基于体元结构车载点云行道树提取方法研究

充分挖掘车载激光扫描系统获取地物点云三维空间信息、回波强度信息,提出一种基于体元空间特征分析的行道树提取方法。首先完成原始数据预处理提取道路附属物点云数据,建立三维体元结构;以体元结构为基本单元计算体元单元中点云回波强度、曲率特征,后分析邻域范围内体元特征联系,构建体元邻域特征描述规则,提取行道树树干结构;在树干结构提取的基础上,确定行道树位置,建立冠层投影面积模型,进而提取冠层结构。实验结果提取显示：在复杂道路场景下,算法具有一定的稳健性,能够较为完整地提取道路两侧行道树信息。     

基于车载激光点云数据的行道树提取方法

针对道路车载激光扫描点云数据中行道树与其他地物相互遮掩,存在杆状物分类困难的情况,本文提出了一种基于车载激光扫描数据的行道树自动提取方法。首先,构建格网并地形点云滤波,提取非地面点,从而提升后续算法的运算效率;其次,在非地面点的基础上构建空间体元进行邻域分析,提取树干点云,同时建立树冠分层点云投影面积理论,提取得到树冠点云;最后,使用改进分割算法进一步修正树冠点云归属,实现行道树的单体化。使用两组不同类型道路点云数据进行实验,结果显示本文算法提取行道树的平均提取完整率与正确提取率分别为90.73%、91.22%,较对比方法具有一定优势,为行道树的高效、快速、准确提取提供了新的思路。     

激光雷达回波模型辅助的坡地森林冠层高度反演

大光斑激光雷达数据已广泛应用于森林冠层高度提取,但通常仅限于地形坡度小于20°的平缓地区。在地形坡度大于20°的陡峭山区,地形引起的波形展宽使得地面回波和植被回波信息混合在一起,给森林冠层高度提取带来巨大挑战。本文利用激光雷达回波模型和地形信息,提出了一种模型辅助的坡地森林冠层高度反演算法。该方法以激光雷达回波信号截止点为参考,定义了波形高度指数H50和H75,使用激光雷达回波模型与已知地形信息模拟裸地的激光雷达回波,将裸地回波信号截止点与森林激光雷达回波信号截止点对齐,利用裸地回波计算常用的波形相对高度指数RH50和RH75,对森林冠层高度进行反演。并与高斯波形分解法和波形参数法的反演结果进行了比较。研究结果表明:(1)利用所提取的波形指数RH50和RH75对胸高断面积加权平均高(Lorey’s height)进行了估算,在坡度小于20°时,高斯波形分解法、波形参数法和模型辅助法的估算结果与实测值线性拟合的相关系数(R2)分别为0.70,0.78和0.98,对应的均方根误差(RMSE)分别为2.90 m,2.48 m和0.60 m,模型辅助法略优于其他两种方法;(2)在坡度大于20°时,高斯波形分解法、波形参数法和模型辅助法的R2分别为0.14,0.28和0.97,相应的RMSE分别为4.93 m,4.53 m和0.81 m,模型辅助法明显优于其他两种方法;(3)在0°—40°时,模型辅助法对Lorey’s height估算结果与实测值的R2为0.97,RMSE为0.80 m。本研究提出的模型辅助法具有更好的地形适应性,在0°—40°的坡度范围内具备对坡地森林冠层高度反演的潜力。     

