【目的】以云南省普洱市天然林与杉木人工林为研究对象，针对云南省山区森林树种繁多、林下灌木草本茂密的林分环境，根据森林中树木的形态特征，利用地基激光雷达（ＴＬＳ）扫描数据提取样地尺度单木胸径与树高，为森林调查工作提供参考。【方法】将获取的多站地基激光雷达扫描数据分为多站拼接及单站２种分析方式，采用ＨｏｕｇＨ变换算法及树干的形态特征对样地内单木进行识别与胸径提取，根据树干生长方向及单木在垂直方向上的分布提取树高。【结果】１）对于多站拼接数据，即使在林分条件最为复杂的原始林，单木识别率仍可达到８１％；对于单站数据，随着扫描距离增加，单木识别率降低，实际操作时单站布设比多站拼接简单；２）多站拼接胸径及．．．

【目的】探索基于背负式激光雷达(BLS)和无人机机载激光雷达(ULS)技术获取林分三维点云的优势，利用Li DAR360 MLS和LiDAR360软件实现单木胸径和树高的精准测量，确定效果较优的单木分割和提取方法。【方法】以云南省富民县罗免乡6个半径为15.0 m的圆形云南松Pinus yunnanensis天然纯林样地为例，采用最近迭代点算法(ICP)融合BLS和ULS点云，利用LiDAR360 MLS和LiDAR360软件对点云数据进行去噪、点云分类、归一化和单木分割，并提取单木胸径和树高，利用线性拟合方法建立实测值与估测参数的相关关系，评价胸径和树高的估测效果。【结果】LiDAR360 MLS基于深度学习分类相较于LiDAR360基于高程信息分类，提取的株数信息更符合实际，BLS和融合点云单木提取株数一致，召回率均达到100%。ULS通过种子点进行单木分割，效果较好，准确度、召回率和F测度分别为94.59%、88.98%、91.70%，但受冠层连通性影响，仍存在一定的欠分割和过分割情况；基于BLS胸径提取的决定系数(R~2)和均方根误差(E_(RMSE))分别达0.904和2.046 cm，基于BLS树高提取的R~2和E_(RMSE)分别为0.791、1.173 m。融合点云受树干周围离散点的影响，胸径提取效果相对BLS效果较差，R~2和E_(RMSE)分别为0.881和2.284 cm，但融合点云冠层和林下信息较完整，树高的估测精度较BLS高，R~2和E_(RMSE)分别为0.933、0.812 m。【结论】由于工作原理上的差异，ULS和BLS技术分别在获取冠上和林下点云方面各具优势，融合两者可达到互补的效果，能够更加精细地反映森林空间结构，实现胸径和树高的高精度提取。图5表3参28

