不同森林类型中UAV-LiDAR单木分割方法的性能评估

为了评估不同的单木分割方法,以确定在多种森林类型中使用无人机激光雷达进行高精度单木分割的最佳方法和参数设置,本研究比较了利用冠层高度模型(CHM)和归一化点云(NPC)数据的四种不同方法,使用了分水岭、可变窗口搜索、点云分割和K-means聚类进行单木分割,并从三种森林类型的九个样地中提取树高参数。通过实测样地数据对分割结果进行性能评估,并探讨了不同分割参数对结果的影响。在所有样地中,单木分割的总体F得分在0.63到0.9之间,不同单木分割方法之间的差异较大。可变窗口搜索的泛用性好,而PCS在复杂情况的单木分割中表现更佳,两者在不同复杂程度的样地中分割精度呈现互补状,采取差异化的分割方法策略有助于提高分割任务的效率和精度。分析和总结了各单木分割方法在不同林分条件下的分割性能及参数设置方案,为无人机激光雷达技术准确获取森林结构参数的提供了重要参考。

结合UAV-LiDAR和Sentinel-2的森林蓄积量估测

遥感技术结合实测样地数据能够实现稳健和高效的森林蓄积量(growing stock volume)估测,可以大大减少调查时间和成本,同时便于定期监测。以内蒙古自治区赤峰市旺业甸林场为研究区,以典型温带针叶人工林为研究对象,通过两阶段外推法,利用随机森林算法结合实测样地数据、UAV-LiDAR数据和Sentinel-2多光谱数据估测整个研究区人工林的森林蓄积量。将实测样地数据外推至UAV-LiDAR样地,建立Field-UAV-LiDAR模型;将第一阶段生成的UAV-LiDAR估测的森林蓄积量外推至全覆盖的Sentinel-2卫星图像,建立Field-UAV-LiDAR-S-2模型。通过与实测样地数据和Sentinel-2提取的特征变量建立的直接预测模型(Field-S-2)进行对比。研究结果表明,基于Field-UAV-LiDAR模型的森林蓄积量估测精度最高(R^(2)=0.79、RMSE为42.34 m^(3)/hm^(2)、rRMSE为19.24%),其次是基于Field-UAV-LiDAR-S-2模型的森林蓄积量估测精度(R^(2)=0.68、RMSE为50.19 m^(3)/hm^(2)、rRMSE为29.43%),基于Field-S-2模型的森林蓄积量估测精度最低(R^(2)=0.49、RMSE为63.25 m^(3)/hm^(2)、rRMSE为33.08%)。研究结果验证了结合UAV-LiDAR和Sentinel-2数据估测森林蓄积量有效性,为大面积森林蓄积量估测提供参考思路。

联合UAV-LiDAR和HMLS技术的森林样地点云数据融合

【目的】基于单一平台遥感数据提取的森林结构参数信息不全面,因此融合多平台遥感数据已成为遥感技术在林业应用中的发展趋势。本研究针对手持移动激光雷达和无人机激光雷达2种不同平台的数据,提出一种基于Delaunay三角网和迭代最近点(ICP)算法的点云数据融合方法,通过融合获得完整的树木点云数据。【方法】选取哈尔滨城市林业示范基地中樟子松和蒙古栎2块人工林作为研究样地,利用手持移动激光雷达和无人机激光雷达获取样地中树木点云数据,然后分别提取2种不同平台点云数据的树木位置点,使用2组位置点构建2个Delaunay三角网来搜索树木位置目标点与其对应点,以此实现点云的粗配准,并利用模拟退火算法优化粗配准过程。在此基础上,通过选取点云重合度高的部分树冠点云,利用ICP算法进行点云数据的精配准,从而实现2种平台森林样地点云数据的精确融合。【结果】粗配准和精配准中分别设置的线段差阈值和高度区域范围这2个参数对点云数据的配准有较大的影响,而粗配准中迭代次数参数的设置对融合结果的影响较小。在样地内部随机选取区域,将区域内配准后的2种平台点云的树木位置投影点坐标进行对比,得到樟子松和蒙古栎的投影点平均坐标偏移距离分别为0.19和0.25 m。根据采集数据时设置的标志物计算偏移误差,樟子松样地和蒙古栎样地融合结果的均方误差分别为0.0512和0.0802,樟子松样地点云数据的融合精度高于蒙古栎样地。【结论】本研究提出一种基于树木位置的不同激光雷达平台点云数据无标识融合方法,融合精度较高,空中与地面获取的点云数据实现了相互补充,可为森林结构参数的精确提取及树木三维模型构建提供数据支撑,从而推动激光雷达数据在森林资源调查等方面更加广泛地应用。