地基激光雷达的玉兰林冠层叶面积密度反演

叶面积密度LAD(Leaf Area Density)是表征冠层内部叶面积垂直分布的重要参数,其分布廓线的准确反演对研究植被碳氮循环、初级生产力和生物量估算等具有重要意义。本文在电子科技大学校内建立实验样区,利用地基激光雷达Leica Scan Station C10和数码相机获取玉兰林高分辨率3维激光点云数据和真彩色影像。利用监督分类将真彩色影像中枝干等非光合组织与叶片分离,再将像素分类信息映射给点云数据,从而提取叶片点云。通过点云数据体元化,并引入2维凸包算法确定垂直方向分层树冠边界,获取激光接触冠层的频率;随机选择不同高度的多个叶片,利用特征值法进行叶片平面拟合,估算出叶倾角,并结合天顶角估算叶倾角校正因子;最后基于体元的冠层分析VCP(Voxel-based Canopy Profiling)方法实现树林冠层LAD反演。结果表明体元化的叶片点云数据能准确确定树林冠层边界和统计接触频率实现LAD反演;反演的LAD变化走势与区域林木冠层叶片垂直分布相吻合,在冠层中下部随着高度的增加叶面积密度也随之增加,在4 m高度处达到最大值1 m2/m3,之后随着高度的增加叶面积密度逐渐降低。根据LAD计算得到的累积叶面积指数LAI为3.20 m2/m2,与LAI-2200实测的叶面积指数相比,相对误差为1.26%。     

LiDAR森林冠层高度模型凹坑去除方法

LiDAR技术被越来越多地应用于林业领域,而森林冠层高度模型作为其数据产品直接影响着森林参数的反演,但其存在的局部凹坑现象对森林参数信息的提取形成阻碍。针对此问题,该文对局部凹坑去除进行了研究。利用局部稳健加权回归对点云数据进行散点平滑处理,填充凹坑(无效值);再利用反距离加权插值生成冠层表面模型,使之与数字高程模型相减得到归一化高度点云,形成去除凹坑后的森林冠层高度模型。通过对研究区30个样方的点云数据处理,及与高斯滤波、中值滤波、分层高度最大值法进行比较,并提取树高等信息进行验证。结果显示,无论在去除凹坑效果还是保持原冠层顶部形态结构上,该方法都具有明显优势。     

树冠尺寸对冠层间隙率和聚集度指数的影响

冠层间隙率和叶片聚集度指数对植被拦截光和冠层辐射传输过程有重要影响。叶片往往以树冠的形式聚集在森林中,而树冠在诸多森林冠层几何光学模型中有重要作用。之前的研究主要集中于树冠的形状(例如圆柱、圆锥、椭球、圆锥+圆柱等)特征对冠层间隙率和叶片聚集度的影响。然而,树冠的结构特征除了包括形状特征外,还包括尺寸特征。事实上,树冠的尺寸特征是植被在长期进化过程中与自然环境相互作用的结果,且比树冠形状特征具有更明显的地理空间特征。本文首先修改了前人常用的用于描述树冠分布的泊松分布模型,其次,利用超几何模型更为真实地、定量地描述树冠之间的排斥效应和树冠的分布情况;最后,以椭球树冠为例,设定了从"瘦高"型到"矮胖"型等7种尺寸的树冠,分别通过固定树冠半径和树冠体积两种途径探讨了树冠尺寸特征对冠层间隙率和叶片聚集度的影响。结果表明:(1)无论固定树冠半径,还是固定树冠体积,树冠尺寸特征对冠层间隙率和叶片聚集度指数的影响,均比树冠形状特征对间隙率和叶片聚集度指数的影响明显;(2)树冠的尺寸对冠层间隙率和叶片聚集度的影响非常显著,且具有明显的规律性。树冠在观测方向的投影面积越大,冠层间隙率越小,叶片聚集指数度越大,冠层内叶片越趋于泊松分布。     