【目的】点云密度是影响机载激光雷达数据获取和预处理成本的关键因素,探明点云密度对森林参数估测精度的影响,为机载激光雷达大区域森林调查监测应用技术方案的优化提供参考依据。【方法】基于我国广西一个亚热带山地丘陵区域获取的机载激光雷达和样地数据,通过系统稀疏方法,将全密度点云(4.35点·m~(-2))分别稀疏至4.0、3.5、3.0、2.5、2.0、1.5、1.0、0.5、0.2和0.1点m~(-2),得到11个样地尺度的点云数据集,包括1个全密度和10个稀疏密度点云数据集;应用配对样本t检验方法,分析4种森林类型(杉木林、松树林、桉树林和阔叶林)中稀疏密度点云和全密度点云之间12个激光雷达变量的差异;通过变量和结构固定的多元乘幂模型式,分别采用不同密度点云数据集对林分蓄积量(VOL)和断面积(BA)进行估测,比较模型优度统计指标决定系数(R~2)、相对均方根误差(rRMSE)和平均预估误差(MPE)的差异,并应用t检验方法分析稀疏密度点云VOL和BA估测值均值和全密度点云相应估测值均值的差异。【结果】1)点云密度较低时,稀疏密度点云分位数高度(ph25、ph50和ph75)的均值与全密度点云相应变量的均值存在显著性差异,但不同森林类型、不同变量出现显著性差异时的点云密度不同,各森林类型中稀疏密度点云平均高(H_(mean))和点云高变动系数(H_(cv))的均值与全密度点云相应变量的均值基本不存在显著性差异,但点云最大高(H_(max))的均值存在显著性差异;2)各森林类型中,稀疏密度点云冠层覆盖度(CC)和中下层分位数密度(dh25)的均值与全密度点云相应变量的均值差异不显著(阔叶林dh25除外),但中上层分位数密度(dh50和dh75)存在显著性差异;3)各森林类型中,稀疏密度点云平均叶面积密度(LAD_(mean))的均值与全密度点云LAD_(mean)的均值存在显著性差异,当点云密度较低时,稀疏密度点云叶面积密度变动系数(LAD_(cv))的均值与全密度点云LAD_(cv)的均值存在显著性差异;4)各森林类型中,不同密度点云VOL和BA估测值差异很小,且均不存在显著性差异,但随点云密度降低,杉木林、松树林和桉树林VOL和BA估测模型的R~2缓慢逐渐减小,rRMSE和MPE缓慢逐渐增大,森林参数估测精度逐渐降低,阔叶林VOL和BA估测模型的R~2、rRMSE和MPE受点云密度变化影响不大。【结论】点云密度降低导致激光雷达变量标准差增大是造成森林参数估测模型精度降低的主要原因,在实际机载激光雷达森林资源调查监测应用中,点云密度以大于0.5点·m~(-2)为宜。

激光雷达(LiDAR)是一种适用于大范围快速获取森林三维数据的新手段,但是基于Li DAR的林业参数估计算法和提取精度仍有待进一步提高。以海南省三亚市热带区域森林为研究对象,基于其扫描获取的Li DAR点云数据提出了改进的动态移动窗口搜索算法,进行冠高模型建模与生成,并提出了基于此模型进行林木平均高度估计的方法。通过改进的算法,利用C#编程、Las Tools、Arc GIS等相关工具对点云数据进行网格化,从而进行DEM和DSM提取、CHM生成、平均树高等参数估计。结果表明:经过算法的改进,大面积森林的数字地面模型(DEM)、数字表面模型(DSM)和冠高模型(CHM)可以从Li DAR数据中快速提取,但Li DAR点云获得的树高值比实际值低。这是由于Li DAR数据树顶的错失及点云的低密度所导致的,然而通过最低树高值的不断增加,其实测值与估计值的差值也在逐渐缩小。

机载激光雷达是一种主动遥感技术。在林业应用方面,高采样密度激光雷达能够获取单株木三维结构特征,采用不同的数据处理方法,可以得到不同精度的单株木参数。该文利用高采样密度的机载激光雷达数据(离散回波,平均激光点间隔0.52 m、平均光斑直径0.3 m),研究了单株木的树高提取技术和树冠边界识别算法,针对单株木的树冠特征,提出了一种双正切角树冠识别算法;最后,使用重庆铁山坪林场的9个外业样地数据,对单株木树高和冠幅,以及样地平均树高和平均冠幅进行了验证。结果表明,单株木树高和冠幅的R2分别为0.34和0.03,样地平均树高和平均冠幅的R2分别为0.97和0.71,样地尺度的相关性明显高于单株木尺度的...

用激光雷达(LiDAR)数据和航空数码影像相结合进行单木水平树高反演。对研究区的LiDAR点云数据进行滤波和分类,根据地形特点、地表植被状况以及其他地类的分布,采用TinFilter滤波算法提取地面回波点和植被回波点。用面向对象的方法对高空间分辨率(25cm)的航空数码影像进行单株木检测。通过多尺度、树冠模式的分割创建影像对象和类层次,用最邻近距离和成员函数法进行影像对象的分类,并基于分类结果进行再分割。对分割后的树冠多边形进行边缘优化,以准确识别单株木。将植被回波点和影像分割后得到的树冠多边形进行叠加,计算多边形内的LiDAR数据最大高程差值,与实测树高进行相关分析,建立单木树高估测回归方程...

