一种基于地面特征与树木位置关系的无人机和地基LiDAR点云配准方法

【目的】无人机激光雷达与地基激光雷达的工作方式不同,导致无人机点云缺乏林内信息,地基点云缺乏林冠信息,单一平台的LiDAR点云难以完整描述森林三维垂直结构,将这两者点云融合有利于消除各自的扫描盲区,估测更为准确的森林结构参数。基于此,提出了一种基于地面特征与树木位置关系的无标识自动化配准方法。【方法】选取哈尔滨城市林业示范基地内的蒙古栎和樟子松作为研究对象,采用大疆禅思L1激光雷达设备与FARO Focus3D X330三维激光扫描仪分别获取样地内的无人机和地基LiDAR点云。首先,利用改进的渐进式加密三角网滤波算法分别从无人机点云和地基点云中提取地面点云,基于两者相似的快速点特征直方图(FPFH)特征,使用随机采样一致性算法得到初始配准参数,完成初始配准。然后,从初始配准后的无人机点云和地基点云中提取相同高度处的树干点云的水平投影位置作为配准基元,分别构建不规则三角网,并基于三角形的角度相似性原理寻找同名三角形对。最后,使用奇异值分解法得到旋转平移参数,从而完成精细配准。【结果】蒙古栎样地内对应树木水平偏移距离的平均值为0.173 m,樟子松样地内对应树木水平偏移距离的平均值为0.283 m,2个样地的树木点云均取得了较高的配准精度。【结论】提出的点云配准方法有效实现了林区无人机点云数据和地基点云数据的配准,二者的融合可为快速完整地获取林木构型信息提供数据基础,从而推动多源激光雷达技术联合应用于林木三维重建和森林资源精细调查等方面。

融合无人机和地基激光雷达点云数据估测单木结构参数

激光雷达(Light detection and ranging,LiDAR)作为一种主动遥感技术,能够通过发射激光能量并接收返回信息的方式获取森林空间结构信息,然而,单独使用时存在扫描盲区,无法获取完整的森林树木三维点云。为此,提出融合无人机和地基LiDAR点云估测单木结构参数的方法,采用地面特征和树木位置关系的配准方法实现点云融合,并在融合点云数据的基础上提出一种改进的K均值层次聚类分割算法完成单木分割,然后根据基于分割后的单木点云使用轴对齐包围盒算法以及最小二乘拟合圆法分别提取单木树高和胸径,最后通过生物量异速生长方程估测单木生物量。研究结果表明,蒙古栎样地的树高、胸径和单木生物量的决定系数(R^(2))分别为0.84、0.93和0.91,单木结构参数的均方根误差(RMSE)分别为0.75 m、0.96 cm和26.31 kg/株;樟子松样地的树高、胸径和单木生物量的R^(2)分别为0.92、0.96和0.95,相应的均方根误差分别为0.43 m、1.06 cm和26.12 kg/株。融合无人机和地基LiDAR点云为快速完整地获取林木构型信息提供可靠的数据基础,为联合多源激光雷达技术深入林业应用提供有力的技术支撑。

一种局部直线拟合滤除地面点的林下SLAM算法

激光惯导融合的同步地图定位与建图(simultaneous localization and mapping,SLAM)算法可以实现林下三维点云地图构建。鉴于现有激光惯导融合SLAM算法建图的单木定位精度存在较大误差,导致建图效果难以满足林业应用要求,提出了一种局部直线拟合滤除地面点的林下SLAM算法,利用局部的直线拟合来判断地面点并滤除,提高树木特征比重,在激光惯导融合SLAM的前端匹配部分对点云数据进行建图,减小由地面点造成的树木匹配误差。在真实样地中对改进前后两种算法进行实验对比和综合量化评价。实验证明,算法改进后建图所得单木位置的平均绝对误差和均方根误差分别减少了61%和50%,说明该算法可以在林下得到更佳建图效果,可为森林资源调查提供技术支撑。