半椭球形树冠对冠层间隙率与聚集度指数的影响研究

作为森林冠层结构的重要组成部分,树冠形状对冠层间隙率与聚集度指数的计算有重要影响。之前的研究通常将树冠假设为圆锥形、圆柱形、圆锥+圆柱形等形状计算了冠层间隙率与聚集度指数。然而,树冠生长受外部环境以及内部顶端优势等因素的影响,相较于上述理想化的树冠形状,半椭球形更符合树冠自然生长规律。事实上,半椭球形是一种十分常见的树冠形状。本文以树冠在空间呈泊松分布为前提,推导出半椭球形树冠的冠层间隙率与聚集度指数计算公式,并进一步扩展到双半椭球形树冠。同时,以半椭球形树冠为计算基准,对比分析了半椭球形树冠与其他树冠形状冠层间隙率与聚集度指数的相对差异。模拟计算中主要输入参数包括树冠密度、树冠高度、树冠半径以及叶面积指数等。最后通过虚拟场景对结果进行验证。结果表明：（1）半椭球形树冠与其他树冠形状的冠层间隙率有较大差异。随着观测天顶角增加,不同树冠形状与半椭球形树冠的冠层间隙率的相对差异也逐渐增大。当观测天顶角为70°时,圆锥形树冠与半椭球形树冠的冠层间隙率相对差异已接近100%。（2）树冠形状对聚集度指数同样有较明显影响。极端情况下,圆锥形树冠与半椭球形树冠的聚集度指数相对差异达到30%。（3）半椭球形树冠与其他树冠形状的半球空间聚集度指数期望值的差异不容忽视。     

基于球面投影的单站地面激光点云直线段提取方法

由于激光点云离散分布于三维空间,导致特征计算困难,目前针对地面激光扫描点云的直线提取方法普遍存在计算量大、提取错误、或适应性不足等问题。本文提出了一种基于球面投影的单站地面激光点云直线段提取方法:首先将三维点云投影到球面上,球面投影后的三维点云保持了正确的邻接关系,同时也解决了三维数据计算量大的问题;然后,利用球面霍夫变换,正确提取球面投影后点云中的直线段特征;最后,利用稳健的直线拟合算法计算点云中的三维直线段参数。通过对室内室外场景数据的直线段提取试验及与商业软件Geomagic Studio等方法的对比试验,验证了本方法的正确性、适用性和准确性。     

基于体元的机载LiDAR点云数据建筑物提取算法

针对目前机载LiDAR点云数据存在的数据组织效率低下以及不利于查询等问题,本文提出了一种基于体元的建筑物提取算法。首先,构建体元模型实现机载LiDAR数据的真三维描述;然后,计算局部邻域曲面拟合残差,将残差最小的体元视作种子体元;最后,根据局部邻域法向量夹角准则来实现种子体元的区域增长,从而获得建筑物点。本文选取ISPRS公开的点云滤波测试数据中的8种复杂场景进行实验,实验结果表明:本文算法不仅原理简单、容易实现,而且具有较好的鲁棒性,不会受地形以及建筑物类型和尺寸的限制,Kappa系数达到80%以上,实现了复杂场景下建筑物的提取。     

基于车载激光雷达的行道树提取研究

对车载激光雷达点云数据进行研究,提出了一种分层投影的方法提取行道树,该方法对点云数据进行分层投影,利用不同高程点云投影后表现出的不同特征,采用面向对象的方法对行道树进行提取,最后叠加分析得到行道树点云。实验证明,该方法能够比较完整的提取出行道树点云。     

点云的高压线塔主斜材交叉点提取

针对无标志点状态下高压线塔变形监测问题,提出了基于点云的变形监测方法,该方法根据高压线塔的结构特点选取不同高度处对称分布的主斜材部分点云,通过平面分割、点云投影、边界提取、直线分割和直线拟合等过程获取交叉点坐标。采集山西柳林某高压线塔四期点云数据进行实验,利用本文方法求得高压线塔特征点坐标并与手动提取结果进行对比,证明提取方法具有一定的精度,得出高压线塔存在变形且主要因素是由不均匀下沉导致。     

