基于近邻几何特征的TLS林分点云分类研究

目的在地面激光雷达点云分类任务中多存在特征维度较高的问题,然而当点云数量较多,分类任务中构造较高维度的特征往往需要较多的计算成本和运行内存。为了解决这一问题,本研究提出用近邻点构造5个几何特征训练成熟分类器,以期在将林分点云分为地面、树干与枝叶3个类别的同时达到降低特征维度的目的。方法在构造特征的过程中采用近邻值为140的快速KDtree搜索近邻点,获得近邻点后利用其计算协方差矩阵特征值、法向量、曲率、方差和最大高程差构造5个几何特征训练分类器。为了检验本研究构造的特征在林分点云分类中的稳定性,分类器分别采用随机森林和xgboost做比较研究。本研究的实验数据均来自地面激光雷达扫描获得的单站蒙古栎人工林点云数据。结果使用随机森林和xgboost分类器训练的模型在测试集中正确估计样本数量和样本总量的比值分别为0.932 1和0.936 3。这两个分类器在地面、树干和枝叶这3个类别中的查准率达到0.97、0.93、和0.91以上,且在这3个类别中的分类结果中xgboost较随机森林均有千分级的优势。结论结果表明本研究构造的特征能够完成林分点云分类任务,在保证点云分类准确率的基础上,既减少了特征维度,又有助于提高特征计算效率,具有较高的稳定性。本研究的分类结果可为林分参数反演和生物量估计等研究奠定基础。      

基于TLS数据的单木胸径和树高提取研究

利用TLS测量森林参数(树高、胸径和林分密度等)不仅节省人力,而且还能提高工作效率,目前已成为快速获取树木几何参数的有效方法之一。本文利用地基激光雷达数据,提出了一种半自动方式提取单木参数的方法。首先,利用发射脉冲与接收回波脉冲的形状偏差和强度对原始点云数据中的“飞点”和噪点进行滤除;然后,配准各站点云数据;接下来采用不同目标回波过滤方法滤除部分树叶点和其他非树干点;抽稀、合并各站点云数据,对合并后的点云数据水平分层并生成对应的灰度影像;对灰度影像采用Hough变换方法估测单木位置和胸径;对Hough变换检测层数较少的结果采用椭圆拟合方法重新检测;最后,结合Hough变换和椭圆拟合检测结果从点云数据中提取单木位置、胸径和树高。用小兴安岭凉水自然保护区的白桦天然次生林对算法进行了检验,5块多站扫描样地单木识别的平均精度为72.16%,将所提取的单木位置、胸径和树高与外业实际测量数据对比,结果一致性较高。5块多站扫描样地的胸径和树高均方根误差分别为2.38、2.55、3.58、2.21、1.92 cm和4.31、3.87、2.34、5.00、3.47 m。      

基于LiDAR数据的单木提取算法研究

有效了解森林生长变化信息对森林资源的保护以及生态环境的研究具有重要意义。近年来,激光雷达数据是森林清查中主要的LiDAR数据源。但是现有机载LiDAR数据单木分割算法在密集林区应用精度较低,尤其在中下层冠层单木提取精度不高,存在漏检的现象。针对以上问题,采用归一化割（normalized cut,Ncut）方法直接对激光点云数据进行初始分割,然后设定冠层的形状参数与点云数量阈值,利用全局最大值重复Ncut方法,对林区下层冠层进行探测,实现单木的精确提取。结果表明,与只利用归一化割方法提取单木结果相比,本研究方法使单木提取误判率由22.66%降至3.9%,识别率由原先的68.49%提升至86.63%,有效规避了上层冠木对下层遮盖导致的下层单木漏检情况,提高了在冠层中间层和下层树木的识别率,可为今后森林清查、森林资源管理提供分割方法的选择,也为森林分类、单木分割提供样例。     

基于SFM算法的单木结构参数提取研究

针对传统森林资源调查方法获取单木结构参数效率低和成本高的问题,提出一种基于SFM算法的单木结构参数快速提取方法。以哈尔滨市城市林业示范基地树木为研究对象,利用SFM算法获得单木照片的三维点云,并利用点云数据处理软件对获得的点云数据进行单木结构参数提取,最后与实测参数进行对比分析。结果表明:1）分别利用SIFT算法、SURF算法以及ORB算法对相机校检后的树木照片进行特征点提取匹配,特征点正确匹配个数分别为23、145以及25,相应的耗时分别为18.56、16.04、1.58 s;2）利用SFM算法能获得树木照片的稀疏点云和稠密点云,平均每棵树木点云量为80万个;3）基于点云数据提取单木结构参数的胸径、树高及冠幅的平均绝对误差分别为1.79 cm、0.77 m及0.79 m;胸径、树高、冠幅的提取值与实测值相关系数均>0.94。     