【目的】运用激光雷达技术识别提取林隙面积、边界木高和形状指数,为林隙结构参数调查提供技术支持。【方法】以机载激光雷达数据为数据源,以东北林业大学帽儿山实验林场内设置的5块林隙调查样地中的54个林隙为研究对象,通过对比普通克里金插值、反距离权重插值、样条插值、自然临近插值和局部多项式插值确定最优插值方法得到冠层高度模型,运用交替贯序滤波法对冠层高度模型进行林隙识别提取。【结果】通过对比5种插值方法的RMSE发现,普通克里金法适合插值DEM,反距离权重法适合插值DSM;采用交替贯序滤波法识别提取林隙时,林隙识别率为92.6%,运用配对检验法对提取的林隙面积、边界木高与野外调查数据进行检验,基于激光雷达技术提取的林隙面积和边界木高与野外实测值呈较强线性关系,R~2分别为0.983和0.737,其中提取的林隙面积与实测值平均相对误差为15.78%,林隙边界木高与实测值平均相对误差为11.94%。【结论】基于机载激光雷达数据采用交替贯序滤波能有效识别林隙且能准确提取其结构参数;坡度、坡位及冠层结构复杂程度都会影响冠层高度模型的插值精度;林隙面积提取受林隙边界形状和林层结构影响,林隙边界木高随着样地地形、坡度增加误差也随之增大。机载激光雷达技术具有获取地形和树木三维结构信息的优势,可为林隙识别及其结构参数提取提供新的遥感方法。

【目的】为了精确构建树木的三维模型,基于背包激光扫描(Backpack laser scanning,BLS)系统获取的单木点云数据,提出了一种动态圆柱拟合方法提取树木真实的骨架曲线。【方法】以广西壮族自治区南宁市高峰林场为研究区。从样地点云数据中分离出单棵杉木点云,对其地面点与树叶点进行滤波处理,得到单木枝干点云。根据树木单枝近似圆柱特性,提出动态圆柱拟合算法,将单木枝干点云分割成大量单枝点云,并对单枝点云进行优化。分别对优化后单枝点云的XYZ坐标进行主成分分析,计算其特征值,最大特征值所对应的特征向量即为主方向。基于体元逐层聚类,沿主方向进行骨架点的提取,并利用3次B样条曲线对单枝骨架点进行平滑处理以获取单枝骨架曲线。利用同向向量近邻点搜索方法确定单枝骨架曲线连接点,实现骨架曲线拼接,从而实现完整单木骨架曲线的提取。【结果】对样地单株杉木进行骨架曲线提取,设置3种动态圆柱递减参数δ。递减参数为0.3 cm时,点云利用率为95.04%,处理时间为515.05 s;递减参数为0.5 cm时,点云利用率为92.70%,处理时长为369.34 s;递减参数为0.8 cm时,点云利用率79.70%,处理时长为349.35s。参数为0.3cm时,点云利用率最高,能够非常完整的提取骨架曲线;参数为0.5cm时,点云利用率可以满足骨架曲线的提取,并且算法运行时间相比于参数0.3 cm时降低了28.29%;参数为0.8 cm时,部分单枝存在缺失现象,无法满足骨架曲线提取要求。【结论】将递减参数设置为0.5 cm,利用动态圆柱拟合方法提取背包激光扫描单木点云的骨架曲线能够表征单木的几何、拓扑结构。

