融合LiDAR点云与高分影像的单木检测方法研究

对一种结合高分影像数据和机载LiDAR点云的单木检测方法进行研究,首先采用面向对象分类方法对高分影像上的单木区域进行分割,得到单木区域分割图;再以单木区域为约束,从机载LiDAR激光点云中分离出单木点云,构建局部冠层高度模型(CHM);最后对单木CHM采用分水岭算法探测冠层局部极值,实现对单木中心定位检测.实验结果表明该方法能够充分利用高分影像和激光雷达点云优势,提高了单木定位准确性,具有广泛的应用前景.     

基于机载激光雷达点云数据提取林木参数方法研究

本文通过黑河流域遥感—地面观测同步试验,获取林木参数,对机载激光雷达与实地观测获取的林木参数进行对比分析,论证了本文提出的基于机载激光雷达点云数据提取林木参数的算法是可行的。试验通过机载激光雷达点云数据,研究由点云数据生成冠层高度模型(CHM),提出从CHM中提取单株木参数(树高、冠幅等)的关键算法;同时,通过在试验区布设1个100m×100m超级样地和16个25m×25m的子样地,利用DGPS和全站仪对单株木进行精确定位与树木参数测量。     

基于PointCNN的车载行道树点云分割方法

利用点云卷积网络(PointCNN)为语义分割算法基础处理无序点云来提取行道树点云，经过模型建立、样本训练、点云分割等步骤从地物点云中精确分割出行道树点云，并对三个数据集的应用结果作精度评定，其最终结果的误差在有效范围内，并对PointCNN中的参数进行分析，完善算法的应用以适应于道路环境下行道树点云的提取。本次研究中考虑到训练各类型行道树类型，且受非行道树点云目标干扰小，在复杂道路环境下的数据分割工作有很好的效果。     

定量结构模型的地面激光雷达单木分割应用

针对传统每木检尺的小班调查因子测量方法耗时长、效率低、人为操作误差大等问题,该文研究了一种定量结构模型(QSM)实现单木的三维重建,并基于地面激光雷达(TLS)所获取的点云数据提取研究区单木的胸径、树高参数.该算法重构了单木的三维模型,且TLS数据所求得的胸径、树高与实测数据具有较好的一致性,提取结果精度较高.本研究采...     

基于机载激光雷达数据的老街基林场样地单木分割方法研究

机载激光雷达技术凭借着对森林冠层的穿透能力,在森林资源调查中显露出无可比拟的优势。针对林业雷达领域中的单木结构参数提取问题,本文基于局部最大值滤波算法和标记控制分水岭分割算法(Marked-Controlled Watered Segmentation, MCWS)提出了一种单木分割方法,并评价该方法在样地尺度上的单木分割效果,分析结果表明样地区域总体分割精度F为0.736;结合实测树高对反演树高进行相关性分析,拟合精度R²为0.907,表明本文方法能够较准确地提取单木树冠信息。     

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。     

车载激光点云数据中行道树三维信息自动提取研究

城市行道树三维信息是城市智慧管理的重要基础信息之一,本文研究了一种基于车载激光点云数据的行道树三维信息自动提取方法。首先,根据行道树点云和周围地面点计算树高;然后,针对残缺树冠点云,应用点云不同方位距离对比计算冠幅;最后,根据树干扫描分层点云,运用RANSAC算子拟合圆模型,计算胸径。通过实际测量数据进行验证,本文方法提取出的行道树信息误差较小,精度较高。     

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。     

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.     

基于车载点云数据的树木提取与分析

本文基于高速公路高精度点云数据，首先通过点云数据的分类处理实现对树木点云数据的提取，将树木点云投影到水平面，采用DBSCAN密度聚类算法实现单根树木的提取；然后在数据密集区域存在树木树冠点云重叠的区域，本文结合树干几何特征提取树干的位置信息，计算所有点云到树干中心的欧氏距离，将所有点云归类到最近的树干进行粗分割；最后根据粗分割的树木轮廓特征确定树冠模型与树冠中心，提出了采用基于密度特征的格网竞争算法对重叠的区域进行精细分割。试验表明，本文采用的树木分割方法能够实现单棵树木精确提取。     

