的森林地面点云数据，采用反射片模式与各个测站点云数据进行配准，提出一种改进的体素空间邻域和RANSAC圆柱拟合方法，分3种不同大小的样地进行单木位置提取实验，结果表明，该方法的单木位置提取效果较好，提取精度均在93%以上。     

基于UAV-LiDAR和误差变量回归的落叶松人工林单木参数估测

【目的】以人工落叶松为例,探索基于无人机激光雷达（Unmanned aerial vehicle LiDAR, UAVLiDAR）点云的单木探测提取树高的误差对胸径反演的影响并校准,实现单木参数（胸径、树高）的准确度量,为大尺度高效便捷估测单木参数提供新的思路。【方法】以东北林业大学帽儿山实验林场13块4个龄组（幼龄林、中龄林、近熟林和成熟林）的落叶松人工林样地UAV-LiDAR数据及野外调查数据为数据源,基于UAVLiDAR点云的单木探测提取的树高,分别以普通最小二乘法（Ordinary least squares, OLS）和3种误差变量回归（标准主轴（Standard major axis, SMA）、远程主轴（Ranged major axis, RMA）和极大似然估计（Maximum likelihood estimate, MLE））构建胸径-树高模型,研究探测误差对各龄组人工落叶松胸径反演的影响并校准。【结果】利用UAV-LiDAR点云的单木探测提取4个龄组树高的相对均方根误差（rRMSE）,误差范围为3.41%～5.14%;在胸径-树高模型预测方面,3种误差变量回归均优...     

基于地基激光雷达胸径提取的单木位置精确测量

[目的 ]为将单木位置匹配至更精确的树干中心处,本研究发展了一种基于地基激光雷达提取胸径中心位置的空间校正方法。[方法 ]对高密度地基激光雷达点云数据,使用霍夫变换的方法提取单木胸径及圆心点,以外业调查的胸径数据作为精度控制基础,再用空间点校正方法将外业测量的样地单木相对空间位置匹配至提取的单木胸径中心点处,最后通过数字冠层高度模型特征分析实现单木位置的地理位置匹配。[结果 ]以黑龙江佳木斯孟家岗林场为研究区,对比分析3种不同株数密度的落叶松样地,提取胸径误差在1 cm之内,高、中、低株数密度样地单木位置在空间点校正时胸径误差2 cm误差范围内位置正确匹配率分别为91%、92.5%、98.6%。全部匹配的外业调查单木相对空间位置误差控制在1 m之内,且与机载激光雷达数字冠层模型影像地理位置匹配误差在0.5 m内。[结论 ]基于地基激光雷达提取胸径匹配单木空间位置的方法,极大地提高了单木空间位置测量精度。此方法的发展,不仅为局部样地单木分割等提供精确位置信息,也为大范围遥感数据提供可靠地面基础位置验证数据,是可靠的单木位置测量和多源数据匹配方法。     

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。     

基于两期无人机影像的针叶林伐区蓄积量估算

【目的】提出一种基于两期无人机影像的针叶林伐区蓄积量估算方法,为促进无人机数据在多类型林业样地资源调查中的深度应用提供依据。【方法】以福建省三明市将乐县金森林业股份有限公司伐区森林小班为试验区,首先,利用无人机遥感获取分辨率优于10 cm的两期影像,经Pix4D软件处理得到点云数据,在此基础上将小班区域未采伐前的林冠点云匹配到采伐后的小班地形点云上;然后,通过布料模拟滤波算法(CSF)分离匹配后的林冠点云和地形点云,采用自然领域插值法分别将林冠点云数据插值生成数字表面模型(DSM)、地形点云数据插值生成数字高程模型(DEM),二者相减获得冠层高度模型(CHM);接着,基于改进的局域最大值法搜索冠层高度模型中的林冠顶点,提取树高;最后,根据野外采集的400株马尾松和杉木树高、胸径数据,建立5个适用于福建省马尾松和杉木的胸径-树高模型,选择相关系数最高的模型推算胸径,并利用福建省单木材积公式估算小班区域蓄积量。【结果】1)两期无人机数据的点云匹配能较好消除陡峭地形对树高提取的影响;2)改进的局域最大值法可有效减少固定窗口搜索林冠顶点时出现的多提和漏提错误;3)小班区域估算株数为339株,实测株数为366株,估算的平均树高为18 m,实测平均树高为19 m,估算蓄积量为182 m~3,实测蓄积为199 m~3,株数、树高和蓄积量的估算精度均较高。【结论】借助无人机遥感技术,可实现森林蓄积量自动化估算,降低传统野外调查成本,推动森林资源的快速调查和更新。     

