基于无人机激光点云的单木特征提取技术在地形勘测中的应用

森林资源在维护生态平衡,保护生物多样性,促进经济发展和维持社会文化价值等方面具有重要作用。树木高度是反映森林生产力和健康的重要结构参数,同时也是影响郁闭度高的区域地形图精度的重要因素。随着无人机技术和激光雷达技术的发展,无人机机载激光雷达技术成为森林资源调查的重要手段。本文应用无人机机载激光雷达获取激光点云数据,并对激光点云数据进行处理得到冠层高度模型,进而使用分水岭算法进行单木分割和特征提取,最后基于先验知识对树高和冠幅面积进行了拟合,得到了较好的拟合模型。经验证,激光点云数据符合精度要求,拟合模型R^(2)=0.62,拟合效果较好。本研究为后续进行树高预测,进而提高植被郁闭度高区域地形图精度的相关研究奠定了基础。

基于树木相对位置关系的多时相机载激光雷达人工林点云匹配

人工林资源的精准监测是提升人工林培养质量、可持续经营管理水平及准确估测人工林碳储量的前提。使用机载激光雷达可获取高精度的森林冠层结构信息,然而,只有在同一森林区域获取多期激光雷达点云并进行精准匹配的基础上,才能有效实现人工林资源的动态监测。针对人工林树种单一、排列规整,缺乏纹理特征等特点,基于树木的相对空间关系,创建了一种高鲁棒性的多期机载激光雷达人工林点云匹配算法。首先,利用地面点进行z轴配准,并对两期点云进行单木分割,获取树位置和高度信息,并根据树木水平及垂直方向的相对关系提取单木匹配特征;其次,建立合适的相似度函数,结合单木匹配特征构造加权二分图模型,并使用最大权匹配算法得到两期树木对应关系;最后,使用奇异值分解求解最优变换矩阵,完成配准。通过在江苏省沿海典型人工林研究区(主要树种为杨树和水杉)进行试验验证,结果表明:该匹配算法在水杉和杨树的典型样地中配准效果均较好,其中水杉样地(配准后RMSE=42.5 cm)配准结果优于杨树样地(配准后RMSE=58.8 cm)。该算法能够有效提升多期机载激光雷达人工林点云的匹配精度,并为人工林的动态监测(特别是单木尺度的砍伐和生长等信息获取)提供了技术前提。