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。     

低矮植被的无人机激光雷达测高精度分析

针对无人机激光雷达估测低矮植被高度的精度大小,本文以3m以下低矮树木为研究对象,通过数值模拟方法得到不同航高、不同扫描角情况下激光脚点坐标和点云估测单一树木高度的最大测量误差值;对比实测树高,分析了激光点云估测树高的精度。结果表明,在航高为30m、扫描范围为(-50°,5°)的情况下,无人机激光雷达获取的激光脚点坐标误差和由激光点云估测低矮树高(3m以下)的误差均可以达到cm级;激光点云估测单一树木高度与实测高度的决定系数为0.977,均方根差为5cm,标准均方根差为4%。因此,应用无人机激光雷达数据可以快速、精确获取低矮植被高度信息,进而为反演植被生物量和植被长势信息监测提供重要依据。     

激光雷达森林参数反演研究进展

激光雷达通过发射激光能量和接收返回信号的方式,来获取高精度的森林空间结构和林下地形信息。全波形激光雷达通过记录返回信号的全部能量,得到亚米级植被垂直剖面;离散回波激光雷达记录的单个或多个回波,表示来自不同冠层的回波信号。星载激光雷达一般采用全波形或光子计数激光剖面系统,仅能获取卫星轨道下方的单波束或多波束数据,用于区域/全球范围的森林垂直结构及变化观测。机载激光雷达多采用离散回波或全波形激光扫描系统,能够获取飞行轨迹下方特定视场范围内的扫描数据,用于林分/区域范围的森林结构观测。地基激光雷达多采用离散回波激光扫描系统,获取以测站为中心的球形空间内扫描数据,用于单木/样地范围的森林结构观测。激光雷达单木因子估测方法可分为CHM单木法、NPC单木法和体元单木法3类。CHM单木法通过局部最大值识别树冠顶点,采用区域生长或图像分割算法识别树冠边界或树冠主方向,NPC单木法一般通过空间聚类或形态学算法识别单木,体元单木法在3维体元空间采用区域生长或空间聚类算法识别树冠。根据激光雷达冠层高度分布可以估测林分因子,冠层高度分布特征来自于离散点云或全波形。多时相激光雷达可用于森林生长量、生物量变化等监测,以及森林采伐、灾害等引起的结构变化监测。随着激光雷达技术的发展,它将在森林调查、生态环境建模等生产与科学研究领域中得到更为广泛的应用。     

ICESat-2机载试验点云滤波及植被高度反演

新一代星载激光雷达卫星ICESat-2将采用多波束微脉冲光子计数技术,并进行高程剖面式的对地观测。由于该点云数据具有背景噪声大、密度低并呈线状分布等特点,传统的点云滤波算法并不适用,研究新的点云滤波算法十分必要。本文以ICESat-2的机载模拟器MABEL数据为例,首先介绍了微脉冲光子计数激光雷达的基本原理和数据特点,并针对高程剖面点云提出基于局部距离统计和最小二乘局部曲线拟合的点云滤波算法;然后,对美国加利福尼亚州Sierras-Forest地区MABEL试验中532 nm通道的光子点云进行滤波处理,并利用识别的地面点插值得到3 m分辨率的线状DEM,进而估算了该区域美国云杉的平均树高;最后,对该滤波算法进行精度评价,并分析了误差来源及其对DEM精度和树高反演精度的影响。结果表明:(1)该算法整体精度达97.6%,能有效剔除绝大部分噪声点且对地形起伏具有较强的自适应能力;(2)误分噪声点影响了滤波过程中局部地形的拟合,而滤波过程中的分类误差将降低DEM和树高反演的精度。     

基于地面激光扫描数据的单木特征因子提取与分析

本文利用三维激光扫描仪对树木进行扫描获取树点云数据,经过格式转换、分离、提取后,对树木各测量因子包括胸径、树高、树冠、材积量进行测定与测量方法与意义的分析。通过实验分析,可以得出:树冠测定因子通过测定树冠的叶面积指数来更精确地反映树冠的生理学意义;通过不规则三角网构建的多面体计算的树干体积较以平均断面积、中央断面积求树干材积更为准确与便捷。     

