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DBSCAN的地面激光雷达点云单木树干分割研究

单木信息提取是当下各类森林资源调查研究、森林经营等活动的关键步骤,其效率决定着各项森林资源调查与估测的效率.针对城市区域亚热带阔叶林,利用地面激光雷达能够通过其激光和测距扫描系统直接获得高密度扫描点的点云坐标,采用DBSCAN密度聚类算法从地面激光雷达点云中识别并分割出单棵树干,将点云数据按0.2m和0.5m两类间隔进...     

改进K均值聚类的点云林木胸径提取

针对现有胸径提取精度不够高、自动化程度低等不足,基于地基激光雷达胸径切片点云数据,该文提出了一种改进K均值聚类的林木胸径提取方法.利用约束条件优化初始种子点的选择原则,避免随机种子点选择造成聚类结果陷入局部最优;采用拐点法自适应确定聚类目标类别数目,提高单木胸径点分割的自动化程度;根据点云与类别中心统计参数识别并剔除非目标对象点,通过圆模型参数求解实现胸径值计算.结果 表明:改进后的K均值聚类能快速实现林木胸径点的批量化提取,无须林木数目、样地大小等先验知识,具有自动化程度高、抗噪性强的优势.该研究对地基激光雷达在林业资源调查及生产管理应用具有一定的实际应用参考价值.     

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.     

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。     

机载LiDAR数据估算样地和单木尺度森林地上生物量

利用机载激光雷达点云数据,结合大量实测单木结构信息,分别从样地和单木尺度估算了森林地上生物量AGB。首先,利用局部最大值单木提取算法提取了每个样地内的单木结构参数,并针对样地和单木尺度分别计算了一组激光雷达变量。然后,利用激光雷达变量和地上生物量及其两者的对数形式,从样地和单木尺度分别构建了估算模型。最后,针对两种尺度估算过程中存在的不确定性进行了详细讨论。结果表明:(1)样地和单木尺度模型估算的森林地上生物量与地面实测值都具有明显的相关性,且对数模型估算效果要优于非对数模型;(2)样地尺度模型估算效果(R2=0.84,rRMSE=0.23)明显优于单木尺度模型(R2=0.61,rRMSE=0.46);(3)按树木类型分别进行估算可以提高单木地上生物量的估算精度;(4)不论是样地还是单木尺度地上生物量估算都存在一定的不确定性,与样地尺度相比,单木尺度估算过程的不确定性更大,这种不确定性主要来自单木识别过程。     

地面LiDAR数据模拟及单木LAI反演

地面激光雷达Li DAR可以快速获取高精度、高密度的点云数据,在植被结构参数获取方面的应用越来越广泛。为了定量分析地面激光雷达点云数据获取单木结构参数的能力和精度,本文提出利用光线跟踪结合植被真实结构模拟地面3维激光扫描仪的单木点云数据(以RIEGL VZ-1000为例),并结合间隙率模型反演单木叶面积指数LAI。在点云模拟过程中,充分考虑了脉冲特性,包括光斑大小、波束发射角以及回波探测强度。重点分析了光斑大小和最小探测强度对LAI反演的影响,并采用根河实测单木数据进行了验证。结果表明,光斑大小和最小探测强度的设定对于LAI反演结果存在很大影响,该结论对于提高地面激光雷达点云数据反演植被结构参数精度具有重要意义。     

