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。     

多源遥感数据结合的橡胶林有效叶面积指数升尺度估测

【目的】针对传统森林叶面积指数监测的小尺度、对植被具有破坏性以及低效率。【方法】以机载LiDAR数据和Landsat 8 OLI数据为主要信息源,使用LiDAR点云基于Beer-Lambert定理反演得到点云条带区橡胶林有效叶面积指数,并用样地实测叶面积指数对其进行差异性检验。其次,以LiDAR点云得到有效叶面积指数作为训练样本结合Landsat 8 OLI数据,分别使用偏最小二乘回归模型和BP神经网络模型对有效叶面积指数进行升尺度光学遥感估测。【结果】1)LiDAR点云反演得到的有效叶面积指数与样地实测的叶面积指数之间极显著相关且差异不显著,相关系数为0.82。2)研究所建立的遥感估测模型中,BP神经网络回归模型的估测结果优于偏最小二乘回归模型,其决定系数R2为0.54,均方根误差RMSE为1.23,相对均方根误差rRMSE为47.68%。【结论】在森林参数获取和林业调查中,机载激光雷达数据与光学遥感数据的结合可有效提高工作效率、降低调查成本、效弥补人工调查的不足。     

基于彩色点云图像的不同成熟阶段番茄果实数量的测定方法

【目的】为测定温室中番茄不同成熟阶段的果实数量,提出一种基于彩色点云图像的测定方法。【方法】在移动平台上搭载KinectV2.0采集温室中行栽番茄的图像信息合成番茄植株点云,再将二视角的番茄植株点云合成1个点云,并通过深度信息截取得到近处番茄植株点云,将标注的点云数据输入到PointRCNN目标检测网络训练预测模型,并识别番茄植株点云中的番茄果实,最后利用基于特征矩阵训练的支持向量机(Support vector machine, SVM)分类器对已经识别出来的果实进行成熟阶段分类,获得不同成熟阶段番茄果实的数量。【结果】基于PointRCNN目标检测网络的方法识别番茄果实数量的精确率为86.19%,召回率为83.39%;基于特征矩阵训练的SVM分类器,针对番茄果实成熟阶段的预测结果在训练集上准确率为94.27%,测试集上准确率为96.09%。【结论】基于彩色点云图像的测定方法能够较为准确地识别不同成熟阶段的番茄果实,可以为评估温室番茄产量提供数据支撑。     

基于无人机激光雷达的人工林碳储量线性与非线性估测模型比较

【目的】森林碳储量是生态系统结构与功能的重要指标,掌握森林碳储量现状有利于森林资源管理。激光雷达能够用于监测森林资源,但是存在森林参数估测的模型多、变量不确定和缺乏林分三维结构解析意义的变量等问题,因此,需要选择合适的林分解析变量和模型。【方法】借助无人机激光雷达点云数据与样地调查数据,以内蒙古自治区赤峰市喀喇沁旗旺业甸人工林为研究对象,分别使用多元线性模型与多元乘幂模型以不同变量对林分碳储量进行估测,选出最优模型并进行精度评价。【结果】研究表明:(1)模型方法而言,非线性模型的检验效果优于线性模型的检验效果:非线性模型(R2为0.66～0.86,rRMSE为23.51%～9.91%),线性模型(R2为0.52～0.85,rRMSE为27.70%～12.38%)。(2)模型使用平均高、郁闭度为基础变量,以穷举法筛选出来的变量组合,估算森林参数得出最佳模型,其中非线性模型以激光点云平均高、郁闭度、高度变动系数和叶面积变动系数的估算精度最高(R2=0.86,rRMSE=9.91%)。【结论】通过激光雷达估测人工林碳储量时,加入垂直结构变量可以提高模型拟合效果,非线性模型比线性模型更适合人工...     

基于移动LiDAR 点云的树木三维重建

【目的】树木三维结构的描述是进行农林生态研究的重要科学基础,而移动激光雷达的使用将有利于快速、高效的农林树木三维结构重建。【方法】文章利用同时定位与构图技术实现基于移动激光雷达点云的农林样地树木三维重建,并以地基激光雷达数据为参考,验证三维重建精度,同时对比树木胸径,分析移动激光雷达在农林树木三维重建中的有效性和可行性。【结果】同时定位与构图技术可实现移动激光雷达点云的树木三维重建,其中,水平方向重建精度为0.038 m,垂直方向重建精度为0.017 m;以地基激光雷达数据拟合出的树干胸径为真实值,移动激光雷达点云拟合出的树干胸径为观测值,两者的相关系数为0.715 6,均方根误差(RMSE)和平均绝对误差(MAE)分别为0.011、0.01 m。【结论】移动激光雷达可实现农林树木三维结构快速重建,且基于重建结果可实现树干胸径准确提取。因此,移动激光雷达对提高农林树木测量效率具有积极作用。     

