对利用野外树木激光扫描获取的海量点云数据来提取树木几何与拓扑特征并以此来构建树木三维模型的方法进行综述。在总结基于激光点云的树木建模基本原理和步骤的基础上,围绕单树点云数据的分割、树枝骨架的提取与优化、单木模型的表面重建等主要过程,对各种具体实现技术或方法进行分类、分析和评价,最后对生成的树木模型的精度和未来的技术发展趋势进行简要分析。

为了更好地建立单木三维彩色模型，获得准确表型参数，提出了一种基于Kinect v2相机和激光雷达的单木点云信息融合检测方法。首先由激光雷达采集樱树单木所在区域的完整环境点云，生成点云地图；由Kinect相机采集樱树单木多视角点云得到完整的三维彩色点云；然后以激光雷达点云位置为基准，通过选取对应同名点的方式对2种点云进行初始配准，使点云之间具有良好的初始位置关系，再使用最近点迭代（iterative closest point, ICP）算法对点云进行精配准；最后使用彩色点云对雷达点云进行点云着色融合处理，实现樱树单木的三维重建。结果显示：与只使用Kinect v2相机生成的樱树单木表型参数对比，融合后的樱树单木的株高、冠幅和胸径的平均相对误差分别降低了1.52、6.46和18.17个百分点。研究结果表明，Kinect v2深度彩色相机和激光雷达在单木三维重建上能实现优势互补，提升点云配准精度，同时，既能降低光照气候条件的影响，又能增加测量距离，单木表型参数更准确。

为探索地基激光雷达数据在植物真实三维建模上的应用,研究基于MeshLab软件的三维Alpha-Shape算法和移动立方体算法进行玉米植株三维真实模型的重建。三维Alpha-Shape算法基于离散激光雷达点云构建Delaunay三角网,通过Alpha值的设置判断各单纯形是否保留,完成玉米植株三维重建。移动立方体算法则通过查找每个体素与等值面相交的交面,所有交面连在一起即为所求的等值面。Alpha值分别设置为0.006 290、0.012 638、0.018 635,采用Alpha-Shape算法进行单株玉米三维重建,试验结果表明:当Alpha值设置较小时,对玉米叶片、茎秆等细节信息表达的比较精细...

【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。

【目的】林木参数是森林蓄积量、森林生物量估算的基础指标，传统的人工调查方式费时费力，已难以适应新形势下数字化森林资源监测技术的要求。地面激光雷达扫描技术能够获取小尺度高分辨率的林分内部结构信息，为林分环境条件下林木胸径、树高提取提供一种新的思路。【方法】以芦头实验林场杉木林样地为研究对象，针对FARO Focus 3D X330三维激光扫描仪设计了7种不同的扫描组合方式对样地进行扫描，提出象限角点云简化思路进行参数提取和精度评价，探究不同扫描组合方式对林木胸径、树高参数提取精度与效率的影响。【结果】1）当扫描分辨率为1/2、质量为4X时，胸径参数提取精度最高；当扫描分辨率为1/4、质量为4X时，树高参数提取精度最高。2）在林木参数提取结果没有显著性差异的前提下，扫描分辨率为1/4、质量为4X的扫描参数工作效率最高。3）选取同时兼顾精度和效率的1/4扫描分辨率、质量4X的扫描结果，进行象限角点云简化，简化的点云能够准确地提取出林木胸径参数。【结论】研究结果对于具有相同或相似地理条件和树种的林地选择扫描参数和点云简化方式具有重要参考价值，可以提高内业工作效率，同时也为地面激光雷达野外样地调查提供方法和技术参考。

