題-1_100_100.jpg)
基本信息
- 項目名稱：
- 基于地基激光雷達(dá)的單木位置和樹高提取
- 小類：
- 數(shù)理
- 大類：
- 科技發(fā)明制作A類
- 簡介：
- 該研究針對地基激光雷達(dá)數(shù)據(jù)的配準(zhǔn)和過濾、單木位置和樹高的提取，提出和采用了一系列數(shù)據(jù)處理和參數(shù)提取方法。首先利用偏差和回波對原始點(diǎn)云數(shù)據(jù)中的噪點(diǎn)、和非樹干點(diǎn)等進(jìn)行濾除；然后對點(diǎn)云數(shù)據(jù)水平分層生成灰度影像；Hough變換識別每層的樹干點(diǎn)云，在此基礎(chǔ)上提取單木位置；最后結(jié)合水平掃描點(diǎn)云數(shù)據(jù)提取單木樹高，將所提取的單木位置和樹高與外業(yè)實際測量數(shù)據(jù)對比，結(jié)果一致性較好。
- 詳細(xì)介紹：
- 1 數(shù)據(jù)獲取和處理 1.1 數(shù)據(jù)獲取 數(shù)據(jù)獲取所使用的地基Lidar系統(tǒng)為Riegl VZ-400，中心站只進(jìn)行了一次垂直掃描，其余4站各進(jìn)行了一次垂直掃描和兩次水平掃描，各大站之間的相互重疊度大于50%。在所有站的掃描中，都使用全站儀測量出反射片的全球坐標(biāo)，保證所有站都是在同一個坐標(biāo)系統(tǒng)下測量，確保后期在RiScan-PRO軟件中處理的精度。 1.2 數(shù)據(jù)處理 對原始點(diǎn)云的數(shù)據(jù)處理主要包括：噪點(diǎn)、多次散射點(diǎn)和非樹干點(diǎn)的去除以及各站的數(shù)據(jù)配準(zhǔn)等。 在密集林區(qū)，樹葉間距離非常近，在幾毫米范圍內(nèi)，可能小于激光點(diǎn)的間隔，而且隨著距離的增大，激光點(diǎn)密度減少，所以產(chǎn)生這種處于歧義間隔內(nèi)的多次散射點(diǎn)和林區(qū)一些非樹干的噪點(diǎn)。數(shù)據(jù)配準(zhǔn)前，先過濾掉這種噪點(diǎn)。 在Riegl獲取的點(diǎn)云數(shù)據(jù)中，共包含四種回波,大部分樹干點(diǎn)都來自于單一回波和尾回波,也有少部分樹干點(diǎn)來自于首回波，在此保留包含大部分樹干點(diǎn)云的單一和尾回波。 對TLS點(diǎn)云數(shù)據(jù)的配準(zhǔn)過程如下：首先把全站儀測量的各站反射片坐標(biāo)導(dǎo)入到RiScan軟件中，保證所有站都是在同一坐標(biāo)系下，把樣區(qū)中心站向全球坐標(biāo)配準(zhǔn)，接下來各垂直站都向全球坐標(biāo)和中心站粗配準(zhǔn)和精配準(zhǔn)；各大站的水平掃描在分別向?qū)?yīng)的垂直站粗配準(zhǔn)和精配準(zhǔn)。 2 單木參數(shù)提取 2.1 單木位置提取 單木位置提取是單木參數(shù)提取的基礎(chǔ)，在準(zhǔn)確識別了位置之后，可以在位置基礎(chǔ)上進(jìn)行精確的樹高提取。本研究采用二維Hough變換來識別單木，獲取單木位置。該研究中，以方形樣地中心測站的多站掃描和單站掃描情況分別進(jìn)行了研究。 對于多站掃描情況，具體算法如下： (1) 合并所有垂直掃描點(diǎn)云。以中心站位置為圓心，選取10m半徑內(nèi)的所有點(diǎn)云，以該10m半徑的圓作為研究區(qū)域，生成0.15m×0.15m的DEM。 (2) 對點(diǎn)云數(shù)據(jù)水平分層，層厚度為10cm，層間距為0.3m。每層都生成分辨率0.5cm×0.5cm大小的灰度影像，像素大小為該網(wǎng)格內(nèi)包含點(diǎn)云的個數(shù)。從0.9m開始，共分成12層，生成一個包含12個波段的灰度影像，每個波段對應(yīng)一個水平分層結(jié)果。 (3) 對灰度影像利用二維Hough變換進(jìn)行圓檢測，檢測最小半徑從3.5cm開始。對于同一位置，如果12層中有4層或4層以上能檢測出圓，就認(rèn)為該位置為單木，得到樣地內(nèi)的單木坐標(biāo)。