基于无人机载LiDAR数据的玉米涝灾灾情评估

【目的】基于无人机平台的遥感技术是目前研究的热点,也是推动现代化农业快速发展的主要力量之一。笔者欲通过分析涝灾研究区激光雷达点云数据反演的玉米冠层高度,快速准确实现玉米涝灾受灾范围监测和灾情评估,为防灾减灾、高产稳产、农业保险理赔等提供依据。拓展无人机载LiDAR数据在农业领域的应用价值,为农业等相关部门快速有效掌握农情信息提供保障。【方法】2016年7月19—20日,以因大暴雨导致涝灾的北京市昌平区一块玉米大田作为研究区,基于无人机平台获取研究区激光雷达数据。通过冠层高度模型(canopy height model,CHM)反演出玉米冠层高度,采用正态统计理论的双阈值划分策略确定阈值,构建基于玉米冠层高度差异的涝灾灾情遥感监测模型,评价玉米涝灾灾情严重程度,并基于地面实测数据进行精度评价。【结果】涝灾发生后,玉米长势存在一定差异,最明显的差异体现在玉米植株高度。基于正态统计理论和野外测量,最终确定严重涝灾玉米冠层高度为0.30—0.84 m,中度涝灾玉米冠层高度为0.84—1.70 m,冠层高度1.70 m以上为轻度受灾区域。通过野外实测样本对无人机载LiDAR数据估算结果进行混淆矩阵分析,总体分类精度达到72.15%,Kappa系数为0.44。结合数码影像做进一步验证,结果表明研究区玉米涝灾遥感空间制图结果与数码影像结果基本一致。【结论】通过无人机载LiDAR数据能实现玉米冠层高度反演,结合涝灾后玉米植株高度差异特征能有效反映不同涝灾程度,实现区域尺度下玉米涝灾受灾范围监测和灾情等级评估,有利于便捷高效获取灾情灾害信息。     

激光传感器在喷雾靶标检测中的研究应用

树木尺寸、形状等特征信息的获取,是现代化农业中重要的环节,为农林管理中的变量精密喷雾提供依据。为了实现对树木靶标信息的精确测量,搭建了基于UTM-30LX型激光传感器的室内滑台靶标检测系统,实现对规则物体、仿真树的扫描检测,通过编写的C++程序,实时读取数据信息并存储于控制计算机中。利用MATLAB软件对存储的数据信息进行后期的离线分析,重构物体三维图像,通过最大相对误差、轮廓相似度两个参数,分析激光传感器检测得到靶标目标尺寸、重构目标三维图像的精确度。以长方体柜子、圆柱体泡沫、2棵仿真树为试验对象,按照选取的3个检测距离和4个检测速度分别对4个试验对象进行检测与数据分析。试验结果显示,多次试验下,与人工测量尺寸比较而言,激光传感器测得的长方体柜子长度、宽度和高度尺寸最大相对误差分别为6.76%、6.86%和3.92%,圆柱体泡沫的高度、直径尺寸最大相对误差分别为4.25%和7.33%,仿真树1高度、宽度尺寸最大相对误差分别为4.06%和5.91%,仿真树2高度、宽度尺寸最大相对误差分别为3.24%和4.00%;仿真树1、2的激光扫描重构图像与对应实物轮廓相似度最小值分别为0.928 8和0.932 6。研究表明,UTM-30LX型激光传感器在各种试验条件下对多种试验靶标特征检测均具有较好的精确性和准确性,可以担负变量喷雾检测的任务,具有应用到农业生产中的前景。     

基于移动式三维激光雷达的柑橘冠层结构信息的获取

基于移动式三维激光雷达,建立了一种柑橘冠层结构信息(树高、冠幅、分枝角度)的获取方法：1)利用移动式三维激光雷达获取柑橘三维点云数据;2)选定SOR滤波组合(k,α)分别为(100,0.9),(20,1.2),(100,0.9)对冠层残缺叶片点云和叶片边缘点云进行滤波处理;3)利用Mean shift算法求取植株点云中心结合采集点角度,完成点云初始匹准;4)运用ICP算法进行精准拼接并构建完整植株的三维模型,提取柑橘的株高、冠幅和枝干角度信息。验证结果表明,三维模型获取树高、冠幅、枝干角度的相对误差分别小于等于2.5%、小于等于4.5%、小于等于5.5%,判定系数R²大于0.97,均方根误差大于5.1。     