九寨沟核心景区多源遥感数据地质灾害解译初探

点云密度是激光雷达（light detection and ranging,LiDAR）技术的重要参数,对森林遥感反演指数的提取有重要影响。以1 600 m×1 450 m大小的无人机（unmanned aerial vehicle,UAV）LiDAR数据为实验数据,采用分级随机抽稀法对实验数据进行抽稀,获取不同密度的点云数据集,利用不同密度数据集提取郁闭度、间隙率、叶面积指数、点云高度和密度分位数等森林遥感反演指数,并与原始数据提取的森林遥感反演指数进行差值比较。（1）当点云密度较小时,提取的郁闭度略微偏低,而间隙率略微增加,点云密度对郁闭度、间隙率的影响极小。（2）当点云密度较大时,对叶面积指数的影响不大,但当点云密度较小时,对叶面积指数的影响较大,个别区域可能出现叶面积指数突变。（3）当点云密度较大时,点云密度对高度、密度分位数的影响不明显,但当点云密度降至3.6点/m²时,可能会出现个别区域密度、高度密度分位数突变的情况。点云密度对森林遥感反演指数有重要影响,合适的点云密度有利于更准确地描述森林结构形态,过小的点云密度影响森林遥感反演指数的提取。

     

超体素约简和谱聚类结合的机载LiDAR点云单木分割

为提高机载LiDAR点云数据的单木分割精度和效率,本文提出了一种基于Nystr?m的谱聚类算法。该算法基于谱聚类方法,同时引入了mean shift体素化和Nystr?m方法,在保持谱聚类算法优越表现的同时,大幅降低了谱聚类算法的空间和时间复杂度。首先,用mean shift方法将点云数据转换到体素空间以合理压缩数据量,使用带有体素权重的高斯相似度函数在体素空间中构造相似图。然后,使用Nystr?m方法计算相似度矩阵的近似特征向量和特征值。接下来,使用K-means方法在特征空间中进行聚类,并将结果映射回原始点集以获得单木的聚类点。最后,直接从单木聚类中获取单木参数。在黑龙江省孟家岗林场的实验结果表明：本算法有效改进了谱聚类算法,以牺牲5%的分割精度为代价将分割效率提升了约96倍;与K-means方法相比,本算法在分割精度和计算效率方面均表现更优;从分割结果中提取的树高参数具有较高的精度,R2和RMSE值分别为0.86和1.62 m。本文提出的基于Nystr?m的谱聚类算法是一种有效的机载LiDAR点云分割方法,可以用来进行单木点云分割和单木因子提取。     

无人机载激光雷达在地质环境调查中的应用

通过无人机载激光雷达对宁东煤炭基地马莲台煤矿地表塌陷区进行扫描测绘,获取到了高时间分辨率、高空间分辨率和测量精度均匀的地表点云数据,并对点云数据进行了处理和三维建模;同时对项目区布设的检测点进行水准联测,与无人机载激光雷达所测的点云数据进行对比分析,对无人机载激光雷达的精度有了进一步了解。此次项目总结了无人机载激光雷达的工作流程和数据处理方法,对无人机载激光雷达的推广应用起到了积极的示范指导作用。     

定标器表面点云的格网构建分割方法

机载激光雷达安置角偏差对测量结果影响较大。针对安置角偏差标定中的同名点获取问题,设计了一种金字塔形状的定标器和提取定标器顶点的算法流程。对算法流程中的点云分割问题,结合定标器模型参数和格网法向量,提出了一种基于格网构建的分割方法。对实验数据进行处理,得到了很好的点云分割效果。     

基于SLICO的无人机影像建筑物对象提取

提出一种基于超像素分割算法与随机森林算法的无人机影像建筑物提取,利用INPHO软件生成正射影像和点云数据,并用点云数据进行反距离插值运算和波段运算生成归一化数字模型(nDSM)影像。将正射影像与nDSM影像进行波段合成并仅对正射影像采用基于SLICO算法分割生成超像素,选择相应的特征利用随机森林分类器进行分类,从而得到建筑物的提取结果。研究结果表明密集的影像匹配点云生成的nDSM影像进行建筑物提取时,可有效地对农村区域和城市区域的建筑物进行提取,同时避免了面向对象方法中最佳分割尺度难以选择的问题,取得了较好的建筑物提取效果,降低了建筑物提取的成本。     

