基于改进凸包算法的树冠轮廓点提取与体积计算

针对城市中树木数量多、树冠结构复杂、形态多变、难以测量等特点,为解决传统凸包算法在提取树冠轮廓时误差较大的问题,并实现树冠轮廓点提取和树冠体积自动计算,提出迭代渐进的凸包算法。以三维激光扫描仪获取的点云为原始数据,基于所提出的算法获取树冠轮廓点,结合格林公式及不规则台体体积法计算树冠体积。为验证算法的准确性,采用人工交互的方式提取树冠外轮廓点计算树冠体积,以此为参照对迭代渐进的凸包算法进行相关性与均方根误差的验证,并将该算法分别与几何体模型法、体元模拟法、Graham扫描线法计算的树冠体积进行对比分析,结果表明,迭代渐进的凸包算法计算出的树冠体积更接近于树冠的真实体积,为树冠信息的精细提取与建模提供一种新的方法。     

三维激光扫描数据的单木树冠体积精确计算

针对现存单木树冠体积计算方法不能剔除树冠外部较大空隙以及树冠边界提取粗糙的问题,该文在对生长算法改进的基础上,提出了基于过滤三角网的树冠边界精确提取算法,确定了树冠最优分层间距与过滤阈值,实现了树冠体积的准确计算。该方法在对扫描的单木树冠点云数据进行拼接和过滤后,进行等间隔分层处理获取其切片点云,然后采用过滤三角网算法生成符合树冠实际情况的边界,再通过计算的切片面积获取各层点云间的体积,最终累加各层点云体积得到树冠体积的精确值。对校内树冠三维激光扫描实测数据进行计算与分析,结果表明过滤三角网算法提取的树冠边界能顾及树冠外部存在的空隙现象,进而得到准确的树冠体积值;此外,过滤三角网算法对树冠点云数据的密度要求远低于体元法,具有较高的算法稳定性。     

用地基激光雷达提取单木结构参数——以白皮松为例

以白皮松(Pinus bungeana Zucc)为研究对象,针对地基激光雷达TLS扫描的3维点云数据在单株木垂直方向的分布特征,提出了一种基于体元化方法的树干覆盖度变化检测方法,获取单木枝下高;然后根据获取的枝下高引入2维凸包算法获取垂直方向分层树冠轮廓,并计算树冠体积和冠幅;同时获取的单木参数还有胸径与树高。结果表明:单木枝下高的估测精度较高,R2与RMSE分别为0.97 m和0.21 m;胸径估测结果的R2与RMSE分别为0.79 cm和1.07 cm;采用逐步线性回归方法建立单木树冠体积与其他单木参数的相关关系,模型变量包括冠幅、叶子填充树冠长度和胸径,样本数为20,模型的R2与RMSE分别是0.967 m3和2.64 m3。本文方法能较准确地估测枝下高,TLS数据具有对树冠结构3维建模的潜力。     

基于LiDAR点云数据的树冠空隙度指数分析

分形维数法是分析空间结构分布的一种典型方法,但它对于区分不同的分布形式还存在缺陷。针对这一问题,该文介绍了空隙度指数的定义和树冠空隙度的计算方法;以模拟的树冠点云数据为对象,提出了一种基于三维凸包和三维滑动盒算法的激光雷达(Li DAR)点云数据空隙度分析方法,详尽分析了不同冠型产生的空隙度指数差异;并利用4棵实测的树冠点云数据做检验;最后阐述了空隙度指数在树冠空间异质性分析研究中的作用,并对其应用范围和前景作了展望。结果表明:划分尺度相同时,在一定的尺度范围内,锥型树冠、半球型和半椭球型树冠的差别可以通过空隙度指数曲线有效地区分,实测树冠的结果也体现了空隙度指数对于判断树冠空间结构的有效性。     