基于地面激光扫描数据的单木分枝结构参数自动提取

【目的】应用地面激光扫描(TLS)数据提取单木点云骨架模型,提出一种基于骨架模型的单木分枝结构及枝长、分枝角度信息自动提取方法,为单木参数化建模与森林可视化模拟提供数据基础,并丰富林业参数调查手段。【方法】应用地面激光扫描仪器FARO,以1/4分辨率、测速244 000点·s~(-1)获取试验区3株单木的点云数据。首先,采用Skel Tre算法对带有噪声的TLS数据生成骨架模型;然后,基于该骨架模型和图深度优先搜索算法提出一种自动提取分枝结构的方法,根据骨架模型邻边的拓扑关系搜索与各个分枝相连接的节点,每个节点中包含该节点主导方向、邻边个数及位置的属性,通过这些属性判定节点是否为分枝节点;由于分枝节点存在一定的位置误差,因此采用圆柱拟合法修正着枝点处分枝的延伸方向,降低应用原始骨架模型估计的分枝角度值的误差,以获取较为精确的分枝角度θ;最后,根据修正后的角度大小划分不同级别的分枝结构,通过计算分枝的骨架线段总长度,估计分枝的枝长并与野外实测值进行对比验证。【结果】试验单木的分枝结构明确,实现了枝长与角度的自动获取,共提取出22条一级枝、43条二级枝;枝长的实测值与估计值回归方程为Y=1.003X+0.03,R~2=0.998,二者的均方根误差为0.029 m;骨架模型估计的分枝角度与实测角度的回归方程为Y=0.672X+16.779,R~2=0.356,二者的均方根误差为20.45°;应用圆柱拟合法修正后的分枝角度与实测角度的回归方程为Y=1.008X+0.18,R~2=0.975,二者的均方根误差为3.44°。【结论】基于骨架模型并以拟合圆柱法修正分枝角度提取单木形态结构参数的算法能够比较准确地提取单木分枝结构,枝长的提取精度较高,圆柱拟合法能够有效改善骨架模型估计角度的精度。     

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...     

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。     

基于三维激光扫描的单木胸径和树高提取

为了提高林分尺度下单木参数的识别精度,研究了基于三维激光扫描的单木胸径和树高的辨识方法。在东北林业大学实验林场,采用Trimble S60三维激光扫描仪,对104株蒙古栎进行多测站扫描,获得样本树的点云数据。在对点云数据进行配准、去噪、地形数据提取、切片栅格化等一系列处理基础上,基于霍夫变换和连续生长法分别构建了胸径和树高的提取方法,对林分尺度下单木定位识别、胸径和树高提取精度进行了对比分析。研究结果表明:所构建方法单木定位识别精度均值为87.50%,胸径和树高提取的均方根误差分别为2.88 cm、2.61 m。     

基于地基激光雷达的亚热带森林单木胸径与树高提取

【目的】以云南省普洱市天然林与杉木人工林为研究对象,针对云南省山区森林树种繁多、林下灌木草本茂密的林分环境,根据森林中树木的形态特征,利用地基激光雷达(TLS)扫描数据提取样地尺度单木胸径与树高,为森林调查工作提供参考。【方法】将获取的多站地基激光雷达扫描数据分为多站拼接及单站2种分析方式,采用Hough变换算法及树干的形态特征对样地内单木进行识别与胸径提取,根据树干生长方向及单木在垂直方向上的分布提取树高。【结果】1)对于多站拼接数据,即使在林分条件最为复杂的原始林,单木识别率仍可达到81%;对于单站数据,随着扫描距离增加,单木识别率降低,实际操作时单站布设比多站拼接简单;2)多站拼接胸径及胸高断面积估测结果更接近于样地真实值,多个单站平均结果比只使用一站扫描数据提取的结果更加适合估测样地胸径及胸高断面积,半径10 m比半径5 m及15 m范围内数据更加适合估测样地胸径及胸高断面积;3)天然林单木树高估测结果为R~2=0.77,RMSE=1.46 m;人工林单木树高估测结果为R~2=0.94,RMSE=0.96 m。【结论】本研究根据树干垂直向特征,设置的一系列参数可以剔除Hough变换算法在非树干处的识别圆,可提高单木识别及胸径、树高的估测精度。受扫描站布设及林分条件影响,人工林的估测结果好于天然林。多站拼接相比单站扫描更加接近于样地实测结果,多个单站平均更能代表样地实际情况,只用一站数据具有一定的偶然性。     