對于少于4層的檢測結(jié)果，提取出來，利用橢圓擬合進(jìn)行進(jìn)一步的檢測，最后結(jié)合橢圓擬合和hough檢測中4層或以上結(jié)果，得到樣地內(nèi)最終的單木坐標(biāo)。 對于單站掃描處理過程，除了不需要合并點(diǎn)云數(shù)據(jù)外，其它的操作和多站的操作相同。 2.2 單木樹高提取 對于單站掃描的單木樹高提取，因為使用的中心站位置只有一次垂直掃描，不能真實的代表單木的高度，所以樹高提取時使用了多站掃描的點(diǎn)云數(shù)據(jù)。結(jié)合估測出來的單木位置與起始點(diǎn)云數(shù)據(jù)，進(jìn)行樹高估測。具體算法如下： (1) 從點(diǎn)云數(shù)據(jù)中提取出距離各單木位置0.5m半徑范圍內(nèi)的數(shù)據(jù)。對于每一棵單木都提取出了以位置為圓心，半徑為0.5m的垂直向整個圓柱體內(nèi)的數(shù)據(jù)。 (2) 對于每個圓柱體，都從min(z)+3.5m開始水平分層，每層厚度為0.1m，z為每個圓柱體內(nèi)的點(diǎn)云高程值。 n=(max(z)-(min(z)+3.5))/0.1 相當(dāng)于把每個單木圓柱體都劃分成n個0.1m厚的圓柱體體元。 (3) 遍歷各個圓柱體內(nèi)的點(diǎn)云數(shù)據(jù)，如果在垂直方向上，從k(k≤n-10)層開始，連續(xù)出現(xiàn)10層包含的點(diǎn)云量都小于一個給定的閾值，那么認(rèn)為到了樹頂，此時該單木的樹高h(yuǎn)=3.5+0.1*k。在n層數(shù)據(jù)中，可能會有不同的k值滿足上述情況，在本文中取從下往上遍歷時遇到的第一個滿足情況時的k值。 (4) 因為該林區(qū)單木特別的密集，彼此之間遮擋很嚴(yán)重，所以有的單木在未到樹頂時，因為點(diǎn)云量過少，滿足第3步的情況而輸出，此時有很大的誤差。對那些誤差較大的單木，在采用截取水平方向上距單木位置0.2m范圍內(nèi)的點(diǎn)云。該范圍內(nèi)點(diǎn)云的最高點(diǎn)和最低點(diǎn)高度差值被視作為單木高度。 H=max(z)-min(z) 利用該方法對那些誤差較大的單木進(jìn)行修正。 2.3 結(jié)果與分析 (1) 估測結(jié)果 得到表2中的結(jié)果。如下： 表2 10m樣地內(nèi)單木檢測結(jié)果 多站掃描 單站掃描 實測 52 52 估測 48 49 非樹木 8 15 真樹木 40 34 識別正確率 83.33% 69.39% 未識別率 23.08% 34.62% 位置最大誤差m 0.48 0.701 最小誤差 0.04 0.052 平均誤差 0.204 0.233 樹高最大誤差m 5.4 2.56 最小誤差 0.04 0.01 平均誤差 0.2 0.04 (2) 分析 結(jié)合上圖和表發(fā)現(xiàn)，多站掃描時有12棵樹、單站掃描有18棵樹沒有檢測出來。通過圖2可以看出，未檢測出來的原因主要有兩個：一是未檢測出來的單木胸徑都比較小，集中在5--11cm之間；另一個原因是由于該林區(qū)比較密集，彼此間的遮擋非常嚴(yán)重，阻礙了對小樹的檢測。 經(jīng)過對點(diǎn)云數(shù)據(jù)和操作方法的分析，對誤差來源總結(jié)以下幾部分： (1) 全站儀本身測量問題 (2) Hough變換提取方法中矩陣大小和提取閾值設(shè)置大小引起的 (3) 在樣地內(nèi)樹木比較密集，彼此之間的遮擋比較大，使得部分單木的樹干點(diǎn)云不明顯，在檢測過程中不能檢測出結(jié)果 (4) 該數(shù)據(jù)采集于8月份，正值林木枝葉最茂盛時期，密集的枝葉點(diǎn)云導(dǎo)致檢測誤差和錯誤率大大提升 (5) 提取的位置為可見樹干表面的中心點(diǎn)，全站儀測量的位置為單木的邊緣，二者之間存在距離的偏差 (6) 林區(qū)比較密集，彼此冠層頂部交叉很明顯，某些比較高的單木的高層樹枝或樹葉點(diǎn)云導(dǎo)致了鄰近單木的高估。 (7) 一些單木位于樣地邊緣，距離掃描中心較遠(yuǎn)，其次該林區(qū)單木比密集，彼此間遮擋嚴(yán)重，使得地基激光雷達(dá)并沒有完全獲取到這些單木的上層點(diǎn)云，導(dǎo)致低估。