基于UAV-LiDAR和误差变量回归的落叶松人工林单木参数估测

【目的】以人工落叶松为例,探索基于无人机激光雷达(Unmanned aerial vehicle LiDAR,UAVLiDAR)点云的单木探测提取树高的误差对胸径反演的影响并校准,实现单木参数(胸径、树高)的准确度量,为大尺度高效便捷估测单木参数提供新的思路。【方法】以东北林业大学帽儿山实验林场13块4个龄组(幼龄林、中龄林、近熟林和成熟林)的落叶松人工林样地UAV-LiDAR数据及野外调查数据为数据源,基于UAVLiDAR点云的单木探测提取的树高,分别以普通最小二乘法(Ordinary least squares,OLS)和3种误差变量回归(标准主轴(Standard major axis,SMA)、远程主轴(Ranged major axis,RMA)和极大似然估计(Maximum likelihood estimate,MLE))构建胸径-树高模型,研究探测误差对各龄组人工落叶松胸径反演的影响并校准。【结果】利用UAV-LiDAR点云的单木探测提取4个龄组树高的相对均方根误差(rRMSE),误差范围为3.41%~5.14%;在胸径-树高模型预测方面,3种误差变量回归均优于OLS,RMA预测效果最好,4个龄组反演单木胸径的rRMSE降低了2.21%~3.58%。【结论】当满足模型假设时,误差变量回归比OLS在预测响应变量方面表现更好,是估计无偏的模型系数的理想方法,本研究中RMA方法表现最好;本研究所构建的人工落叶松胸径反演模型具有较高的预估精度,各项误差均保持在合理范围内,可实现应用UAV-LiDAR高效便捷地估测大尺度森林单木参数的目的,可在实践中推广。

基于UAV-LiDAR的人工林林分郁闭度估测

【目的】提取无人机激光雷达(UAV-LiDAR)点云数据特征变量,结合样地实测数据构建林分郁闭度估测模型,为快速准确估测人工林林分郁闭度提供基础数据和技术参考。【方法】以东北林业大学城市林业示范基地为研究区,基于多旋翼无人机激光雷达获取的点云数据进行人工针叶林和阔叶林林分郁闭度反演,根据点云的三维坐标和能量值计算高度、强度、冠层特征变量并采用主成分分析法降维,处理后的变量与利用植物冠层分析仪获取的郁闭度进行逐步回归分析,建立人工针叶林和阔叶林林分郁闭度估测模型,在ArcGIS平台上应用估测模型和反距离权重插值法进行林分郁闭度反演制图。【结果】冠层特征变量对针叶林郁闭度的估测精度影响最显著,强度特征变量对阔叶林郁闭度的估测精度影响最显著。人工阔叶林郁闭度的估测精度(Adj R2=0.725,RMSE=0.005)优于人工针叶林(Adj R2=0.722,RMSE=0.007)。应用估测模型和反距离权重插值法估测整个样地的郁闭度范围在0.81~0.87之间,筛选10个检验点的郁闭度与实测郁闭度显示出较高相关性(r=0.859)。【结论】结合多组LiDAR特征变量估测林分郁闭度能够充分挖掘LiDAR数据包含的冠层结构特性,提升估测精度。

