树木枝干点云数据的等值线提取

通过三维激光扫描技术得到的树木枝干点云数据,不仅数据量大,而且特征复杂,不适合采用传统的方法提取等值线。对此,首先把点云数据中树木的枝和干分为不同的部分,然后建立点云的分层模型,并分析点云在树高方向上的数据量分布。在高精度采样下,将分层点云作为等值线的采样数据,对每层数据中不同部分的树木枝干点云分别采用凸包算法进行连接,建立树木枝干的等值线模型。结果表明:在没有先验等值线知识和建立点云对象模型的条件下,利用迭代的凸包算法可以有效地对树木枝干离散点云数据进行连接,得到的等值线符合一般等值线的特点。最后通过实例验证了方法的适用性。图8表1参11     

树木枝干Delaunay三角网格构建技术

基于点云的树木建模技术是获取树木三维模型的一种重要方法。以三维激光扫描得到的树木枝干点云数据为数据源,将树木枝干点云数据分割成不同的部分,沿树高方向分层。利用凸包算法提取树木不同高度的点云等值线,在相邻等值线间使用三角网生长算法构建Delaunay三角网。合并树木不同部分的Delaunay三角网格,构建出树木枝干的Delaunay三角网模型。通过实例验证,运用此方法提取的树木枝干等值线模型符合一般等值线模型的特点,相邻2条等值线间不会产生边缘交叉问题;构建的树木枝干Delaunay三角网模型比使用普通软件建立的模型数据量大幅减小,而且模型效果更好。使用射线碰撞检测技术提取模型参数,与实际测量值对比误差在5%以内,满足林业测树要求。     

基于激光点云数据的树木枝叶分割和三维重建

针对目前树木点云三维重建方法仅仅实现树木三维形态结构的重建,而忽视了树木表面纹理和细节的问题,本研究提出了一种超体素分割和基于kd-tree纹理映射的贪婪投影三角化算法相结合的树木点云重建方法。首先根据点云的颜色、法线和空间距离等特征,利用体素云连通性分割算法生成超体素块;然后基于不同超体素块之间的凹凸关系,利用局部凸包连接算法对点云进行聚类分割,从而实现枝干和树叶点云分割;最后利用贪婪投影三角化算法分别对枝干和树叶点云进行三维重建,并基于点云RGB信息,利用kd-tree算法对枝干和树叶模型添加真实的纹理色彩。结果表明,树木点云重建方法能实现枝干表面和树叶等细节模型的构建,还原真实的树木形状结构和纹理色彩;通过对不同抽稀层次下的点云进行测试,发现核桃楸树木模型主要枝干结构得到了很好的保留,这说明建模算法对点密度的变化具有鲁棒性。     

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。     

一种基于点云自适应切片的树冠体积计算方法

无人机精准施药有利于节约药液，减少环境污染。针对无人机精准施药中树冠体积计算粗略的问题，提出一种基于点云自适应切片的树冠体积计算方法。首先对树木点云数据进行等间距切片；然后根据相邻树冠点云切片的面积随高度的变化率自适应分层，使用改进的Graham凸包算法计算自适应分层前后树冠点云切片面积；最后基于台体与锥体公式累加各层树冠点云之间的体积求得整个树冠的体积。试验结果表明，研究方法确保了树冠点云切片厚度和数量与树冠自身的形状和大小相适应，同时有效缩小树冠点云切片边界空隙，得到较为准确的树冠点云切片面积，进而实现了树冠体积的精细化计算。其计算结果介于Graham凸包算法和体元法之间，在精度方面分别提高了30.89%和24.19%,可科学地为无人机施药过程中精准施药策略提供理论依据。     

树干与地面点云分类K-means方法的改进

随着激光雷达的发展,树木点云数据的获取更加简便、准确。为了实现树木点云的树干与地面分类,对K-means方法进行改进,通过计算高度和强度直方图确定k值和初始聚类中心点,用高度距离做聚类分析,实现单株树木原始三维点云数据聚类。结果表明:采用MATLAB对香椿树的31 394个点云数据和油松树的14 260个点云数据,分别进行了直方图处理和不同距离的目标函数做聚类分析的试验,得到树木点云数据的分类结果,并与DBSCAN算法和传统K-means算法结果对比分析,说明改进K-means方法,能够使得树干与地面更好的分离,提高了效率;采用改进的K-means方法对12颗树木点云进行应用分析,验证了方法的普适性,最终分类结果达到了树干与地面分离的标准。     