激光雷达技术在叶面积指数提取中的研究进展

叶面积指数(LAI)是观测植被生态的重要参数之一，快速、精准获取大尺度的LAI对发展精准林业至关重要。激光雷达技术(LiDAR)能够准确探测植被空间和地形的三维结构，特别是对植被垂直信息分布的获取，具有传统光学遥感技术无法比拟的优势，在森林参数的测量与反演上已经取得了成功的应用。介绍了激光雷达技术原理、传统测量LAI的技术方法及LiDAR反演LAI的优势，重点分析了LiDAR反演LAI的关键技术研究和LiDAR在反演LAI应用中的研究进展，并对LiDAR存在的问题和未来的发展趋势进行了分析总结。     

改进区域增长算法的植株多视图几何重建

【目的】通过研究3种不同复杂程度植株冠层的三维重建,为更加精准获取植株冠层表型参数提供新方法。【方法】本文首先用单反相机获取3种不同复杂程度植株冠层图片序列,通过三维重建得到各植株稠密点云;随后还原植株点云原始尺度,过滤稠密点云中的噪声,再使用改进区域增长算法分割植株点云冠层;之后借助激光扫描仪,利用手动测量和激光扫描方法分别从二维和三维两个方面对多视图几何重建的叶片进行精度评价,二维精度评价为叶片长宽的实际测量值分别与激光扫描仪获取的叶片的长宽值和多视图几何重建叶片的长宽值进行统计分析,三维精度评价使用传统的网格对比方法豪斯多夫距离与更加精准的工业级网格3D精度对比检测软件Geomagic Qualify。【结果】多视图几何重建的植株叶片表型信息与手动测量值间的判定系数（R ²）均高于0.96,激光扫描方法获取的植株叶片表型信息与手动测量值间的判定系数（R ²）均高0.99;多视图几何重建的叶片与激光扫描得到的叶片在0—±1mm偏差范围内的比例大部分达到97%以上;以激光扫描的叶片网格为参考,多视图几何重建的叶片网格的豪斯多夫距离90%以上分布在0—2 mm。本研究的多视图几何重建方法与改进区域增长算法相结合能对不同复杂程度的植株取得比较理想的重建结果。 【结论】本文提出的多视图几何方法与改进区域增长算法相结合的重建方法可以弥补区域增长算法的不足,对表面不平滑的植株冠层具有更好的分割效果,适合不同复杂程度植株三维重建,为育种研究获取植株表型提供一定的参考。     

基于无人机激光雷达的刺槐人工林森林健康指标的构建

利用无人机激光雷达LiDAR(Light detecting and ranging)数据,提取能反映植被垂直和水平结构变化的LiDAR特征变量,通过相关性分析和层次聚类方法构建森林健康指标来识别黄河三角洲刺槐人工林的健康状况.结果表明,森林健康指标由LADcv(叶面积密度的变异系数)、weibull_α(Weibul...     

基于不规则三棱柱分割法实时测算果树冠层体积

【目的】果树冠层体积、结构的精准测量可以为药、肥的变量施用和果树估产等提供重要的参考依据。针对植株冠层枝叶空间分布不规则的特点,现有的果树冠层体积实时测量方法测量精度较差,难以准确量化柑橘果树冠层体积及结构,为了实现对果树冠层体积的精准测量,搭建了基于SICK LMS111-10100型激光传感器的果树冠层扫描检测平台,并提出了一种基于不规则三棱柱模块的果树冠层体积测算方法。【方法】研究以5株冠形规则的球形景观树、10株冠形不规则的柑橘树为靶标,分别在0.5、1.0和1.5 m·s-1 3个行进速度下使用常用的长方体分割法、不规则三棱柱分割法等2种方法测算冠层体积,并以人工测量为基准进行误差分析。【结果】长方体分割法测量景观树误差范围分别为4.17%—6.59%、4.56%—7.42%和4.17%—9.86%;不规则三棱柱分割法测量景观树误差范围分别为2.37%—4.63%、3.18%—5.00%和4.10%—5.73%,2种方法测算果树冠层体积相对误差差值范围-0.28%—4.22%,平均差值1.78%。长方体分割法测量柑橘树误差范围分别为11.63%—31.02%、11.88%—33.23%和13.28%—33.30%;不规则三棱柱分割法测量柑橘树误差范围分别为3.25%—6.69%、4.50%—8.31%和5.66%—11.55%,2种方法测算果树冠层体积相对误差差值范围6.43%—26.20%,平均差值13.04%。【结论】不规则三棱柱分割法测算误差明显小于长方体分割法,精度更高;对于同一靶标,当速度为0.5 m·s-1时,2种方法的测量精度最高,随着速度的增加,激光采样点密度下降,相对误差有增大的趋势。当扫描规则靶标时,2种方法精度差异较小;当扫描不规则靶标时,长方体分割法误差较大。长方体分割法处理单帧数据的平均时间为2.86 ms,不规则三棱柱分割法处理单帧数据的平均时间为4.73 ms,均小于激光传感器的扫描周期20 ms,可以达到实时获取并处理数据的目的。     