基于影像滤除地面激光雷达数据中绿色植被点云的方法研究

基于地面激光雷达扫描时配置的高分辨率相机所获取的影像数据,变换影像数据的颜色空间之后分别在色相通道和饱和度通道中根据阈值检测出绿色植被的分布区域,通过融合两个通道的阈值检测结果提高检测准确度,通过对检测区域进行腐蚀和膨胀运算消除检测区域中的数据噪点,最终通过二维检测区域和三维点云数据的配准实现滤除绿色植被所对应的点云数据。利用地面激光雷达实际测量的点云数据和影像数据开展试验,获得了较好的试验结果,表明方法有效可行。     

基于机载LiDAR点云估测林分的平均树高

以内蒙古上库力农场为研究区,基于高程归一化后的植被点云数据计算了植被点云高度阈值平均值,建立林分平均树高线性回归模型,并进行精度评定。结果表明,模型估测平均树高精度最高为99.81%,最低为87.09%,总体平均精度为94.56%。利用植被点云高度阈值平均值估测林分平均树高具有较高的可靠性。     

基于激光雷达数据的三维建筑屋顶重构算法

针对高精度建筑虚拟化中的建筑屋顶重构问题,提出了基于激光雷达数据驱动的三维建筑屋顶重构算法。首先,根据高度相似性和平面相似性将建筑物标记的点云聚类为同构簇;其次,基于分割的簇,提取线性建模线索,使用二元空间分割技术重构模型线索的拓扑元素;再次,结合最小描述长度框架和假设检验来实现正则化,发掘建筑屋顶模型的规律;最后,使用基准数据集来评估该算法。实验结果表明,所提出的方法可以生成准确的三维建筑屋顶模型。     

基于激光雷达的果园树干检测

为探索激光雷达在农业机器人环境理解和导航中的应用,研究一种基于改进DBSCAN算法的果园树干检测算法。该算法使用自适应密度阈值和聚类半径对不同距离处数据点进行聚类和整合,以克服DBSCAN算法对全局变量值敏感的缺点。针对激光雷达可能扫到地面造成机器人误检的问题,采用机器人航位推算模型计算当前帧数据中待定类的距离,通过与前一帧数据中对应类距离的比较判定待定类的类别,进而对地面干扰类进行排除。试验结果表明:1)机器人正常行走时本算法能够排除噪声准确识别树干类点;2)存在果树分枝或地面干扰时,有少量漏检,平均误判果树数目为-0.13棵,能够区分出地面类和果树类。该研究可以应用到农业机器人果园环境理解和导航中。     

基于LiDAR的温室番茄冠层几何参数提取

【目的】准确获取温室番茄作物行中单株冠层数据,为分析作物生长状态和为对靶喷药提供冠层数据支持。【方法】采用三维激光雷达(LiDAR)搭建番茄植株冠层检测平台,使用导轨以0.05 m/s的速度移动三维激光雷达,利用雷达上位机软件Ctrlview保存双侧扫描的A、B 2组共40株番茄植株点云。双侧点云使用ICP(迭代最近点)算法进行配准,利用基于特征值的平面拟合法去除地面,使用均值漂移算法(Meanshift)分割番茄行中的单株点云,获取冠层参数,与人工测量值比较验证精度,将单株点云在MATLAB中使用alpha shape算法进行重建并进行体积的获取,使用凸包算法作物参考值对比。【结果】该检测平台在激光雷达前进方向与垂直前进方向的测量误差分别为-2.65%、-3.95%;获取到的单株番茄植株高度与人工测量值相比,平均绝对误差分别为0.025和0.031 m;重建后求取的体积与凸包算法相比平均误差下降了约15.3%,与人工获取相比相差不大,各指标良好。【结论】番茄行点云分割结果与人工测量相比A、B 2组的均方根误差RMSE分别为0.039和0.043,冠层体积获取与参考值对比V_RMSE为0.011 3,激光雷达在获取作物外形轮廓信息中具有一定的准确性和可靠性,该方法用于温室环境下单株作物冠层数据的获取。     