【目的】为提高森林单木生物量估测精度和效率,本研究基于无人机激光雷达技术对哈尔滨城市林业示范基地的水曲柳、樟子松样地进行点云数据获取及单木生物量估测。【方法】通过优化算法对获取的点云数据进行树高、冠幅等单木结构参数的提取;然后基于改进的凸包算法获取树冠体积、树冠投影面积等树冠因子。最后将上述获得的单木结构参数引入传统CAR生物量模型中,建立基于无人机激光雷达点云数据的单木生物量模型。【结果】1)基于点云数据提取的单木结构参数与实测数值间的相关性较好。其中水曲柳样地平均冠幅和树高值的决定系数R2分别为0.82和0.86,而樟子松样地平均冠幅和树高的决定系数R2分别为0.80和0.84。2)通过与国家林业局颁布的水曲柳、樟子松生物量异速生长方程进行对比得出,当引入树高、冠幅、树冠投影面积和树冠体积作为CAR模型参数时构建的生物量模型拟合效果最优,R2分别为0.83、0.79,相应的均方根误差RMSE分别为18.912和8.120 kg/株。通过最优生物量模型评价指标可以看出,两块样地生物量模型的总相对误差SRE分别为-0.541%和0.311%,平均相对误差MRE分别为0.014%和0.020%以内,而平均相对误差绝对值MARE分别为9.19%和6.95%。3)当引入树冠体积作为变量时,生物量模型的精度明显提高。相比于树高、冠幅作为变量的模型,树冠体积的引入使得水曲柳、樟子松生物量模型的R2分别提高了0.076和0.060,RMSE分别下降6.759和1.386 kg/株。【结论】本研究说明无人机激光雷达点云数据能够通过结合其提取的单木结构参数对森林单木生物量进行估测研究,并能取得较好的拟合优度和较高的预测精度。

以果园典型路面不平度的采集为研究对象，建立基于激光雷达点云处理的路面不平度采集方法，搭建了基于三维激光雷达的路面不平度采集系统平台，结合点云处理技术完成路面高程信息的提取；采用AR(auto regressive，自回归)模型依据比例分析法对路面功率谱密度进行计算，确定不平度等级，并通过加速度振动记录仪进行系统验证，利用系统开展典型果园路面不平度数据信息采集试验。试验结果显示，果园路面不平度结果为水泥路面主要集中在B级，B级占比82.33%；砂石路面主要集中在C级，C级占比84.00%；泥土路面主要集中在D、E等级，D级路面占比48.67%,E级占比31.00%，表明基于三维激光雷达采集系统与数据处理方法在果园路面不平度采集和评价上是可行的。最终不平度评价结果显示，三维激光雷达果园路面不平度采集系统应用可靠，评价结果准确，适合于山地林、果、茶园路面不平度的采集。

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。

【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。

【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

随着激光雷达(Light Detection And Ranging,LiDAR)技术在近二十年的快速发展,LiDAR数据被广泛用于各个行业的3D测量、空间建模和参数反演。森林由于其地物垂直结构复杂,林木属性多变,是高分辨率遥感技术面临的一大难点。虽然林业上已使用LiDAR数据进行林区地形建模、森林树种分类、植被参数提取等研究,全波形LiDAR数据分类的基础工作仍存在若干系统性的技术问题:新型LiDAR系统的性能得到极大提升,但也引入新的数据处理模型问题;LiDAR系统光谱波段单一,目标刻画仍主要局限于点

基于移动式三维激光雷达，建立了一种柑橘冠层结构信息(树高、冠幅、分枝角度)的获取方法：1)利用移动式三维激光雷达获取柑橘三维点云数据；2)选定SOR滤波组合(k,α)分别为(100,0.9),(20,1.2),(100,0.9)对冠层残缺叶片点云和叶片边缘点云进行滤波处理；3)利用Mean shift算法求取植株点云中心结合采集点角度，完成点云初始匹准；4)运用ICP算法进行精准拼接并构建完整植株的三维模型，提取柑橘的株高、冠幅和枝干角度信息。验证结果表明，三维模型获取树高、冠幅、枝干角度的相对误差分别小于等于2.5%、小于等于4.5%、小于等于5.5%，判定系数R~2大于0.97，均方根误差大于5.1。