地面激光雷达的单木真实叶面积指数提取

针对已有的测量叶面积指数(LAI)的方法中,LAI测量结果受其定义、采样方法、数据分析和仪器误差等影响产生极大差异的问题,该文使用地面激光雷达(TLS)提取LAI,对北京林业大学校园内具有代表性的单株树木进行了扫描,通过对数据预处理提取出树冠点云,将其模拟为半球图像后运用球极平面投影和Lambert方位角等面积投影两种投影方法,通过统计面积的方法分别计算不同投影方法和图像划分方法下的孔隙率,进而计算出真实叶面积指数。同时与利用叶面积指数仪LAI-2000所测得的数据进行对比。研究结果表明,地面激光雷达提取单木真实叶面积指数与实测值对比,两种投影下18个环的图像划分方法均更接近真实值,其中在Lambert方位角等面积投影下计算结果更准确。     

机载激光点云单木分割方法对比及精度分析

通过对机载激光点云基于冠层高度模型、基于点云以及基于层堆叠种子点分割方法,对针叶林、阔叶林、针阔混交林3种不同类型林分进行单木分割,并通过计算单木分割的检测率、正确率、F-score等精度指标,探究不同分割方法在不同类型林分的适用性。实验结果表明,对于针叶林,基于点云分割方法的分割精度最高,基于层堆叠种子点分割方法对树木分割的正确率最高;对于阔叶林和针阔混交林,基于层堆叠种子点分割方法的分割精度和检测率较高,优于其他两种分割方法。     

激光雷达和点云切片算法结合的森林有效叶面积指数估算

叶面积指数(LAI)是定量模拟和刻画植被冠层结构、生理过程以及研究森林生态系统碳水循环中物质和能量交换的重要生物物理参数之一。定量分析林冠元素的3维空间分布是准确估算森林叶面积指数的重要基础和关键步骤。本文利用地面激光雷达扫描系统(TLS),获取了不同树种、密度、年龄和空间分布的森林3维点云数据,利用"径向半球点云切片"和"点云法向量重建"算法分别计算森林的角度孔隙率和消光系数,进而得到森林冠层的有效叶面积指数。通过与利用传统光学仪器得到的结果比较发现:单站半球式激光雷达扫描得到森林样方尺度的结果与LAI-2200和数字半球摄影观测所得结果的相关性分别为R2=0.7084(N=9,p0.01)和0.7409(N=14,p0.01)。通过角度分辨率(LBA)和角度孔隙率(AGF)的敏感性分析,建议径向半球切片算法的角度分辨率应参考中心单站TLS半球式扫描所设置的采样间距。本文所采用的径向半球切片算法可以有效地利用单站半球式扫描所获取的3维点云进行森林冠层有效叶面积指数的定量估算。     

利用车载LiDAR点云数据提取城市道路边界

随着高精地图产业的兴起,精确提取道路边界点云数据成为研究的重点。本文首先将车载LiDAR扫描系统获取的城市道路数据根据采集轨迹进行分段,对每一段路段点云进行滤波处理;然后通过分析点云的高程与平面信息,采用点云分割算法分离路面与非路面点云,再对处理后的路面点云进行投影;最后运用边界特征估计提取算法获取道路边界点云。通过对两种典型路段进行试验分析表明,该方法用于提取城市道路边界点云效果较好,精确性与稳健性高,对今后道路边界线的提取起到借鉴作用。     

多平台点云数据的单木参数提取精度分析

以浙江省海宁市4种代表行道树(广玉兰、无患子、悬铃木、香樟树)为研究对象,结合无人机(UAV)影像和三维激光扫描数据,利用ContextCapture、LiDAR360软件完成点云拼接、滤波、降噪和编辑,通过迭代最近点算法实现点云精细匹配,完成多平台点云数据融合,进而得到数字表面模型与数字高程模型,并制作冠层高度模型;采用分水岭分割算法对不同行道树树种的冠层高度模型进行单木分割,并综合局部最大值法实现单木树高、冠幅的参数提取。结果表明,本文方法进行行道树单木分割的精度高,树高、冠幅参数提取值的效果好,满足行道树几何参数调查要求。     

基于车载LiDAR点云的行道树提取研究

针对车载LiDAR数据构建格网,提取行道树点云并分割树干点云,首先以格网为单位,进行滤波处理提取非地面点云;再对提取的点云进行降噪处理;然后基于格网对处理后的点云块进行聚类,依据行道树与其他地物的形态以及投影等差异从聚类单元中提取行道树,并对相连树进行分割;最后针对提取的单株行道树依据分层投影的原理,分割行道树树干点云与树冠点云.采用一段车载LiDAR数据进行算法实验并与人工提取方式对比验证算法提取的有效性与准确性.     