依据BP神经网络的机载LiDAR数据估算林分平均高

以东北虎豹国家公园范围内的针叶纯林为研究对象,结合2018年9月机载LiDAR点云数据和同步地面调查数据,提取半径为15 m的圆形采样尺度下的LiDAR点云特征变量为数据基础,采用BP神经网络算法、逐步回归法分别构建林分算术平均高模型和林分加权平均高模型,实现对林分平均高的估测.其中在利用BP神经网络算法构建模型时分别选择了贝叶斯正则化算法和L-M算法作为神经网络训练算法.结果表明:BP神经网络算法对数据具有更好地解释能力,其构建的林分平均高模型相关系数(R2)均在87％以上,高于逐步回归法构建的林分平均树高模型;林分加权平均高模型精度更高,用样地加权平均高作为实测值时,采用逐步回归算法、BP神经网络L-M算法、BP神经网络贝叶斯正则化算法构建的模型的检验样地数据的决定系数(R2)分别为0.858、0.919、0.908,树高估测精度(P)分别为88.6％、89.8％、91.2％,与以林分算术平均高作为实测值构建的估测模型相比,决定系数(R2)分别提升了4.9％、3.7％、3.4％,估测精度(P)分别提升了2.9％、2.4％、1.5％;BP神经网络的不同训练函数之间无明显性能差异,两种不同训练方法构建的林分平均高模型的决定系数R2及树高估测精度(P)略有差异,但整体相差较小.     

基于几何特征枝干点云骨架提取最短路径算法

树木建模广泛应用于林业信息化等领域,点云各项优良特性使其也称为树木建模主要方法。基于几何特征的树木枝干点云骨架提取中以根节点距离相似归类的方法在枝条分叉处更加合理,而该方法的实际应用受制于传统使用的最短路径求解算法的Dijkstra算法因而较少。主要针对树木枝干点云,将现有若干最短路径算法进行相应的改进以应用于基于几何特征的树木枝干点云骨架提取中。通过实际数据验证可知,利用邻接表能够大幅度降低内存需求,相较于以往采用的Dijkstra算法,SPFA的执行速度是理想的,更加快速,能够对精细化点云树木建模提供帮助。     

基于FPFH特征和NDT算法的树木点云配准

为了提高海量林地三维点云数据配准的效率和精度,提出了一种基于快速点特征直方图(fast point feature histograms,FPFH)初始匹配与正态分布变换(normal distributions transform,NDT)精确配准相结合的配准算法。首先计算2个待配准点云的法向量,再使用k-d树结构对点云的FPFH特征进行加速计算。然后,根据2个点云相似的FPFH特征,使用采样一致性初始配准算法(sample consensus initial alignment,SAC-IA)求解初始变换矩阵、完成初始配准。最后,用DNT算法对点云体素化,并使用点云密度概率分布函数进行点云数据的精确配准。结果表明,FPFH-NDT算法的平均配准误差(相应点对的平均距离)为0.032 3 m,运行时间为256.376 s;在0.05~0.1 m的点云采样阈值范围内,FPFH-NDT算法的配准误差基本不受采样阈值变化的影响,其值稳定在0.03 m左右;当采样阈值>0.1 m时,配准误差随采样阈值的增大而增大;算法的配准时间整体上随点云采样阈值增大而减少。传统ICP算法的平均配准误差和时间分别为 0.526 3 m 和14.5 s;FPFH-ICP算法的平均配准误差和时间分别为0.042 5 m和289.346 s。FPFH-NDT算法与传统ICP算法相比在配准精度上有了很大的提高,与FPFH-ICP算法相比,在保证点云的配准精度的基础上,FPFH-NDT算法降低了算法的运行时间,提高了点云配准效率。     