基于移动式三维激光雷达，建立了一种柑橘冠层结构信息(树高、冠幅、分枝角度)的获取方法：1)利用移动式三维激光雷达获取柑橘三维点云数据；2)选定SOR滤波组合(k,α)分别为(100,0.9),(20,1.2),(100,0.9)对冠层残缺叶片点云和叶片边缘点云进行滤波处理；3)利用Mean shift算法求取植株点云中心结合采集点角度，完成点云初始匹准；4)运用ICP算法进行精准拼接并构建完整植株的三维模型，提取柑橘的株高、冠幅和枝干角度信息。验证结果表明，三维模型获取树高、冠幅、枝干角度的相对误差分别小于等于2.5%、小于等于4.5%、小于等于5.5%，判定系数R~2大于0.97，均方根误差大于5.1。

【目的】提出一种冠层高度模型（CHM）与数字表面模型（DSM）相结合的单木分割方法，以解决无人机激光雷达提取地形坡度较大区域CHM时因树冠形变导致单木分割精度降低的问题。【方法】利用无人机激光雷达数据，在福建省顺昌县洋口林场地形起伏较大的中、高郁闭度杉木人工林中选择中龄林和幼龄林各3块标准地，结合地面实测数据和目视解译方法，对CHM与DSM相结合（优化方法）的4种窗口的局部最大值法的树顶点探测和极值标记的分水岭算法的单木分割进行精度评价，并与仅基于CHM的传统方法的树顶点探测和单木分割进行对比分析。【结果】树顶点探测方面，随着窗口增大，每块样地探测的单木总数量和探测百分比均呈下降趋势；中龄林3块样地的最佳窗口为0.3 m，幼龄林3块样地的最佳窗口为0.2 m，此时6块样地1∶1对应关系的单木数量和生产者精度均最大；在相应最佳窗口条件下，仅基于CHM的局部最大值法因树冠形变存在容易产生单木多树顶点探测现象，传统方法的单木探测百分比高于优化方法，但传统方法的树顶点探测精度低于优化方法。幼龄林的树顶点探测精度高于中龄林，这是因为幼龄林样地冠幅和单木相邻距离更一致，更适应固定窗口的局部最大值法。单木分割方面，优化方法的单木分割精度高于传统方法，幼龄林的单木分割精度高于中龄林。【结论】局部最大值法的树顶点探测和分水岭算法的单木分割直接数据源为DSM，是树冠表面真实起伏状况的反映，没有树冠形变，研究结果为更真实的树顶点和单木树冠边界。CHM与DSM相结合的单木分割方法在中、高郁闭度杉木人工中、幼林中分割精度较高（6块样地探测率r均大于88%，准确率p均大于92%,F得分均大于91%），将该方法集成在ArcGIS模型构建器中，可为精准化、自动化、集成化的无人机激光雷达单木分割应用提供可能。

[目的]田间产量分级研究对小麦(Triticum aestivum)育种、栽培和农业生产均具有重要意义。本研究旨在通过激光雷达对小麦冠层性状进行表型采集和动态监测，基于三维性状为田间产量分级提供分型依据。[方法]基于背包式激光雷达采集的三维点云开发了大田点云矫正、精准小区点云分割、修正和提取冠层区域点云等三维表型性状分析流程；在各关键生育时期对486个小区提取冠层性状，如作物高度、冠层覆盖度、三维冠层表面积和三维冠层指数(3DCI)。[结果]通过算法流程获取的冠层性状与人工统计数据进行线性回归分析，计算决定系数R~2(P<0.001,n=486小区),包括作物高度(R~2=0.866 0,RMSE=5.66 cm)、冠层覆盖度(R~2=0.899 3,RMSE=0.057 4)、三维冠层表面积(R~2=0.836 4,RMSE=0.170 3)、3DCI(R~2=0.769 5,RMSE=0.265 5)等，验证了算法的可靠性。再通过人工产量数据确定灌浆期为产量分级的关键时期，进而完成了基于性状的聚类分析、产量分级和品种分类。[结论]本研究提出的算法能有效提取小区尺度的冠层性状，以此对不同小麦品种的产量和高产表型分类，为育种栽培和农业生产中产量分级研究提供了可靠的表型依据和解析技术。