距离加权与冠层控制的LiDAR CHM凹坑去除方法

针对机载激光雷达(LiDAR)获取的高密度点云数据为森林冠层高度模型(CHM)构建提供了可能,但在应用中通常会出现局部无效值(凹坑)现象,影响森林高度等参数的提取精度的问题,该文提出基于距离加权和冠层控制的CHM凹坑去除方法.首先加权计算每个像素相似阈值判断可能凹坑,然后利用形态学运算控制冠层范围并确定最终凹坑,继而填入对应的CHM中值滤波后的值来去除CHM凹坑.通过与高斯滤波、均值滤波、中值滤波等方法比较,该文方法在凹坑的去除效果以及保留冠层形态方面均有优势,且对不同分辨率CHM具有普适性,直接提取单木数量精度可达96.7％,相比原始CHM以及另外4种方法处理的CHM所提取单木数量,精度分别提高2.38％、13.92％、17.81％、6.54％、2.38％;直接提取平均树高精度为99.41％,相比原始CHM及另外4种方法CHM精度分别提高0.16％、0.8％、0.56％、0.75％、0.16％.     

ICESat-2机载实验光子云数据自适应去噪及分类算法

第二代星载激光雷达冰、云和陆地测高卫星ICESat-2（The Ice， Cloud， and Land Elevation Satellite-2）搭载了先进光子计数式激光雷达，使用了全新的微脉冲多波束光子计数式激光雷达。由于光子计数式激光雷达的自身特点，其光子云数据具有受噪声光子影响大、信噪比与扫描时间相关、光子分布密度不均匀等问题，目前开发的去噪算法并不能很好的应用于不同的光子云数据。基于以上问题，本文提出一种改进的去噪算法，首先分析光子云内部特征并自适应选择最优参数进行粗去噪，然后进行两次精去噪，最后对光子云进行分类并拟合出地面线及冠层顶线，为提取森林冠层高度提供基础。使用该算法对MABEL数据进行去噪实验，实验结果表明：该去噪算法的一次去噪对不同环境下MABEL数据在夜间的去噪平均精确度为94.5%，F1-score为96.3%，日间平均精确度为86.7%，F1-score为91.7%，且三次去噪算法完成后能够显著提升光子云去噪精度。实验证明该算法对MABEL光子云数据具有较好去噪效果和稳定性，可为ICESat-2数据处理提供参考。本文的光子分类算法能够从光子数据中提取冠层顶点、地面点及林内光子并在此算法中进一步精确去除剩余噪点，最终光子分类结果显示该算法能够从复杂光子云数据中提取森林剖面结构。     

一种基于LiDAR点云的建筑物提取方法

从机载雷达点云数据中快速准确提取建筑物是当前研究的难点和热点。在对现有建筑物点云提取方法充分研究和分析的基础上,本文提出了一种基于LiDAR点云的建筑物提取方法。首先根据建筑物的几何特性提取初始建筑物轮廓点;然后构建局部协方差矩阵计算点云分布特征,剔除非建筑物轮廓点;最后利用DBSCAN聚类算法对建筑物轮廓点聚类,以聚类结果为基础构建缓冲区,以缓冲区内所有建筑物轮廓点为初始种子点,采用圆柱体邻域进行多种子点区域增长,实现建筑物点云的提取。通过两组试验,共5组数据验证本文算法的性能。试验结果表明,该方法能够准确、有效地提取多层复杂的建筑物点云,效率高,且具有一定的适用性。