作品圖片
作品專業(yè)信息
設(shè)計、發(fā)明的目的和基本思路、創(chuàng)新點(diǎn)、技術(shù)關(guān)鍵和主要技術(shù)指標(biāo)
- 目的和基本思路： 該發(fā)明研究的目的是通過實踐建立起一整套應(yīng)用于密集林區(qū)的地基激光雷達(dá)數(shù)據(jù)采集、配準(zhǔn)、過濾、單木位置和樹高提取的方法體系；思路是首先對密集林區(qū)進(jìn)行多站地基激光雷達(dá)掃描、在同一坐標(biāo)系下數(shù)據(jù)配準(zhǔn)、然后進(jìn)行三步的數(shù)據(jù)過濾（目的是盡可能多的拿走噪點(diǎn)和非樹干點(diǎn)）、采用圖像處理的方法提取單木位置、最后在位置基礎(chǔ)上進(jìn)行單木樹高的提取。 創(chuàng)新點(diǎn)： 1.脫離傳統(tǒng)遙感手段，采用地基激光雷達(dá)來獲取單木位置和樹高。 2.國內(nèi)外該技術(shù)在林區(qū)的應(yīng)用基本上都是集中于稀疏或針葉林或落葉狀態(tài)的林區(qū)，該發(fā)明研究主要是針對夏季枝葉茂密的白樺密集林區(qū)。 3.通過反復(fù)試驗，采用了不同于國內(nèi)外相似研究的林區(qū)點(diǎn)云數(shù)據(jù)過濾方法，數(shù)據(jù)的良好過濾對后面位置和樹高的提取起到了至關(guān)重要的作用。 4.結(jié)合兩種方法提取和修正單木樹高。 技術(shù)關(guān)鍵和指標(biāo)： 1.地基激光雷達(dá)掃描參數(shù)的設(shè)置、測站位置的設(shè)置。 2.數(shù)據(jù)配準(zhǔn)時采用的坐標(biāo)系要統(tǒng)一。 3.外業(yè)地基激光雷達(dá)掃描參數(shù)：水平向掃描角度范圍0-360°，垂直向掃描角度范圍是30--130°，水平和垂直向角度分辨率都為0.043°。
科學(xué)性、先進(jìn)性
- 該發(fā)明研究脫離了傳統(tǒng)遙感手段，而是采用目前國內(nèi)外都在積極嘗試的一種新方法，利用地基激光雷達(dá)來提取林區(qū)的參數(shù)。近年來地基激光雷達(dá)得到了快速地發(fā)展，正在成為無處不在的工具。在森林參數(shù)的定量測量應(yīng)用上，利用地基激光雷達(dá)測量森林參數(shù)不僅節(jié)省了人力，還提高了工作效率，現(xiàn)在已經(jīng)成為了快速獲取樹木幾何參數(shù)的一種有效方法。 通過國內(nèi)外近幾年利用機(jī)載激光雷達(dá)對林區(qū)的研究表明，激光雷達(dá)技術(shù)在林業(yè)上的應(yīng)用具有其它傳統(tǒng)遙感手段所無法比擬的優(yōu)勢。對林區(qū)參數(shù)的獲取更全面，精度也更高。在本研究中，就是采用了地基激光雷達(dá)來獲取林區(qū)的3D點(diǎn)云數(shù)據(jù)，通過對獲取點(diǎn)云數(shù)據(jù)的配準(zhǔn)和過濾等操作，采用圖像處理的方法從點(diǎn)云數(shù)據(jù)中提取密集林區(qū)的單木位置和樹高。研究結(jié)果表明，采用地基激光雷達(dá)技術(shù)提取單木位置和樹高得到了良好的結(jié)果，為未來地基激光雷達(dá)在林業(yè)上的全面應(yīng)用提供了基礎(chǔ)。
獲獎情況及鑒定結(jié)果
- 1. 西南林業(yè)大學(xué)2010-2011學(xué)年科技創(chuàng)新基金資助項目,結(jié)題考核優(yōu)秀 2. 榮獲西南林業(yè)大學(xué)科技創(chuàng)新基金2010-2011學(xué)年度優(yōu)秀項目成果“銀獎”。
作品所處階段
- 目前該作品還處于驗證階段
技術(shù)轉(zhuǎn)讓方式
- 無
作品可展示的形式
- 文字和圖片
