利用地面激光扫描数据提取单木结构参数

针对现有提取单木结构参数的方法精度不高的现状,文章研究利用地面三维激光扫描数据提取单木的高度、胸径和冠幅,特别是将RANSAC算法用于圆拟合,提高了胸径的反演精度。最后利用野外实测数据进行验证,并比较分析了Hough变换和RANSAC算法在提取胸径中的差异。结果表明,本文方法提取的单木参数精度较高;并且无论从相关系数、平均残差还是均方根误差等方面,RANSAC算法提取的胸径精度均高于Hough变换方法。     

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。     

基于地面激光雷达的单树枝干几何建模研究

根据基于地面激光雷达的单树枝干几何建模方法,本文提出了一种提高重建树木几何模型精度的方法。首先,根据水平集的骨架提取方法提取目标树点云数据完整的骨架点;其次,采用最小生成树的方法对提取的骨架点构建拓扑关系;第三,根据最小二乘圆拟合法和管道模型(Pipe Theory)计算骨架点对应枝干的半径;最后,应用广义圆柱体实现单树枝干几何建模。重建得到的树木枝干几何模型在树高和胸径(DBH)参数上与真实值或实测值误差均在5%以下,且枝干最大拟合误差均小于40 mm。结果表明:本文的树木枝干几何建模方法可靠性强,且重建的树木枝干几何模型精度高,可用于森林资源管理、精准农林业等领域。     

封面说明

正无人机激光雷达林业资源参数提取Application of UAV lidar technology in forest resources inventory封面图片为美国加州内华达山脉森林区域的无人机激光雷达数据及其单木分割结果。无人机激光雷达数据由北京大学郭庆华团队自主研发的八悬翼无人机激光雷达系统采集,该系统集成了长距离激光雷达扫描仪、GNSS和IMU定位定姿系统,可实时、动态地采集海量高精度点云数据。利用该团队自主研发的点云滤波、归一化和单木分割等激光雷达数据处理算法,可实现森林点云中每木点云的分割,及树位置、树高、胸径、树冠表面积及体积等森林结构参数的自动提取。     

一种深度图像拟合圆柱的优化方法

圆柱状构件广泛存在于古建筑仿真中,为了提高古建筑深度图像圆柱拟合的精度,针对古建筑仿真3维建模的特点,提出基于高斯图获取圆柱拟合参数初始值,然后利用圆柱距离函数参数化法进行非线性最小二乘拟合的圆柱拟合方法。实验证明,该方法不仅具有较高的精度,而且拟合结果稳定可靠。     

一种深度图像拟合圆柱的优化方法

圆柱状构件广泛存在于古建筑仿真中,为了提高古建筑深度图像圆柱拟合的精度,针对古建筑仿真3维建模的特点,提出基于高斯图获取圆柱拟合参数初始值,然后利用圆柱距离函数参数化法进行非线性最小二乘拟合的圆柱拟合方法.实验证明,该方法不仅具有较高的精度,而且拟合结果稳定可靠.     

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.     

从激光点云中提取古建筑线性和圆形特征的比较

对古建筑激光扫描点云进行分割、识别,并利用Hough变换和最小二乘法从点云中提取直线和圆,取得了较满意的结果。对两种算法的提取效果进行了比较。     

吉洪诺夫正则化总体最小二乘的圆曲线拟合

针对利用离散的观测坐标拟合圆曲线,在观测点分布较为集中时,会引起法方程病态问题,使用高斯-马尔可夫模型,以圆的参数方程为数学模型,引入更多的参数,结合Tikhonov正则化进行总体最小二乘,并对公元前500年古希腊科林斯赛马场跑道的一组考古数据(观测点集中分布在跑道起点处,该跑道近似为圆形),采用Tikhonov正则化总体最小二乘求解曲线参数.实验结果表明,该文提出的基于高斯-马尔可夫模型的Tikhonov正则化总体最小二乘方法可以有效解决圆曲线拟合中的不适定问题.     