【目的】为了精确构建树木的三维模型，基于背包激光扫描(Backpack laser scanning,BLS)系统获取的单木点云数据，提出了一种动态圆柱拟合方法提取树木真实的骨架曲线。【方法】以广西壮族自治区南宁市高峰林场为研究区。从样地点云数据中分离出单棵杉木点云，对其地面点与树叶点进行滤波处理，得到单木枝干点云。根据树木单枝近似圆柱特性，提出动态圆柱拟合算法，将单木枝干点云分割成大量单枝点云，并对单枝点云进行优化。分别对优化后单枝点云的XYZ坐标进行主成分分析，计算其特征值，最大特征值所对应的特征向量即为主方向。基于体元逐层聚类，沿主方向进行骨架点的提取，并利用3次B样条曲线对单枝骨架点进行平滑处理以获取单枝骨架曲线。利用同向向量近邻点搜索方法确定单枝骨架曲线连接点，实现骨架曲线拼接，从而实现完整单木骨架曲线的提取。【结果】对样地单株杉木进行骨架曲线提取，设置3种动态圆柱递减参数δ。递减参数为0.3 cm时，点云利用率为95.04%，处理时间为515.05 s；递减参数为0.5 cm时，点云利用率为92.70%，处理时长为369.34 s；递减参数为0.8 cm时，点云利用率79.70%，处理时长为349.35s。参数为0.3cm时，点云利用率最高，能够非常完整的提取骨架曲线；参数为0.5cm时，点云利用率可以满足骨架曲线的提取，并且算法运行时间相比于参数0.3 cm时降低了28.29%；参数为0.8 cm时，部分单枝存在缺失现象，无法满足骨架曲线提取要求。【结论】将递减参数设置为0.5 cm，利用动态圆柱拟合方法提取背包激光扫描单木点云的骨架曲线能够表征单木的几何、拓扑结构。

【目的】利用具有高扫描频率的线阵激光雷达辅助地面验证过程进行单木定位，快速、准确地对应样地观测结果与地面验证数据，为精准林业调查提供技术支持。【方法】以中山大学珠海校区内的人工林为研究对象，在地面验证每木调查过程中，借助线阵扫描激光雷达（本文中将其定义为监测激光雷达）辅助单木定位，首先解决背包式与监测激光雷达点云配准的问题，获取样地单木位置基准底图；然后基于背景差法，利用监测激光雷达实时追踪样地动态目标，获取地面调查人员的位置信息，并结合背包式激光雷达获取的单木位置底图，间接判断地面验证人员所测单木的位置，进而实现样地观测结果与地面验证每木调查数据的对应。【结果】对于两块不同条件的样地数据，背包式激光雷达与监测激光雷达点云粗配准均方根误差均小于0.2 m，远小于样地立木间最小间距，满足对应的要求；利用本研究的动态目标追踪和对应方法，以追踪到的地面调查人员位置点为种子点，通过最邻近搜索获取基准底图中与种子点最邻近的单木位置，实现样地观测数据与地面验证每木调查数据对应，对应准确率高于95%，平均每帧序列点云处理时间小于0.1 s，可以达到实时性的要求。【结论】本研究提出的方法-利用激光雷达在地面验证每木调查过程中辅助单木定位，可以提高样地观测结果与地面验证数据对应的精度和效率，有助于推动精准林业调查技术的进步。

利用三维激光雷达森林回波波形模型模拟了地形对波形的影响,并用ICEsat GLAS的数据对模拟结果进行了验证。结果表明坡度对大光斑激光雷达波形影响较大,随着坡度的增大,地面回波和树冠回波都展宽,波形长度也随之增加,同时地面的波峰和植被的波峰值都降低,来自地面的回波明显减少,并逐渐与靠近地面的回波发生信息混叠。鉴于二者的关系呈近似线性正相关,在实际的森林参数反演中可望通过减去一个含有坡度或地形起伏度的因子进行地形效应纠正。