基于分水岭算法的无人机不同飞行高度下林木冠幅提取研究

树冠是林木重要的组成部分之一,林木冠幅信息精确提取对森林资源调查和树木生长动态监测有着重要的意义。通过设置不同的无人机飞行高度,以哈尔滨市城市林业示范基地中的樟子松样地为对象,分别利用传统分水岭算法和改进分水岭算法对单木树冠和林隙进行提取,并对树冠冠幅和树冠投影面积进行估算,最后与实测数据进行对比分析。结果表明:1）基于传统分水岭算法平均单木冠幅识别率为51.11%,平均欠分割率为25.18%,平均过分割率为11.11%;树冠冠幅和树冠投影面积平均提取精度分别为69.72%和53.59%,说明传统分水岭算法对单木冠幅提取效果一般。2）改进分水岭算法平均单木冠幅识别率为80.74%,平均欠分割率为8.15%,平均过分割率为6.67%;树冠冠幅和树冠投影面积平均提取精度约分别为79.84%和76.04%,表明改进的分水岭算法对林木单木冠幅提取精度较高。3）50 m飞行高度下样地中林隙面积在0~5 m²和5~10 m²各占57.89%和31.58%;林隙形状指数分布在1.14~1.85,平均值为1.36;研究表明,利用改进分水岭算法在50 m无人机飞行高度获取的林木影像可以有效提取林木树冠和林隙面积信息,研究结果可为森林资源调查提供有效参考。     

基于2期地基激光数据的杨树干形变化监测

利用地基激光扫描技术采集了泗洪县陈圩林场中4块样地178株杨树的2期点云数据,对其进行干形变化分析。首先建立试验形率与胸高形数的估测模型,然后将(h+3)/2引申到树木干形分析中,定义TAP和TAP累积量,尝试用干形指标描述2期TLS数据的不同造林密度下杨树干形变化,最后对研究区整体干形变化进行分析。结果表明,试验形率可有效估测胸高形数,R²为0.773,RMSE为0.37%;TAP累积量和材积变化量随造林密度增加而降低,高径比变化量随造林密度增加而增加;研究区整体树木削度减少,材积增加,干形趋于通直圆满。因此,相较于传统干曲线严谨复杂的计算方法,TAP累积量的计算更加方便易算,用以代替连续的曲线方程,可以近似描述树木干形变化,为后续干形变化研究提供了新的思路。     

苹果树干液流与气象因子关系的定量分析

利用DYNAGAGE包裹式茎流测量系统和MONITOR自动气象站于2006年8~10月测量了鲁东大学学校附近一株典型苹果树树干液流和微环境气象条件,对所得的液流和气象数据进行多因子分析。多元线性回归、逐步回归和主成分分析得到的回归方程的决定系数分别为0.874、0.881和0.891,利用三种分析方法得到液流速率的拟合值与真实值回归方程的决定系数分别为0.878、0.904和0.941,主成分分析法在苹果树干液流与气象因子的回归分析中精度最高。     

基于Kd树改进的高效K-means聚类算法

针对经典的K-means算法在多维数据聚类效率上还有待提高的问题,本文提出一种称为CK-means的改进聚类算法。该算法在k-means算法的基础上,通过引入Kd树空间数据结构,初始聚类中心从多维数据某一维的区间等间隔集中选取,以及在数据对象分配过程中采用剪枝策略来提高算法的运行效率。实验结果表明,CK-means聚类算法较经典的k-means聚类算法运行效率更高。     

双峰驼躯干骨解剖

双峰驼躯干骨的特征如下:寰椎的背腹侧嵴都不明显,有外侧孔、翼孔、横突孔;枢椎较长;第3,4和5颈椎的横突前支比后支长;第6颈椎有不太典型的横突中支;第7颈椎横突不分支。胸椎12枚,第3,4和5胸椎背侧棘突最高;肋骨12对,宽,粗糙。腰椎7枚。荐骨由5枚荐椎愈合而成,荐骨岬较明显。尾椎20枚左右。胸骨由7枚胸骨节构成,其腹侧面平坦。胸廓呈截顶弹头形,胸前口呈倒立的等腰三角形,胸后口极其阔大。     

一种基于图象的林分三维可视模型

该文介绍一种基于树的图象的林分三维可视模型．以一株典型形体的树木为原型代表林分的平均木,应用图象重采样技术对该原型木图象按比例缩放生成林分中各株林木的图象．根据投影原理计算每株林木在投影平面上的象素坐标和缩放比例,对各林木图象再次缩放后移动到林木的平面坐标位置合成一幅有立体感的林分图．与基于规则几何体的和基于树的三维造型的林分三维可视模型相比,这种方法产生的林分立体图真实感强,速度快,适合开发成应用软件用于森林与植物景观的设计和仿真．