无人机机载三维激光点云数据在电力线路规划设计中的应用

首先介绍了利用无人机搭载三维激光雷达获取三维激光点云数据的软硬件设备,详细阐述了利用无人机获取三维激光点云数据的外业具体流程、激光点云数据内业处理关键技术和流程,随后结合具体的线路工程,利用无人机搭载三维激光雷达获取了整条线路的点云数据并进行了内业点云解算,通过GPS和全站仪实测特征点的三维坐标并与点云中对应点的三维坐标比较,统计了三维激光点云数据的平面精度和高程精度。事实证明,三维激光点云数据的精度可满足输电线路规划设计的要求,因此,无人机机载三维激光点云数据在电力规划设计中的应用具有可行性。     

顾及法向量的点云语义分割方法

针对在复杂场景下激光雷达点云数据的语义分割研究中,存在点云特征损失大、点云语义挖掘不足和分割精度不高等问题,该文提出了一种将法向量和RandLA-Net相结合的点云语义分割方法。把点云法向量与RandLA-Net网络的局部特征聚合模块融合,提取局部语义聚合特征,利用softmax分类器对每个点进行分类。实现了复杂场景下LiDAR点云数据的语义分割。通过对Oakland点云数据集和德国Vaihingen城市语义数据集进行实验分析,验证了本文算法具有较强的泛化能力,本文算法在Oakland点云数据集和Vaihingen城市语义数据集上的平均交并比分别为96.38%和92.49%,与RandLA-Net网络相比,该算法充分利用了激光点云数据的语义特征,有效地提高了点云语义分割的准确性。     

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。     

电力巡线LiDAR点云电塔自动定位和提取算法

针对电力巡线机载激光雷达(LiDAR)激光点云电塔自动提取问题,提出了一种电塔自动定位和点云提取算法。首先,基于点云进行二维空间网格划分,利用网格点云高程偏差和方差特征提取潜在电塔网格;其次,基于电塔点云的高程连续特性完成电塔自动定位和点云粗提取;然后,利用点云分层密度信息和图像开运算,实现电塔精细提取;最后,利用轻小型无人机载激光雷达数据验证本文算法的有效性。试验结果表明,本文所提出的自动提取算法,能够有效解决LiDAR数据中电塔自动定位和点云提取问题,在LiDAR数据质量较差时仍能够取得良好效果,算法对于噪点数据具有较强的稳健性。本文所提出的电塔自动提取算法在LiDAR电力巡检数据处理中具有一定的应用价值。     

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。     

激光雷达点云与摄影测量点云——检测防洪工程的点云技术

机载Lidar和摄影测量可以通过捕获点云对人造复杂结构进行3D建模。虽然两种方法都能获取到点云数据,但由于采集数据的方式有多方面的不同,导致两种点云具有不同的特征。在本文中,作者就对防洪工程的检测实验,评估了在无人机载条件下激光雷达和摄影测量采集的两种点云数据。     

基于林火特征分类模型的森林火情等级制图

森林中可燃物的分布状况是影响林火产生、扩散的重要因素之一,本研究的目的是结合森林资源调查数据、激光雷达(light laser detection and ranging,LiDAR)点云数据、地形和气象因子共同驱动的可燃物特征分类系统(fuel characteristic classification system,FCCS)模型来实现森林火险等级预测。以云南省普洱市为研究区,首先,利用机载LiDAR数据生产的树冠高度模型进行面向对象分割,与森林资源二类清查数据叠加分析确定分割单元,并根据可燃物的可燃性将研究区内的可燃物分为针叶林、阔叶林、竹林和灌木林等4种类型,在此基础上采用分层随机抽样形成验证数据集;然后,提取LiDAR变量因子,采用多元逐步回归法反演不同可燃物的森林参数;最后,将森林参数连同气象和地形因子作为FCCS模型的输入,完成各个分割单元的火情等级评价,实现该地区潜在火行为、树冠火、有效可燃物和综合火灾险情的制图。研究结果表明,研究区有效可燃物火险等级比较低,符合研究区的实际情况;森林垂直结构与森林火险等级关系密切,森林参数的准确估测对整个可燃物的制图具有非常重要的作用。