【目的】探索不同树种在样地和单木尺度上无人机激光雷达点云数据的单木分割效果,选取哈尔滨城市林业示范基地阔叶林(水曲柳)和针叶林(樟子松)两块样地为研究对象,对样地内树木点云进行单木分割并评价其分割效果,为后续单木结构参数的提取提供数据支持,同时丰富森林资源信息的调查手段。【方法】通过无人机激光雷达获得样地树木点云数据,然后分别采用改进的K均值聚类算法和基于相对间距的阈值分割算法对水曲柳和樟子松样地进行单木点云数据分割。其中,水曲柳样地点云数据处理采用改进的K均值聚类算法,通过树干点云位置推算初始聚类中心,减少因树冠重叠导致的错误分割;樟子松样地点云数据处理则采用基于相对间距的阈值分割算法,通过设定多条阈值规则并利用动态最大值滤波器对树顶进行精确探测,提高算法的分割精度。最后,基于样地和单木点云完整度两个方面对点云数据分割效果进行评价。【结果】1)从样地尺度来看,水曲柳和樟子松样地单木识别率分别为0.91和0.87,相应的调和值(F)分别为0.91和0.88,结果显示单木分割的整体效果较好。水曲柳样地召回率(r)为0.87,精确率(p)为0.95,算法分割过程中产生的错误分割较少。樟子松样地算法分割的单木也多为正确分割(r=0.82、p=0.94),其分割误差主要来自于单木欠分割,过分割现象相对较少。2)从单木点云分割的完整程度来看,水曲柳样地的单木平均正确分割率为75.6%,点云平均欠分割率为24.3%,平均过分割率为18.5%,单木点云的最大错误分割率为31.8%,不同单木之间分割精度有较大差异;樟子松样地的单木分割精度较稳定,平均正确分割率达84.1%,平均欠分割和过分割率分别为16.3%和9.0%,表明单木点云不存在大量错误分割的情况。【结论】基于树木形态结构特征改进了两种优化单木点云数据分割算法,两种算法下分割的森林样地单木精度在不同评价尺度中表现均较好,对林中树木出现的树冠重叠、遮挡、偏移等现象均有一定的辨别能力,实现了森林样地树木点云数据的单木精确分割。

以内蒙古根河市潮查林场境内的寒温带兴安落叶松原始林及其次生林为研究对象,利用机载激光雷达点云数据与地面调查的66个样地数据,采用不同算法计算样地实测树高(Lorey’s高、冠幅面积加权树高和算术平均高)分别与基于双正切角树冠识别算法获取的Li DAR估测高(冠幅面积加权树高、算术平均高)和基于点云提取的百分位高构建树高回归模型(冠幅面积加权树高模型、算术平均树高模型和Li DAR百分位树高模型)。对比不同树高模型的训练精度与估测精度的差异,探讨双正切角树冠识别算法对本研究区的适用性;同时了解冠幅面积加权的样地实测树高与Lorey’s高对林分平均高代表性的差异,确定最优解释变量,筛选最优树高模型...

本文使用Xilinx FPGA作为开发平台，设计了一种基于SD卡的新型单光子激光雷达数据存储平台。针对单光子激光雷达的数据特点，验证了通过DDR3芯片SD卡在2.0版本SPI模式下可以发挥削峰填谷的作用，确保单张SD卡能够稳定以最大5 Mbps的写入速率稳定工作。同时，该文验证了采用多SD卡扩展方案可以进一步提升写速度，并将存储能力提高至0.5 TB以上。如果将SD卡提升至3.0版本，理论上单卡存储能力可以达2 TB。该存储系统已实际应用于单光子激光雷达的成像实验，由于SD卡轻巧、稳定和抗干扰等优点，新的存储方案在数据容量、集成度、能耗和成本等指标方面与目前通用方案相比均有显著的提升。SD卡存储方案的高性价比特点对未来广泛应用于单光子雷达的量产具有较大吸引力。这种新的数据存储方案在无人机载、船载和车载测绘等低载荷、高集成的单光子激光雷达产品的实际应用中具有优势。

为探索激光雷达在农业机器人环境理解和导航中的应用,研究一种基于改进DBSCAN算法的果园树干检测算法。该算法使用自适应密度阈值和聚类半径对不同距离处数据点进行聚类和整合,以克服DBSCAN算法对全局变量值敏感的缺点。针对激光雷达可能扫到地面造成机器人误检的问题,采用机器人航位推算模型计算当前帧数据中待定类的距离,通过与前一帧数据中对应类距离的比较判定待定类的类别,进而对地面干扰类进行排除。试验结果表明:1)机器人正常行走时本算法能够排除噪声准确识别树干类点;2)存在果树分枝或地面干扰时,有少量漏检,平均误判果树数目为-0.13棵,能够区分出地面类和果树类。该研究可以应用到农业机器人果园环境理解...