基于切平面投影的树干三维表面重建算法

【目的】将使用三维激光扫描仪获取的树木点云构建树木三维模型与提取树木参数相结合,构建适用于树干参数提取的树干三维表面模型。【方法】采用三维表面重建技术,根据树干点云特征改进基于切平面投影的表面重建算法,并将其应用于重建树干的不规则三角网表面模型中。改进内容如下:1)使用半径阈值作为邻域点的选取准则以减少点云分布散乱对邻域点集选择的影响;2)根据点之间距离越近、影响越大的思想,使用距离加权方式计算特定点处切平面的法向量,且当邻域点集投影至切平面上产生重复投影点时,删除距离较远的邻域点;3)根据点集在平行平面间投影的几何拓扑不变性简化投影切平面的构建;4)以点集旋转方式简化三维平面点集到二维平面点集的转换。本研究提出的改进算法将当前点及其邻域点集投影至切平面上得到一个平面点集,将平面点集上构建的Delaunay三角网的连接关系映射到树干点云中以构建当前点与其邻域点的三维表面模型,逐个对树干点云中的点投影重建以实现树干点云整体的三维表面重建。【结果】对杨树树干的重建试验表明,改进算法能更好地构建树干的表面模型;对粗糙程度不同的多个树种的试验表明,重建的树干表面能清晰地显示外业扫描时标注的色彩信息,局部的表面三角形面片能清晰地反映树干表面凸凹不平的特征及树干表面在三角面片处的朝向信息;从重建表面上提取直径的试验表明,与围尺实测直径相比,从重建表面上提取直径的RMSE为0.18 cm,验证了重建树干表面的精确性。【结论】本研究从参数提取角度,采用表面重建方法,改进了基于切平面投影重建算法以重建树干的三维不规则三角网表面,重建的树干表面具有较好的视觉效果,能真实反映树干表面的特征。本研究提出的改进算法适用于构建逼真的树干三维可视化表面模型,构建的精确树干表面模型可为后续的树干参数提取提供基础数据。     

基于区域合并的Mean Shift算法识别单木研究

为准确识别森林单木,采用区域合并的MeanShift算法对机载点云进行单木分割。首先,以点云三维特征空间为特征向量,选择核带宽度及收敛阈值,采用MeanShift算法对点云进行初始过分割;其次,以过分割点簇为对象,选择分割尺度、平滑度和紧凑度参数,采用基于区域邻接图的最优层次合并方法对点簇进行合并。最后,剔除3.5m高度以下和异常点云,以点云中心点为单木位置,计算森林密度。实验结果表明,基于区域合并的MeanShift算法能够检测到89%以上的单木,单木识别精度达91.6%,避免了生成CHM的初始误差。     

基于无人机可见光遥感的单木树高提取方法研究

利用目前流行的高分辨率可见光无人机遥感影像生成树木冠层高度模型,采用分水岭分割算法提取单木树高的研究具有重要理论和实践意义。以位于云南省富民县的天然云南松纯林为研究对象,通过大疆Phantom 4 Pro无人机获取低空可见光遥感影像,利用Pix4D Mapper对无人机影像进行预处理及三维重建,生成三维点云,利用LiDAR360处理三维点云,构建DSM,DEM并生成CHM;采用分水岭分割算法对不同郁闭度条件下获得的CHM进行单木分割及树高提取,对提取结果进行精度评价。结果表明:分水岭分割算法能够准确分割CHM,利用无人机可见光遥感影像进行单木树高提取是可行的;将基于无人机可见光影像提取的树高值与野外实地调查得到的树高值进行对比,R²为0.893,RMSE为1.23m,估测精度为87.58%;同时,林分郁闭度会对单木树高估测产生影响,根据不同郁闭度条件下提取的3组样木树高与实地测量树高的决定系数(R²)分别是0.857,0.939和0.921,RMSE分别为1.450,1.097,0.896m,在低郁闭度林分内树高估测的精度显著高于高郁闭度林分。     

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。     

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。     

基于三维点云模型获取单木树高和胸径的研究

使用无人机和智能手机分别从空中和地面拍摄的样地林分影像构建三维点云模型，并从三维点云模型中获取样地内单木树高和胸径参数。本研究以池杉人工林为研究对象，利用PhotoScan Agisoft软件对无人机倾斜摄影和智能手机近景摄影的样地影像进行三维重建，通过对齐照片、控制点刺点、对齐优化、建立密集点云等步骤，构建出与样地实景相符的三维点云模型；通过LiDAR 360软件从样地三维点云模型中获取单木的树高和胸径参数，将其与实地测量获取的单木树高和胸径参数进行对比分析。利用无人机和智能手机影像构建的三维模型可以满足《数字航空摄影测量测图规范》的精度要求。通过实测数据和点云数据获取的树高和胸径的平均差值分别为-0.9 m和-0.8 cm,平均相对误差分别为5.4%和7.1%。以实测数据作为自变量x,以点云数据作为因变量y,树高和胸径回归模型的R²分别为0.809 5和0.918 4。将倾斜摄影和近景摄影的点云模型统一在同一空间参考基准下可构建出与样地实景相匹配的三维点云模型，从样地三维点云模型中获取的单木树高和胸径与实地测量结果具有较好的线性相关性，本研究所使用的方法可以代...