基于UAV-LiDAR点云的地表三维形变同步提取方法研究

针对地表沉陷是时空同步的三维移动过程,而常规监测处理是将下沉和水平移动分开提取,该方法在带来误差的同时也无法反映变形的同步性.本文在无人机光探测与测距(UAV-LiDAR)点云的基础上,提出一种刚体点云变换的方法来同步提取地表三维移动变形,主要步骤为:对LiDAR点云进行连通域分割得到地面特征点云;以地面特征点云为刚体,联合快速点特征直方图(FPFH)和迭代最近点算法(ICP)对其配准并从变换矩阵中提取地表三维移动;采用多尺度模型到模型的点云比对(M3C2)算法改正配准误差,以鄂尔多斯王家塔煤矿为例进行应用并评定精度.试验结果表明:地表最大下沉为2.723 m,X和Y方向的最大水平移动量分别为0.65和0.75 m;地表三维形变内部符合精度为57 mm,而M3C2算法对形变误差改正后的精度为41 mm,精度提高了28%.对比实时动态载波相位差分(RTK-GPS)实测形变值,X,Y和Z方向的形变中误差分别为56,83和36 mm,验证了基于点云分割配准提取三维形变是可行的.

OT技术联合无人机LiDAR在矿区地表沉陷监测中的应用研究

目的为充分发挥不同尺度遥感监测在识别高强度煤炭开采地表形变方面的应用价值,方法利用卫星影像偏移量追踪技术和无人机激光雷达技术分别获取矿区尺度和工作面尺度的典型沉陷区及其参数,并结合地面观测站数据论证这两种不同尺度遥感监测的差异性。结果以神东矿区两景合成孔径雷达影像为例,利用偏移量追踪技术得到研究时段内矿区多处于地表沉陷中心,沉陷值为-3.8~0 m。无人机激光雷达技术有效识别出工作面尺度上的沉陷范围和量级,二次和三次采动区的地表沉陷量高于一次采动区的,有井下煤柱存在的区域沉陷量较小,沉陷量为-1.17~0 m。对比分析工作面两处典型区域无人机激光雷达差分数据与卫星偏移量追踪结果的差别,沉陷量较小的区域,偏移量追踪技术精度较高,沉陷量较大的区域,无人机激光雷达技术精度较高,两者得到下沉系数分别为0.61和0.72,说明无人机激光雷达获取的下沉系数更接近地面实测下沉系数。结论研究结果可为大范围和高效开采沉陷监测提供参考。

应用背包和无人机LiDAR数据对森林地上生物量估测

激光雷达(LiDAR)技术在林业调查中应用广泛,能够精确获取森林垂直结构信息。利用背包LiDAR结合实地调查样地,验证其替代实地调查的可行性;应用UAV-LiDAR数据,采用多元逐步回归(MSR)、支持向量机(SVM)和随机森林(RF)算法,建立地上生物量估测模型并进行对比分析。研究结果显示:(1)在人工干预下,应用背包LiDAR数据提取的单木参数与实测值高度相关,平均胸径的决定系数(R^(2))为0.98,均方根误差(R_(MSE))为0.35 cm;平均树高的R^(2)为0.96,R_(MSE)为0.63 m。(2)应用背包LiDAR构建的生物量样本,利用UAV-LiDAR建立的AGB估测模型中,随机森林模型表现最佳(R^(2)=0.75,R_(MSE)=23.58 t/hm^(2)),其次是支持向量机模型(R^(2)=0.63,R_(MSE)=30.49 t/hm^(2)),多元逐步回归模型表现最差(R^(2)=0.54,R_(MSE)=35.60 t/hm^(2))。因此,背包LiDAR获取的单木胸径及树高精度较高,可替代实测样地生物量,以扩大样本覆盖范围;应用背包LiDAR数据结合机载LiDAR,可实现较大尺度的森林生物量快速估测,为大范围森林生物量反演提供了一种可行方法。