激光雷达辅助的样地调查单木定位

【目的】利用具有高扫描频率的线阵激光雷达辅助地面验证过程进行单木定位，快速、准确地对应样地观测结果与地面验证数据，为精准林业调查提供技术支持。【方法】以中山大学珠海校区内的人工林为研究对象，在地面验证每木调查过程中，借助线阵扫描激光雷达（本文中将其定义为监测激光雷达）辅助单木定位，首先解决背包式与监测激光雷达点云配准的问题，获取样地单木位置基准底图；然后基于背景差法，利用监测激光雷达实时追踪样地动态目标，获取地面调查人员的位置信息，并结合背包式激光雷达获取的单木位置底图，间接判断地面验证人员所测单木的位置，进而实现样地观测结果与地面验证每木调查数据的对应。【结果】对于两块不同条件的样地数据，背包式激光雷达与监测激光雷达点云粗配准均方根误差均小于0.2 m，远小于样地立木间最小间距，满足对应的要求；利用本研究的动态目标追踪和对应方法，以追踪到的地面调查人员位置点为种子点，通过最邻近搜索获取基准底图中与种子点最邻近的单木位置，实现样地观测数据与地面验证每木调查数据对应，对应准确率高于95%，平均每帧序列点云处理时间小于0.1 s，可以达到实时性的要求。【结论】本研究提出的方法-利用激光雷达...     

基于机载LiDAR全波形数据白桦林林分LAI反演研究

为提高森林叶面积指数(LAI)的估测精度,本研究以白桦林为研究对象,以机载激光雷达(LiDAR)全波形数据为研究数据,首先提出了机载LiDAR全波形数据读取与波形特征信息提取的相关算法,结合具体算法的实现分析出每条全波形对应的各波形分量的能量信息,然后依据波形能量信息在传统激光穿透指数(LPI)计算的基础上结合全波形数据的特点,计算出全波形激光穿透指数(LPIfi),最后获得样地体元激光穿透指数(LPIf-mean),用于估测森林林分LAI,并将估测结果与机载LiDAR离散回波点云数据估测森林LAI的结果进行了对比。结果表明,全波形样地体元激光穿透指数LPIf-mean与森林林分LAI之间的建模精度R~2=0.815,RMSE=0.105,预测精度R~2=0.864,RMSE=0.139,同时在同等样地尺度下,全波形数据返回脉冲能量信息估测森林LAI的精度要高于离散回波点云数据的,因而,基于机载LiDAR全波形数据能够实现森林林分LAI的高精度反演。可以为进一步森林生态参数模拟与估测提供高精度的基础数据,弥补和提供了机载LiDAR全波形数据估测森林LAI的方法和思路。     

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。     

番茄氮素的多特征融合检测研究

针对设施番茄的氮营养探测,利用高光谱成像结合三维激光扫描技术,提取了番茄氮素的高光谱特征图像和植株的三维形态特征,实现了番茄氮素的快速定量分析。基于获取的不同氮素水平番茄的高光谱图像数据立方体,利用敏感区域逐步回归,结合相关分析,提取了氮素的特征谱段,获取了特征图像强度均值特征;基于获取的番茄三维激光扫描数据,通过建立番茄三维点云数据的空间几何模型,获取了不同氮素水平番茄的茎粗、株高和生物量特征;采用PLSR建立了多特征融合番茄氮素检测模型,结果表明,所建立的模型的R为0.94,模型精度明显优于采用高光谱图像和三维激光扫描单一特征模型。     