使用說明,技術(shù)特點(diǎn)和優(yōu)勢,適應(yīng)范圍,推廣前景的技術(shù)性說明,市場分析,經(jīng)濟(jì)效益預(yù)測
- 采用地基激光雷達(dá)技術(shù)獲取林區(qū)的3D點(diǎn)云信息，利用點(diǎn)云信息提取單木位置和樹高，它不僅節(jié)省了人力和物力，還提高了提取的精度，具有其它遙感方式所無法比擬的優(yōu)勢。通過對國內(nèi)外該技術(shù)林業(yè)應(yīng)用的分析和對該發(fā)明研究后期的結(jié)果驗證，未來將會在更大的研究區(qū)域利用該技術(shù)提取各種森林參數(shù)。地基激光雷達(dá)對森林參數(shù)的高精度提取將會為星載與機(jī)載激光雷達(dá)在林業(yè)上的全面應(yīng)用提供有力的驗證，便于達(dá)到對那些人力無法到達(dá)或者具有其它原因而不能進(jìn)入林區(qū)的森林參數(shù)的提取，達(dá)到激光雷達(dá)技術(shù)在林業(yè)上的全面應(yīng)用，為未來在林業(yè)上的決策提供有力的依據(jù)，同時也大大降低了獲取林業(yè)參數(shù)的成本。所以該技術(shù)未來在林業(yè)上的應(yīng)用將會是非常樂觀的。
同類課題研究水平概述
- 最早公開發(fā)表應(yīng)用激光雷達(dá)進(jìn)行森林參數(shù)測量的是前蘇聯(lián)，隨后美國和加拿大的研究人員也注意到從森林返回的激光波形與從海洋探測中返回的激光波形很相近，從而發(fā)現(xiàn)了利用激光雷達(dá)估計森林屬性和地形測量的可能性。自從2000年在阿姆斯特丹和2004年在伊斯坦布爾的ISPRS會議開始，TLS的研究活動就顯著地增加。Simonse嘗試使用二維Hough變換從點(diǎn)云中探測樹干及胸高斷面積。Aschoff將這種方法用于獲取不同高度處樹干的直徑。Lauri Korhonen采用ALS、TLS和實際觀測相結(jié)合的方法進(jìn)行樹冠覆蓋研究和郁閉度提取等。Anne Bienert利用一棵樹點(diǎn)云的最高點(diǎn)與地面模型之間的高度差異獲取了樹高。 在對原始點(diǎn)云數(shù)據(jù)的配準(zhǔn)和分割方面，Henning和Radtke提出了一種在森林環(huán)境中對TLS數(shù)據(jù)配準(zhǔn)的方法，使用來自自然表面的明確匹配連接點(diǎn)的估計，對森林場景進(jìn)行多視角的距離范圍影像配準(zhǔn)。Bae 提出了一種對迭代最近點(diǎn)(ICP)的修改，使用隨機(jī)抽樣和幾何圖元，提出了一種發(fā)現(xiàn)對應(yīng)點(diǎn)的方法。Bucksch采用骨架化算法，該算法的目的就是從點(diǎn)云中獲取點(diǎn)集，然后描述它們之間的聯(lián)系，便于提取數(shù)據(jù)的一個圖形描述。 國內(nèi)這方面的應(yīng)用研究比較少見。近幾年，中國科學(xué)院寒區(qū)旱區(qū)環(huán)境與工程研究所聯(lián)合中國科學(xué)院遙感應(yīng)用研究所、北京師范大學(xué)和中國林業(yè)科學(xué)研究院資源信息研究所對甘肅黑河流域大野口的超級樣地進(jìn)行了地基Lidar的林分結(jié)構(gòu)三維掃描，進(jìn)行了超級樣地內(nèi)的森林結(jié)構(gòu)參數(shù)信息提取模型和方法研究(馬明國等,2009) 倪文儉等(2010)根據(jù)研究中利用TLS提取的樹干位置點(diǎn)云，截取從距地表最低點(diǎn)處1.28m到1.33m范圍內(nèi)的點(diǎn)構(gòu)成厚度為5cm的點(diǎn)云層,通過對點(diǎn)云做圓回歸，即可得到圓的位置和半徑。黃華兵(2008)在用地基Lidar提取DTM后，通過樹干點(diǎn)云的垂直分布連續(xù)特征來進(jìn)行樹干識別，最后結(jié)合圓擬合方法求得胸徑。鮑云飛提出的單木識別算法的核心是找到包含樹干點(diǎn)云的激光雷達(dá)點(diǎn)云范圍，它主要考慮地基激光雷達(dá)掃描森林樹木的特點(diǎn)，比較容易實現(xiàn)，而且省略生成DTM的步驟。