点云密度对无人机激光雷达森林参数估测精度的影响

[目的]点云密度是影响无人机激光雷达数据获取和预处理成本和效率的关键因素,探明点云密度对林分尺度无人机激光雷达森林参数估测精度的影响,有助于优化无人机激光雷达森林应用技术方案。[方法]以马尾松、桉树人工林为研究对象,采用百分比重采样方法,对密度为247点·m^(-2)的原始点云按40%、20%、8%、4%和2%的比例降低点云密度,得到1个全密度原始点云数据集和5个稀疏密度点云数据集;每个数据集独立进行点云分类、地面点滤波和数字高程模型生成、点云高度归一化等预处理并提取激光雷达变量;对于同一森林类型的同一个森林参数(林分蓄积量、断面积、平均高和平均直径)的估测,各个数据集都采用相同的乘幂模型结构式进行模型拟合,然后比较分析模型优度统计指标的差异,包括:决定系数(R^(2)),相对根方根误差(rRMSE)和平均预报误差(MPE);采用配对样本t检验方法对各个数据集的森林参数估测结果和激光变量的差异进行统计分析。[结果]当点云密度分别稀疏至100、50、…、5点·m^(-2)时,各个森林参数估测模型的精度保持基本一致;各个稀疏密度点云数据集的森林参数估测值的均值与原始点云数据集的估测值的均值不存在显著性差异(p≥0.05);各个稀疏密度点云数据集激光变量的均值和原始点云数据集激光变量的均值基本上不存在显著性差异(p>0.05)。[结论]在无人机激光雷达森林资源调查监测应用中,点云密度可低至5点·m^(-2)。然而,本试验结果仍需通过不同飞行高度获取不同密度点云数据予以验证。

城市森林结构多样性预测冠下地面温度的潜力研究

城市森林冠层具有调控城市森林微气候的能力,但现有研究尚未阐明冠层结构对冠下地面温度的影响及其预测潜力。文章基于无人机机载激光雷达(UAV-LiDAR)提取哈尔滨林业示范基地的城市森林冠层结构多样性特征指标,探究单一结构多样性特征对冠下地面温度的影响,以及结构多样性多因子组合对温度的预测潜力。结果表明:1)城市森林结构多样性的8个特征因子与冠下地面温度呈显著相关关系(P<0.05),其中深间隙(DG)、深间隙分数(DGF)、覆盖分数(CF)、间隙分数分布(GFP)表征了结构多样性的覆盖/开放度特征;冠层高度标准差(H_(std))、冠层高度最大值(H_(max))、95%分位点高度(ZQ_(95))表征了高度特征;垂直复杂指数(VCI)表征了异质性特征。2)城市森林冠层结构多样性的覆盖/开放度特征对冠下地面温度的响应更强(R^(2)为0.15~0.5),强于高度指标(R^(2)为0.14~0.19)以及异质性指标(R^(2)=0.14)。3)结合高度指标、覆盖/开放度指标以及异质性指标的多因子预测模型2(R^(2)=0.61,RMSE=0.51,MSE=0.26,AIC=62.74),对于冠下地面温度的预测性能更优。研究明晰了城市森林结构多样性的多因子变量及其特征组合预测冠下地面温度的潜力,为城市森林冠层结构调控内部小气候环境研究提供了科学参考。

智航无人机载LiDAR系统在轨道交通建设中的应用分析

为了减少轨道交通建设外业勘测的工作量,提高制图的效率和精度,本文首先基于实际项目,选用智航SF1650六旋翼无人机载LiDAR系统对济南新东站片区进行航摄,利用获取的LiDAR点云和影像数据制作DEM、DOM,然后再进行大比例尺地形图和片区断面图的制作。通过外业勘测核实,DEM和DOM精度完全满足轨道交通建设工程制作大比例尺地形图的要求,且相较于传统立体航测,精度和数据利用率得到很大的提升,极大减少了外业勘测工作量,验证了智航SF1650无人机载LiDAR系统的可行性,为今后的工程应用提供了参考方案。

