基于多平台激光雷达数据集成的森林资源调查研究进展

随着森林资源调查的深入,基于单平台激光雷达数据的空间信息获取方式存在着精度低、数据完整性差等缺点,无法满足精准林业要求的森林信息提取的高精确性。文中系统总结了森林点云数据配准方法和多平台激光雷达数据配准融合在树木属性、立木材积等调查研究中的应用,以及多平台激光雷达数据协同作业在树木生长特性、森林地上生物量等方面的研究现状,对当前森林资源调查和多平台激光雷达数据集成技术存在的问题进行了讨论并提出未来研究展望。     

基于Scan Context与NDT-ICP相融合的果园建图方法研究

由于果园环境复杂、树冠特征单一,且叶片会引起光线漫反射等因素,导致果园环境的地图构建过程中出现误匹配,增大建图的累计误差。针对以上问题提出一种基于Scan Context与NDT-ICP相融合的果园环境导航地图构建方法。该方法首先对Ring key进行快速地上层搜索,得到候选帧,并对候选帧与当前帧进行相似度评分,通过两阶段搜索算法来有效地检测回环以减少果园环境地图中的误匹配。同时使用基于正态分布变换粗配准与迭代最近点精确配准融合的点云配准方法降低果园环境地图的累计误差。试验结果表明,在KITTI数据集中使用半径搜索回环检测的回环数为42,使用Scan Context回环检测的回环数为51,回环数提高21.4%。NDT-ICP匹配算法的均方根误差为12.86 m,ICP匹配算法的均方根误差为15.11 m。在真实果园环境中使用半径搜索回环检测的回环数为196,使用Scan Context回环检测的回环数为261,回环数提高33.2%。该研究算法有效地降低果园环境地图构建过程中的误匹配、累计误差大的影响,满足果园环境下的高精度环境建图需求,为推进果园环境的无人化作业提供技术支撑。     

多回波机载LiDAR数据提取林地DEM的判别分析方法

选取包含明显空地的林地作为建模样地,通过对其激光点云单次和多次回波数据的三维空间坐标分布、反射强度分布和垂直分布3方面特征进行探讨,进而提出基于判别分析的林地DEM提取方法.取林木郁闭并实测了大量(1 472个)地面控制点的验证样地加以检验.结果表明:对山区林地林木复杂环境的DEM提取采用判别分析的方法是可行的,其精度达到高差总平均值0.24 m,方差0.05,高差处于-0.5～0.5 m之间的数据占总量的93.85％;与直接的网格窗口划分DEM滤波模拟对照比较,其结果较优.     

基于LIDAR数据的林冠层三维信息模型的提取与应用

该文应用机载激光雷达数据,获得了高精度的树冠底部地形信息及树高信息,提取了包含植被冠层高度的数字表面模型,即林冠层三维信息模型(DCM),结合研究区的数字高程模型(DEM)可以获得用常规方法很难准确获取的森林植被参数,如冠层垂直结构、森林高度、郁闭度等.在此基础上,制作了研究区的林木高度图,具有直观、形象等特点,有助于林业部门及时、准确地掌握森林资源相关信息,并可利用DCM获得森林密度、胸高断面积、蓄积量(生物量)及单木参数等森林植被参数.     

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。     

基于机载激光雷达冠层高度模型的小班区划

[目的]探究如何有效利用机载激光雷达冠层高度模型(CHM)自动区划小班,提高小班区划工作效率.[方法]在高光谱影像树种信息的辅助下,使用机载激光雷达数据生成的CHM进行两种空间尺度的分割和优化来自动区划小班.先对1?m空间分辨率CHM数据进行过分割,再对降尺度处理并平滑后的5?m空间分辨率CHM数据进行欠分割,结合两种...     

应用地基激光雷达数据提取毛竹单木参数

以毛竹(Phyllostachys edulis)为研究对象,利用地基激光雷达(TLS)多站扫描获取样地毛竹林完整点云数据,根据毛竹笔直的干形以及密集的林分环境,提出一种新的茎干识别方法.该方法首先截取只含竹秆的水平条带,然后对水平条带进行体元化,利用垂直连续性来识别毛竹茎干,并比较分析圆拟合和不同高度圆柱拟合对毛竹胸径提取的差异.结果 表明:在密集的林分环境下,毛竹茎干检测率达91.93％;圆拟合估测胸径的R2为0.86,相对误差为0.8 cm;圆柱拟合估测胸径最高的R2为0.91,相对误差为0.4 cm.因此,新的茎干识别方法提高了单株毛竹识别率及胸径估测精度,为竹林调查工作提供技术支持.     

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。     

小光斑激光雷达数据估测森林树高研究进展

小光斑激光雷达可以同时获得森林的垂直及水平结构参数,因光斑直径较小,可以做到森林单木结构参数的准确估计,进而推广到样方甚至更大区域森林结构参数的估计,近年来在林业中得到广泛应用。文中主要从树高估计方面对小光斑激光雷达在林业中的应用进行研究,通过对先前类似文献进行归纳总结发现,在小光斑激光雷达估测森林树高方面仍存在着一些问题,从而限制了森林树高估测精度的提高,如点云分类算法、点云密度、森林郁闭度、单木的准确分割等,还对小光斑激光雷达估计森林树高中所存在的问题进行了概括,并提出了改进建议。