基于点云骨架的单木分枝参数提取研究

地面激光扫描技术在获取树木参数的应用中发挥了重要作用,而图形学算法为实现单木结构参数自动提取提供了可行的方法。本文提出一种基于地面激光扫描数据来获取单木分枝结构参数的方法,应用SkelTre算法对激光扫描仪获取的单木点云数据进行处理得到单木的骨架模型;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提取分枝结构,计算枝长;在分枝着枝点处以骨架线为轴作横切面,应用凸包算法提取横切面点云外包多边形并计算分枝直径;对枝长和分枝直径的实测值和模型的估计值进行回归分析分别得到二者的对比分析结果,枝长的实测与估计值回归分析结果为Y=1.006X+1.335,显著性值为0.001,分枝直径的回归分析结果为Y=0.923X+0.105,显著性值为0.000。实验结果表明,基于地面激光扫描数据提取骨架模型以获取单木的分枝结构和提取分枝结构参数(如枝长、分枝直径)的方法具有很好的适用性和应用前景。      

点云数据三维树木模型建立及三维绿量的估算

利用三维激光扫描仪所采集的点云数据模拟三维树木模型及利用模型进行三维绿量的估算。探讨了如何采集点云数据以及模型在三维绿量估算中的应用,主要包括点云数据的去噪处理、点云数据的匹配、树木三维模型的建立。结果表明,利用该方法建立树木的三维模型及进行三维绿量的估算取得了较理想的结果,能够满足三维绿量的计算精度。     

基于多尺度几何特征单木点云的语义分割

针对目前地面激光扫描树木点云精确分离枝干点和树叶点成分困难的问题,提出一种基于多尺度几何特征的单木点云语义分割的方法。首先将水曲柳和樟子松样地点云数据进行单木分割,再计算多尺度点云协方差矩阵特征值,之后选择特征分类器,并根据特征值重要性选择最优特征值,最后对树木的枝干叶点云进行分割。通过比较支持向量机(SVM)、极限梯度增强(XGBoost)和随机森林(RF)3种分类器的训练时间和精度,选择XGBoost作为最终的分类器,并根据特征值重要性选择出6种最优特征。结果表明,2块样地枝干点和叶点的分割精度都>0.88,并且F1值和IOU也都在0.8以上。提出的方法能够有效分割出水曲柳和樟子松树叶点云和枝干点云,有较高的识别精度,研究结果为后续单木三维模型构建及生物量估算提供了条件。     

基于投影算法和活动轮廓模型的真实叶面积指数计算

为了准确获得树木的真实叶面积指数（LAIa) ,提出一种基于投影算法和测地线活动轮廓模型的计算方法。首先对激光扫描仪获取的树木点云数据通经一定比例缩放在一个球的上表面,再通过球极平面投影和Lambert方位角等面积投影将上球面图像投射到平面上,借助地理学上纬度线的概念来表征不同高度叶子的天顶角,通过统计学方法获取叶倾角,然后用测地线活动轮廓模型对投影后的图像进行叶面部分分割,获取孔隙率。根据Beer-Lambert定律即可计算有效叶面积指数（LAIe）。真实叶面积指数的获取则通过有效地分层处理,解决叶子的重叠问题。最后将得到数据与实测叶面积指数进行比较,证明该方法的准确性、可行性。     

天宝Trimble 5800单点定位在林业测量中的应用探析

检测了全球定位系统（GPS）接收机天宝Trimble 5800在复杂地形中的定位精度和在林业测量中应用的可行性。研究表明：天宝Trimble 5800 GPS接收机在不同地形中单点定位时,WGS-84坐标的内符合精度为0 ～ 2 m占65％,2 ～ 5 m占30％,最大偏差＜8 m;经坐标转换后,各历元观测平均值的BJ-54坐标外符合精度都＜5 m,在0 ～ 5 m分布均匀,因此,在同一作业时间段,以在已知点上获得观测值与已知值的偏差值作为其他观测点观测值的改正参数,将有效提高定位精度;在距离和面积测量中,以全站仪测量数据为参考值,天宝Trimble 5800单点定位的相对误差分别优于1/300和1%,比手持GPS定位精度高。图1表8参8     

GPS在定位和面积量测中的误差分析

以河南农业大学校区为研究区域,通过手持GPS仪探讨了不同观测时长、不同观测时间以及不同区域面积对GPS精密度和稳定性的影响。结果表明:不同观测时长对GPS定位的坐标没有影响;不同观测时段中,定位时长为60 s和120 s的稳定度相差不大,而实时定位的稳定度比120 s的稳定度高3倍以上;当地块面积在3 600 m2以下时,GPS测量结果的变化幅度较大,呈不稳定状态,当地块面积在3 600 m2以上时,GPS测量结果的变化幅度逐渐变小,呈现面积越大、误差越小、精度越高的趋势。     