特征保持的三维复杂建筑物模型多分辨率表达

提出了一种基于体技术的改进的三维复杂建筑物模型多分辨率表达方法。该方法首先将原始表面模型转化为体元表达,并存储在一棵八叉树中;然后基于二次误差度量对八叉树体元进行聚类简化,生成不同分辨率的体元简化模型;最后从多分辨率体元模型中提取等值面,并利用法向量重建原始模型的特征,得到所需的LOD模型。实验结果表明,该方法计算量小,生成的LOD模型能有效保持原始建筑物的主要结构特征。     

基于体元分析的三维建筑物模型结构化分割方法

针对现有三维模型分割方法在建筑物基本结构特征识别方面存在的不足,提出一种基于体元分析的三维建筑物模型结构化分割方法。该方法首先通过体元化和内部距离参数计算在模型内部构建分层距离场,然后采用局部极值判别方法从各层距离场中提取出对建筑物结构、形状分布具有代表意义的中心体元,并基于中心体元和内、外部体元聚类找到建筑物在空间组成上相互独立的结构单元,最后依据体元分析结果对原始建筑物模型进行表面分割。试验结果表明,该方法能够对不同风格的建筑物模型进行有效分割,具有极强的稳健性。     

坐标排序的离散点凸包生成算法

针对传统的凸包生成方法在数据量较大情况下效率下降明显的问题,该文提出了一种基于平面离散点快速生成凸包算法。基于凸包边界单调性对平面点集分区域按X轴方向排序的方法,较好地减少了传统凸包生成算法的计算量,实现了凸包求取的高效性。实验结果表明:该算法不仅可以快速有效地生成凸包,还能够保证结果的准确性,且效率较高。     

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%。     

基于离散点构建凸包算法的研究

提出了一种提高构建凸包速率的新方法,其原理是在构建凸包时将其内部的点全部或大部分预先去掉,使参加构建凸包的离散点数目减少,从而达到高速的目的,与传统算法相比,该方法具有计算简单,效率高的特点。     

地基激光雷达灌丛化草原小叶锦鸡儿生物量估算

小叶锦鸡儿是内蒙古灌丛化草原中最具代表性的景观植物,准确估算小叶锦鸡儿灌丛的地上生物量对研究灌丛化草原生态系统、监测草原灌丛化程度具有重要意义。地基激光雷达TLS(Terrestrial Laser Scanning)可通过获取高密度点云数据准确估算灌木体积,被广泛应用于反演灌木生物量,但在灌丛化草原中尚未得到有效应用。本研究首先在中国科学院灌丛化草地植被恢复试验区获取了5个样方(10 m×10 m)共42株灌丛的TLS点云数据及实测生物量信息;然后分别使用整体凸包法、切片凸包法、切片分割法、体积表面差分法、体素法5种方法计算灌丛体积并与实测生物量进行回归分析;最后,通过留一交叉验证对5种方法建立的生物量估算模型精度进行对比分析。结果表明：TLS可在不破坏植被的情况下实现快速、准确地小叶锦鸡儿灌丛生物量反演,是传统野外调查方法的可靠替代技术。研究中采用的5种方法均能较好地估算灌丛生物量,其中：（1）相比于整体凸包法（R ²=0.87, p<0.001, RMSE=30.50 g）,切片凸包法（R ²=0.89, p<0.001, RMSE=28.01 g）与切片分割法（R ²=0.88, p<0.001, RMSE=29.03 g）可有效减弱离群点造成的体积高估,生物量估算精度有所提升;（2）格网大小为3 cm、高度统计变量选取标准差时,体积表面差分法计算的体积与实测生物量拟合度最好(R ²=0.89, p<0.001, RMSE=28.89 g),表明高度标准差是估算小叶锦鸡儿灌丛生物量的强预测因子;（3）体素法解释了生物量估计值90%的变化(R ²=0.90, p<0.001, RMSE=26.28 g),是适合小叶锦鸡儿灌丛生物量反演的最优模型。