基于机载激光雷达影像的天山云杉林树高提取及蓄积量反演

【目的】研究提取影像高程数据建立模型反演天山云杉林分蓄积量,获得便捷、快速提取森林蓄积信息的技术方法,为研究山地天然林精准监测与评价提供技术途径。【方法】以新疆天山中部北坡天格尔森林公园天山云杉(Picea Schrenkiana var.tianshanica)为研究对象,机载激光雷达航拍影像与样地每木检尺为数据源,使用点云分类与克里金插值法对激光雷达影像高程数据进行提取获得天山云杉树高,根据样地实测数据构建胸径-树高模型,并根据胸径-树高模型天山云杉林林分蓄积量进行反演。【结果】激光雷达影像分辨率较高,经过点云分类后,采用克里金插值法提取的树高平均精度可达89.64%,幂函数曲线模型拟合度最高,R²为0.908,结合二元材积公式,基于激光雷达影像估测蓄积量与样地实测蓄积量对比,精度达到87.43%。【结论】采用克里金插值法对天山云杉林树高信息的提取效果较好,建立胸径-树高模型弥补了激光雷达不能对胸径直接测量的缺陷,反演天山云杉林林分蓄积量,该模型可满足对新疆山地天然林数字经营管理的标准。     

基于双目视觉与深度学习的番茄本体特征检测系统

[目的]设计基于双目视觉与深度学习的番茄本体特征检测系统,实现番茄本体特征的自动无损检测,为水肥一体化和智慧农业提供技术支持.[方法]采集4000张番茄图像作为研究样本,利用基于深度学习SSD_MobileNet卷积神经网络的番茄主要器官检测算法,对番茄植株、茎、花、果实和叶进行检测.基于双目视觉的图像测量算法对各器官目标区域中株高、茎直径、果径和叶面积进行特征提取.[结果]利用SSD_MobileNet网络模型对研究样本进行训练和测试,调用训练好的模型对番茄各器官进行识别和定位,对番茄植株、茎、花、果实和叶的检测准确率分别为98.5%、99.0%、99.5%、99.5%和98.0%.利用基于双目视觉的图像测量算法对番茄本体特征进行测量,通过实践证明该系统对株高、茎直径、果径和叶面积测量的相对误差可分别控制在1.5%、1.0%、1.2%和1.3%以内,可实现番茄本体特征的精确检测,较常见系统的鲁棒性和精度有了明显提升;整套系统在番茄大棚中已稳定运行半年,完成了对番茄全生命周期的本体特征检测,并可将数据保存于数据库,实现对番茄本体特征的自动、无损监测.[建议]优化番茄特征遮挡问题,丰富训练数据集,优化网络模型,提高识别率和鲁棒性;建立番茄特征数据共享云平台,实现番茄疫病的提前预警;确定本体特征与番茄长势的关系,以快速判断施肥量,实现大棚番茄自动精确施肥.     

利用LiDAR离散点云估测针叶林叶面积指数

通过对小光斑激光雷达离散点云数据进行处理,提取了6个变量参数分别用于估测针叶林叶面积指数,为了提高模型估测精度及弥补单变量模型的不足,在单变量模型的基础上尝试多变量组合共同用于估测森林叶面积指数,经过对比得出单变量模型中OGF模型最好,拟合相关性R=0.897,预测精度p=0.959;多变量预测模型结果差异不大,拟合相关性均＞0.905,估测精度均＞0.957。同时为了验证模型的推广性,对点云数据进行随机稀释操作获得4种不同密度的点云数据,分别用于验证点云密度对OGF模型及OGF与LPI组合模型的影响,结果表明点云密度对模型结果的影响不大,即使在0.125倍点云密度时模型仍能较好的估测针叶林叶面积指数,满足生产需要。     

基于机载LiDAR数据的玉米叶面积指数反演

以机载LiDAR离散点云数据为数据源,基于植被冠层孔隙率与叶面积指数的关系,提出一种反演大田玉米叶面积指数的方法。对反演LAI和实测LAI进行对比分析,结果表明:基于Axelsson改进的不规则三角格网加密方法可以将地面点和非地面点分开,结合高分辨率影像能够提取出玉米冠层点云;基于孔隙率反演LAI,尼尔逊参数的选择对结果影响很大,利用扫描天顶角模拟尼尔逊参数,LAI反演结果接近于真实情况。利用机载LiDAR点云数据能精确地反演大田玉米LAI,该研究方法适用于中等高度的农作物,可以扩展到甜菜、甘蔗等其他中等高度农作物。