利用无人机数码影像进行密植型果园单木分割

单木树冠提取对果树健康状态、营养成分、产量预测具有重要意义。无人机获取的高分辨率遥感影像作为低成本、低风险的数据源,为准确估计棵数、描绘树木冠层轮廓提供了新的技术手段。以往关于单木冠层轮廓提取的研究大多集中在森林或稀疏果园,以局部最大值滤波结果作为基于标记分水岭算法的种子点,该方法在密植型果园的表现并不理想。提出了一种适用于密植型果园、以区域型种子块作为标记的分水岭算法,通过最大似然法提取果树冠层生成冠层数字表面模型,利用高斯滤波结合形态学开运算及自适应阈值分割方法生成区域型种子块,并执行基于种子块标记的分水岭算法,实现密植型果园单木分割。实例研究结果表明,总体棵数查全率为95.22%,查准率为99.09%,得到单木轮廓提取总体准确率为93.45%,总体欠分割误差为5.87%,总体过分割误差为0.90%。与局部最大值种子点提取结果对比,总体准确度提高18.66%,精细树冠轮廓提取精度提高17.75%,可为地形平缓地区密植型果园单棵果树树冠提取提供参考。     

无人机航测技术在森林蓄积量估测中的应用

无人机（UAV）航测技术是近年来发展起来的快速获取高分辨率影像的测绘新技术。森林蓄积量估算需要快速高效地获取森林遥感影像。虽然利用卫星和机载雷达同样可获取高分辨率遥感影像,但无人机航测技术与其相比具有飞行成本低、外业周期短、机动灵活等优点。本文利用无人机航测系统获取了案例地区DSM和DEM,采用最大邻域法提取了树高,采用分水岭算法分割了树冠信息,并以树高和冠幅作为解释变量的立木材积二元模型估算了森林蓄积量。结果表明,树高提取精度为83.73%,冠幅提取精度为86.98%,林分蓄积量估算精度为81.80%。     

Individual tree crown delineation using localized contour tree method and airborne LiDAR data in coniferous forests

Individual tree crown delineation is of great importance for forest inventory and management. The increasing availability of high-resolution airborne light detection and ranging (LiDAR) data makes it possible to delineate the crown structure of individual trees and deduce their geometric properties with high accuracy. In this study, we developed an automated segmentation method that is able to fully utilize high-resolution LiDAR data for detecting, extracting, and characterizing individual tree crowns with a multitude of geometric and topological properties. The proposed approach captures topological structure of forest and quantifies topological relationships of tree crowns by using a graph theory-based localized contour tree method, and finally segments individual tree crowns by analogy of recognizing hills from a topographic map. This approach consists of five key technical components: (1) derivation of canopy height model from airborne LiDAR data; (2) generation of contours based on the canopy height model; (3) extraction of hierarchical structures of tree crowns using the localized contour tree method; (4) delineation of individual tree crowns by segmenting hierarchical crown structure; and (5) calculation of geometric and topological properties of individual trees. We applied our new method to the Medicine Bow National Forest in the southwest of Laramie, Wyoming and the HJ Andrews Experimental Forest in the central portion of the Cascade Range of Oregon, U.S. The results reveal that the overall accuracy of individual tree crown delineation for the two study areas achieved 94.21% and 75.07%, respectively. Our method holds great potential for segmenting individual tree crowns under various forest conditions. Furthermore, the geometric and topological attributes derived from our method provide comprehensive and essential information for forest management.     

基于激光扫描点云的隧道断面提取方法

传统断面测量方法存在效率低、精度差等特点,为优化断面测量方法,提出利用地面激光点云提取断面的方法。其主要包括:中轴线拟合、点云分割、断面提取三步骤。在基于点云双向投影确定初始中轴线的基础上,运用弦高偏移算法,提取骨架特征拐点,对中轴线分段再次拟合,获取二次中轴线;点云分割是基于隧道中轴线进行的,对隧道的点云数据进行连续分割,对截取的断面进行椭圆拟合。实验表明,通过此方法快速提取中轴线上任意位置的断面。