联合运用多光谱和激光雷达技术构建的林分生物量估算模型

以广东省广州市从化石门国家森林公园为研究区域,选择4种不同林分类型(针阔混交林、阔叶林、针叶林、竹林),各林分类型选择3个20 m×20 m地块作为样方;结合激光雷达、多光谱图像、实测数据,构建多元非线性反演模型和多元线性回归模型,估算森林地上生物量,并选择最佳模型进行精度评价。结果表明:(1)依据多源数据建立的4种不同林分类型的多元非线性地上生物量反演模型的精度最高,针阔混交林样地地上生物量预测值为42.79 t·hm^(-2)、阔叶林样地地上生物量预测值为60.46 t·hm^(-2)、针叶林样地地上生物量预测值为32.99 t·hm^(-2)、竹林样地地上生物量预测值为1.92 t·hm^(-2)。(2)研究区中4种不同林分类型的多元非线性地上生物量反演模型的拟合精度,由大到小依次为竹林(决定系数为0.919)、阔叶林(决定系数为0.813)、针叶林(决定系数为0.786)、针阔混交林(决定系数为0.713),均符合精度要求。采用多光谱和激光雷达数据结合的方式,能够较精准地提取林分地上生物量信息,可准确估算针阔混交林、阔叶林、针叶林、竹林的地上生物量。

无人机LiDAR点云与无人机影像匹配点云分析比较

随着无人机技术的不断发展,无人机数码航测技术和无人机LiDAR技术在测量领域的应用越来越广泛。为分析无人机LiDAR点云和无人机影像匹配点云2种点云的差异,该文通过对西南某铁路一个测区在同一飞行高度的情况下同时进行无人机数码航摄及无人机LiDAR航摄2种方式航摄。对2种不同的摄影方式获取的点云进行比较,分析出2种方法获取点云在形态表现、滤波分类,以及利用2种点云制作DEM高程精度方面的差异,为实际工程航飞方式的选择提供一个参考。

无人机激光雷达技术在陡峭山区作业中的应用研究

文章针对陡峭山区地形测绘,探讨了无人机激光雷达(UAV-LiDAR)技术的应用及提高数据精度的方法,研究目的在于通过优化飞行规划、航线设计和数据处理策略,提升UAV-LiDAR技术在陡峭山区作业中的应用效率和数据精度。研究结果表明,通过采用地形跟随飞行技术和后差分定位技术(PPK),结合地面控制点(GCPs),UAV-LiDAR能够有效地穿透植被,获取高精度的地形数据,显著提高陡峭山区地形测绘的精度。

无人机三维建模技术在露采矿山动态储量监测中的应用

针对无人机矿山测绘现有技术无法满足储量动态监测的精细化要求等问题,通过研究矿山多源异构数据融合、地形三维建模、矿体三维地质建模、精细储量自动计算方法,完成露采矿山储量无人机精细化动态监测系统的研发,实现了各矿种界内与越层越界精细动态储量的自动计算。应用结果表明,系统应用于矿体与矿界不规则露采矿山储量动态监测相对误差可达3%以内;能适应矿体与矿界不规则、地形变化大等复杂情况;成果可直观、准确展现矿山的开采状况;可显著提高露天矿储量动态监测的精度和效率。

基于多传感器融合的无人机自主避障方法

针对无人机利用单一传感器进行避障时存在准确度低、信息缺失等问题,提出了一种基于多传感器融合的无人机自主避障方法。通过改进的贝叶斯融合算法将二维激光雷达与深度相机获取的点云信息进行融合,以弥补二维激光雷达无法检测的区域。同时,利用融合点云生成八叉树地图,并根据不断更新的地图信息对无人机进行实时航迹重规划,实现无人机在未知环境中的自主避障。实验结果表明,所研究方法不仅提高了无人机感知周围环境的准确度,融合点云的均方根误差小于0.06 m,还具有良好的避障效果,无人机与障碍物的距离均大于0.5 m,保证了其在未知环境中的安全飞行。