柱面基准下的深度图像建模研究

不规则三角网模型重建点云模型是目前已经成熟的算法,但该算法具有较大的时间复杂度和空间复杂度,尤其是无法提取模型的几何参数,而三维模型重建后的几何参数的描述却具有重要的作用。针对这一问题,本文将传统深度图像概念拓展到了三维,并提出了一种基于柱面基准的深度图像三维重建方法。首先利用高斯映射法和几何法确定柱面模型初值,再进一步通过Levenberg-Marquardt算法进行全局参数优化得到柱面参数曲面,将拟合的圆柱作为新的基准面进行点云格网化并计算深度值,所得到的具有栅格结构的深度值即为深度图像,进而得到基于深度图像的三维圆柱实体模型。试验表明,该方法在不降低精细纹理表达的前提下能够有效地实现快速构网,同时保留了几何参数信息等优势。     

卫星测高与船载重力测量数据融合的点质量拟合法

以拟合方差最小为准则,通过点质量法拟合船载重力测量数据,得到点质量大小、埋深等参数。回避点质量法数值求解的不稳定性问题,借鉴移去-恢复技术的思路,利用该参数计算船载重力测量点上的重力异常,并将其在测线上的重力异常中扣除,计算出船载重力残差值。以点质量大小、埋深等参数计算卫星测高重力格网点上重力异常,同样得到测高重力残差值。采用加权最小曲率格网化方法,将船载重力残差值与测高重力残差值格网化,进而恢复由点质量大小、埋深等参数计算格网点处的重力异常,实现卫星测高与船载重力测量数据融合。经国际船载重力测量数据检核,融合后的模型较国际船载重力测量数据的平均偏差在1~2 mGal（1 Gal=1×10^-2 m/s²）,标准差约为4 mGal。本文的研究方法可为陆地、海岸带区域的多种重力数据的融合、航空重力及卫星重力的向下延拓等问题提供参考。     

基于Hough变换的航空影像建筑物半自动提取

针对Hough变换不能检测直线段的缺点,提出了一种改进的Hough变换用于影像中矩形建筑物的半自动提取。同传统Hough变换相比,改进的Hough变换充分利用了Hough变换的参数空间数据,将Hough变换的“投票”过程和直线段的检测过程融为一体,获得直线段的端点坐标。根据直线段的端点坐标消除虚假直线段的过连接,并根据直线段的角度、距离条件合并直线段。最后通过直线段上的若干点利用最小二乘法拟合出一条最佳直线,通过计算最佳直线的交点确定建筑物的角点坐标,完成影像中建筑物的半自动提取。实验结果表明:用改进的Hough变换算法提取出的航空影像中建筑物边缘结果是正确的,定位精度较高。     

基于稳健加权总体最小二乘的点云数据圆柱面拟合

在测量中,为了对建(构)筑物的圆柱面点云数据进行建模或检测,需要精确拟合圆柱面并对拟合结果进行分析、表达。针对传统圆柱面点云数据拟合方法未考虑粗差存在和系数矩阵含有误差,导致圆柱面拟合结果不够精确的问题,提出了可自适应调整权阵的稳健加权总体最小二乘算法计算拟合参数。该算法在考虑全部观测值误差的基础上,通过激光点到圆柱面的距离确定各点的权重,以3倍标准差剔除粗差,经迭代计算最终得到稳健的拟合结果。经工程实例计算,证明该算法能有效克服粗差的影响,得到准确可靠的拟合参数估值,拟合效果优于传统拟合算法。     

基于水平截面法的树木点云精细分割研究

本文提出了水平截面法精细分割树木点云的方法。首先根据点云数据在XOY平面内建立二维格网,求取每个格网内点云数据高度的均值,根据格网内点云数据的高度阈值滤除地面点云和低矮地物点云数据;其次对滤除地面和低矮地物的点云运用八邻域算法提取树木点云,运用水平截面法对树木分层处理,求取每一层树木点云的轮廓线;再次将轮廓线连成多边形,求取多边形的最小外接圆的圆心,运用最小二乘直线拟合算法对各层圆心进行直线拟合,根据拟合直线与地面的交点,可以求取树木的精确位置;最后根据距离最近的原理,对树木进行了精细分割。实验表明:本文研究的方法可以较好的实现树木点云的提取,避免了传统方法设置参数过多的弊端。     