几种测量方法在森林资源调查中的应用与精度分析

通过外业调查数据分析和理论推导,对林业调查中的几种测量方法进行了比较分析。研究表明：①罗盘仪由于制作粗糙,在标准样地测设中尚能满足规范要求,但随着距离和竖直角的增加,精度急剧下降,在大范围的林地面积和科研特殊需要的测量中操作不便捷,精度差,效率低;②全站仪测设样地边长不超过100 m时,半测回的距离测量可达到1/10 000,高差测量误差不超过1 cm,且受距离和竖直角的影响较小;③当面积大于3.34 hm^2,边长超过100 m时,手持全球定位系统（GPS）完全可代替罗盘仪,并可通过坐标差分或修正坐标转换参数来提高测量精度。另外,网络RTK的发展必将连同全站仪成为精准林业测量的主要仪器设备。     

基于GPS技术的定位测量精度试验研究

随着“3S”技术逐步在农业生产中的广泛应用,GPS技术在精细农业中的应用也越来越受重视。对测距码伪距GPS定位模型进行了推导和分析;利用AgGPS132接收机进行了单点定位和差分定位试验,对试验数据进行了分析与比较,试验结果表明差分定位精度要明显高于单点定位,定位精度能达到亚米级。     

手持GM-101 GPS定位精度研究

针对接收机型中的(穿越GM-101)手持机,在绝对定位模式下系统地探讨手持式GPS定位的稳定性,合适的定位观测时间,观测值中所含误差的性质。通过与全站仪(南方ET)对比研究发现手持式GPS定位中系统误差占居主导地位,认为改正系统误差是提高手持式GPS定位精度的重要途径。此外,还对手持式GPS同步和异步距离测量方法进行了对比研究。     

4种DGPS模块动态定位精度测试与分析

采用RTK-DGPS为参照,对GARMIN GPS15L、Ublox LEA-4S、Gstar GS-87和Gstar GS-89m-J共4种DGPS模块在单机模式、地面伪距差分模式和卫星差分模式下的动态定位精度进行了测试和分析.结果表明:(1)对于GARMIN GPS15L和Ublox LEA-4S,单机定位精度为米级,使用地面伪距差分定位可分别提高动态定位精度20%和87%;(2)总体上看,DGPS模块的地面伪距差分定位精度优于卫星差分定位,卫星差分定位精度优于单机定位;(3)在视野狭窄地段,无论单机定位、伪距差分定位还是卫星差分定位,动态定位精度都受到一定影响,和视野开阔地段相比,精度明显下降.     

一种基于信息融合苹果果实世界定位方法

构建由Kinect设备、差分GPS设备和陀螺仪组成的信息获取系统,推导RGB图像中苹果果实世界坐标的计算方法。利用Kinect设备获取果园果树RGB图像和深度图像,差分GPS全球定位系统和陀螺仪分别获取Kinect相机位置信息和姿态信息。融合RGB图像和深度图像,利用相对位置定位模型,计算苹果圆心相机空间坐标,融合相机位置信息和姿态信息,利用空间三维坐标转换原理,建立绝对位置定位模型计算苹果世界坐标,对每个果实进行世界空间位置唯一标定。结果表明,果实相对平均定位误差0.035 m,果实绝对定位经度误差0.117 m,纬度误差0.437 m,海拔误差0.145 m。     

Evaluation of Sub-Meter and 2 to 5 Meter Accuracy GPS Receivers to Develop Digital Elevation Models

The digital elevation model (DEM) is considered by many to be an important base map for a precision farming GIS (Geographic Information System). Previous work has shown that dual-frequency survey grade GPS (Global Positioning System) receivers are capable of rapidly producing accurate positional data from a moving vehicle from which DEM's can be developed. However, this type of GPS receiver is expensive and somewhat difficult to use properly. This paper presents the results of a study to evaluate the potential of using single frequency sub-meter and 2–5 meter horizontal accuracy GPS receivers to enable the farmer to collect multiple passes of GPS data during normal field operations from which DEM's can be developed. The results show that when using a single frequency sub-meter GPS receiver: (1) it is possible to develop a DEM with standard deviation of the elevation accuracy on the order of 0.12–0.14 m, (2) in order to collect data with this level of elevation accuracy, data should only be collected when the GDOP (Geometric Dilution Of Precision) is less than 5.0, (3) at least 10 passes of data with appropriate data averaging is required to produce this level of elevation accuracy. The results also indicate that the vertical error associated with a 2–5 meter horizontal accuracy GPS receiver is such that it is not recommended for use in collecting data to develop DEM's in this application.     

利用遥感解译大豆种植面积精度的研究

选取同一地区的TM、SPOT5(2.5 m)和SPOT5(10.0 m)3种不同数据源,利用目视解译的方法来解译大豆种植面积,以GPS实测面积为真值,通过对比3种数据源大豆解译面积与实测面积的误差,来计算不同数据源的解译精度.结果表明:3种数据源相比较,SPOT5(2.5 m)无论是在单个样地解译误差率还是总误差率上都...