机载激光雷达在堤防隐患巡查试验中的应用

水利堤防工程是江河和湖泊用以管护水域、防洪度汛的建筑设施,直接关系到国民的生命和财产安全,其重要性不言而喻,因此及时发现堤防隐患,保障堤防安全具有重大意义。机载激光雷达用于巡查堤防隐患时是无接触式的,相比传统方法而言,在灵活性、时效性、及环境适应性等方面具有显著的优势。文章主要介绍了利用无人机机载激光雷达对人工模拟的堤防隐患进行巡查的试验过程,以及取得的良好应用效果。通过试验积累了一定的经验,希望为水利堤防安全管理部门或者相关科研单位在堤防隐患巡查课题的开展方面提供参考。

基于无人机激光雷达点云的树干提取

【目的】无人机搭载激光雷达技术具有灵活性高、监测周期短、具有穿透力等优势。在实际应用中,由于树干间的遮挡,易导致激光雷达获取的林冠下点云数据密度不足。而且从激光点云提取树干的算法尚不成熟,存在数据处理量大、提取精度低等挑战。该研究旨在提高从无人机激光雷达数据中提取树干的精度和效率,为森林监测和林业管理提供准确高效的技术支持。【方法】无人机搭载激光雷达从不同高度多次飞行,以获取覆盖林冠和林下的完整点云。采用基于回波类型的分类方法,将点云数据分为地面点和植被点,并利用地面点云生成数字地形模型。根据树干和树叶的反射强度差异,通过阈值和半监督支持向量机算法进行分类,并基于区域生长法将点群分割成连通区域。计算连通区域与水平面的交点,整合同一高度的交点信息,重建树干模型。采用假设检验法判断横截面的连续性和半径变化,识别并构建完整的树干网格模型。【结果】采用多旋翼无人机搭载激光雷达,设定50 m航高、90%航向重叠率、75%旁向重叠率、云台镜头角度90°,以4 m/s的飞行速度采集了林冠点云数据。同时利用相同设备从1.5~2.5 m高度,以0°、45°和-45°的云台角度,获取林冠下更精细的点云信息。经过处理,去除了植被和地面点云,精确提取了树干点云。利用区域生长法分割点云并生成二维距离图像,对图像进行噪声过滤和颜色分割后进一步提升了数据质量。切割线集合和RANSAC算法的应用,有效估计了主干截面形状,并构建了精确的树干模型。在联想Think Station图形工作站测试表明,树干点群提取仅需15.9 s,树干网格模型生成也仅需71.5 s。该方法的乔木树干胸径提取平均精度为0.958、树高平均提取精度达到0.964。【结论】文章应用多旋翼无人机搭载激光雷达,采用多架次、多航高、多姿态方法采集了高质量的森林点云数据,结合基于回波类型的点云数据分类、区域生长、距离图像构建、噪声过滤和颜色分割等方法,完善了单木树干点云分割算法,有效估计了主干截面形状,并构建了准确的树干模型,克服了树冠穿透率受限和树干间遮挡问题,有效提高了树干提取效率和精度。该方法可为森林资源管理提供高精度的树干数据,对提升森林监测效率和自动化水平具有重要的实际应用价值。

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。

无人机LiDAR在输电线路平断面测绘中的应用

传统输电线路平断面测绘方法工作量大、野外危险性高,难以测量植被覆盖区域地面点高程及交叉跨越导线。针对该问题,本文提出了将无人机LiDAR技术应用于输电线路平断面测绘的方法。首先分析了无人机LiDAR的原理及优势;然后对无人机LiDAR外业数据采集、激光点云滤波构建DEM、三维地物采集、断面提取及平断面快速成图等关键技术进行了深入研究。结果表明,该方法可以实现高精度、智能化地测绘平断面图,效率大大提高,为输电线路路径优化提供了技术支撑,具有巨大的经济和社会效益,值得推广与借鉴。