基于高程异常拟合的多项式模型参数方案探讨

针对多项式模型在大地高向正常高的转换中精度偏低的问题,本文首先讨论一次、二次、三次多项式模型的高程拟合精度,以确定最优拟合参数,进一步结合最小二乘配置法及EGM2008重力场模型对多项式模型进行精度优化。通过实例分析,多项式模型i=3时精度最高为0.045 m,结合最小二乘配置法的拟合中误差为0.032 m,再结合移去-恢复法为0.017 3 m。二次多项式模型拟合精度最高,最小二乘配置法及重力场模型可进一步将拟合精度提高至四等水准的精度要求。     

近景摄影测量中圆标靶圆心提取的方法

对近景摄影测量中常使用的圆形标靶,提出了一种识别并提取圆心的方法。该方法通过二值化、区域增长、边缘点提取、最小二乘拟合等一系列图像处理后,最终实现圆标靶的识别及提取。实验结果验证了该方法的可行性。     

航空重力向下延拓的误差影响分析

本文从分析航空重力向下延拓过程中偶然误差和系统误差的变化特性入手,进而提出处理办法。首先,利用试验说明移去恢复法局限性,同时表明需处理系统误差和偶然误差的必要性。然后,采用理论推演和数值模拟计算分别估计了系统误差和偶然误差影响,试验结果发现:系统误差影响和偶然误差影响均与数据格网间隔、向下延拓高度呈线性关系,当格网化间隔较小和延拓高度较高时系统误差影响和偶然误差影响较大。最后,提出使用半参数模型和正则化算法的两步法估计系统误差和减弱偶然误差影响,试验结果说明两步法处理向下延拓各类误差影响优于仅用半参数模型或正则化算法的结果,在试验数据的偶然误差标准差为2×10~(-5) m/s~2、恒值系统误差3×10~(-5) m/s~2和变值系统误差标准差约1.3×10~(-5) m/s~2时,以及向下延拓高度6.3 km和格网间隔6′的条件下,两步法向下延拓结果的精度可达2.3×10~(-5) m/s~2。     

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。     

行星探测器导航相机着陆后参数标定方法

巡视器导航相机在发射前已完成标定,但在飞抵行星表面开展工作前需经过长时间飞行,其间受到的外力可能导致相机参数发生变化,所以在着陆后需要对导航双目相机重新标定。本文首先介绍了以太阳能电池板为标定板,然后通过Hough变换、聚类思想和最小二乘直线拟合法提取出电池板格网线,根据直线参数重新标定导航双目相机外参的标定方法,最后进行了两项试验。试验1以嫦娥4号影像进行格网线提取试验,并与传统的Hough变换直线提取结果进行比较,本文提取方法更准确;试验2以模拟直线参数进行双目相机外参标定试验,结果说明解算精度较高,方法可行有效。但该相机标定方法将相机内参作为已知值,并单独解算左、右相机外参,下一步将继续研究相机内、外参同时标定的方法和双目相机一步标定的方法。     

全波LiDAR反演地形参数的树高估计

针对全波激光雷达(LiDAR)数据在坡地森林高度估测中的应用,该文提出利用地形参数估测树高的方法。首先以ICESat-GLAS大光斑全波形数据为数据源,利用指数加权和形式建立全波LiDAR波形的理想数据模型,并采用最小二乘法求解该理想模型;其次,利用阈值法确定有效波形的始末位置,进而得到有效波形的波形长度,并据此估计地形起伏参数;结合光斑直径、波形长度、地形起伏参数以及地表展宽程度,建立树高估测模型。以黑龙江省大兴安岭为实验研究区,估测树高与实际测量值之间的相关系数为0.926 2。实验结果表明:针对地形坡度等外在因素影响,利用波形本身特征参数,能有效量化地形因素的影响,并能有效解决地形复杂地区树木高度估测问题。