基于无人机多维数据集的森林地上生物量估测模型研究

森林地上生物量(Aboveground biomass,AGB)是评价森林生长情况的重要指标。基于数字航空摄影(Digital aerial photography,DAP)生成的二维和三维数据,分别计算了41个点云高度变量和16个可见光植被指数,利用6种回归算法(随机森林(RF)、袋装树(BT)、支持向量回归(SVR)、Cubist、类别型特征提升(CatBoost)、极端梯度提升(XGBoost))分别构建了单一变量集和综合变量集AGB估测模型,探索了不同变量对于AGB估测模型的贡献。研究结果表明光谱数据集和点云数据集AGB预测模型精度最高分别为Cubist和XGBoost,R^(2)分别为0.5309和0.6395。组合数据集最高精度模型为XGBoost,R^(2)达到0.7601,XGBoost模型具有更高的AGB估测稳定性。研究还表明6种机器学习模型的贡献主要取决于所考虑的回归方法,所选择的特征个数和特征对模型的重要性在不同的模型中并不一致。DOM光谱特征在AGB的估测中具有更高的重要性。总体来说,二维和三维数据的结合能够有效提高森林AGB估测精度,基于无人机倾斜摄影获取的RGB影像能够实现森林AGB的快速无损估计。

双层索引驱动的隧洞海量点云高效管理方法

针对隧洞表观性态监测,三维激光扫描获取的点云具有数据量巨大、非结构化以及狭长线状非均匀分布等特点,给隧洞点云数据处理极大的压力,也制约了隧洞工程点云监测应用的发展。为此,本文结合隧洞工程空间分布特点,提出一种基于双层索引结构的隧洞海量点云管理方法。该方法设计了一种基于Hough变换的隧洞水平中线粗提取方法,指导隧洞点云数据沿水平中线进行点云自动分段;而后利用“自下而上”的归并构建策略建立分段点云八叉树索引。在此基础上,利用非冗余的多层次细节(LOD)建模方法和内外存动态调度技术实现海量点云数据快速可视化。实验结果显示,本文方法有效提高了隧洞点云水平轴线提取效率,基于双层索引结构的隧洞点云管理在点云检索、海量点云数据可视化等方面表现出优异性能。

基于稀疏重建和激光实境复制的电力工程建模方法

由于机载激光雷达生成的原始点云数据存在质量较差且离散点多的问题,故难以直接应用于模型重建与电力工程的管理中。因此,文中基于稀疏-稠密算法和点云数据提出了一种电力工程模型重建算法。利用无人机机载激光雷达来获取多帧输电线路点云数据,并使用索引树近邻搜索法对原始点云数据进行坐标转换及离散数据过滤,进而得到重建的点云数据。通过稀疏重建算法对重建后数据中的框架特征加以提取,同时引入稠密算法进行框架填充,完成输电线路内容的重建。经实验测试表明,所提算法的点云提取误差仅为8.42 cm,在对比算法中性能最优。且重建后的模型可应用于电力工程验收、巡检等实际场景中,具有良好的工程意义。

基于多分辨率点云表型重建的田间植株叶面积指数估算

为解决传统田间植株叶面积参数测量精度低、破坏性大和劳动强度大等问题,文章选取烟草作为研究对象,利用无人机摄影测量进行特征点匹配生成密集点云构建烟草点云表型模型,并利用Lambert球面坐标系将三维坐标转换为球面坐标,分别计算孔隙度、有效叶面积指数和丛生指数进而得到真实叶面积指数,以半球摄影法计算的结果作为参考值分析不同空间分辨率下单株和地块尺度叶面积指数的计算精度。结果表明:无人机摄影测量中0.43、0.86、1.29、2.15 cm 4种分辨率点云模型计算的结果和数字半球摄影法计算得到的结果的决定系数R²分别为0.959、0.931、0.967和0.985,相对误差RE分别为11.87%、19.74%、14.96%和11.79%,均方根误差RMSE分别为0.150、0.195、0.136和0.094,相对均方根误差rRMSE分别为20.81%、26.97%、18.87%和13.10%。4种分辨率模型的整体计算精度较高,其中单株烟草和地块尺度烟草最佳计算精度模型均为分辨率2.15 cm的点云模型,计算精度分别为87.29%、94.24%,研究结果表明通过无人机摄影测量获取三维点云能够对喀斯特山区石漠化较为严重地区的烟草LAI进行估算,同时证明无人机点云表型模型估算田间植株叶面积指数具有可行性、准确性和高效性的特点。

基于二维激光雷达的果树冠层结构信息检测方法研究

果树冠层结构信息获取是变量喷雾作业重要前提,为实现果树冠层结构信息在线采集,采用二维地面激光雷达对不同叶面积指数的果树进行,并运用MATLAB软件绘制果树的三维点云图。绘制出的果树三维点云图与实际果树形态的一致,表明点云数据与果树结构信息具有高度相关性。研究结果表明采用2D LiDAR测量树高与树宽的相对误差分别为2.22%和4.11%,但树厚的精度与LAI相关,LAI由0增加到3.68时其测量相对误差由5.3%增加到41.1%。拟合出正面和背面扫描时的LAI预测模型分别为y=1.265x-0.313 7和y=1.230 5x-0.338,F检验结果显示样本间存在显著性差异,且其模型的拟合优度均大于0.9。该研究可以为果园变量喷雾决策提供技术与模型支撑。

融合BRIEF与ICP点云配准的零部件姿态估计方法

物体姿态估计在增强现实、自动驾驶和机器人操作等领域具有重要意义。在机器人抓取与辅助装配过程中实时并准确地估计目标姿态极其重要,为提高装配过程中零部件的抓取与监控的实时性与精度,研究了基于多视图特征库估计目标姿态的方法,设计融合BRIEF(Binary Robust Independent Elementary Features)特征匹配与ICP(Iterative Closest Point)点云配准的零部件姿态估计方法对零部件姿态角进行估计测量。以法兰、扳手、电钻等零件工具进行实验,实验结果表明融合BRIEF特征匹配与ICP点云配准的姿态估计方法运行耗时约200ms,而姿态估计的最大误差角度为4.5°,能有效保证零部件姿态估计方法的实时性与精度,可应用于机器人抓取作业、辅助装配监控等。

激光点云数据和图像分割相融合的目标实时定位方法

传统目标实时定位方法,在目标图像特征信息的提取上缺乏一定深度,导致定位偏差较大。因此,提出激光点云数据和图像分割相融合的目标实时定位方法。根据激光点云数据特性通过点云下采样、半径滤波器去噪等对数据进行处理,对定位目标的图像进行对称分割,将具有相似属性的特征聚类成簇,深度提取定位目标特征,采用时间索引根据提取的定位目标特征进行图像匹配,并使用基于密度的DBSCAN算法,聚类定位目标的坐标匹配数据,形成聚类的三维点集,将三维点集转换后得到定位实时坐标,对目标进行实时定位。实验结果表明,该方法在实时定位过程中偏差较小,误差在2.0%以内,具有有效性。

联合NDRI特征和空间相关性的机载MS-LiDAR数据分类

对比仅包含多光谱信息、仅可实现二维土地覆盖分类的传统光学遥感数据,机载多光谱激光雷达(multispectral light detection and ranging,MS-LiDAR)的优势在于同时包含多光谱和空间信息、可实现三维土地覆盖分类,但现有的机载MS-LiDAR数据的土地覆盖分类研究所需特征维度过高、算法复杂度高。因此,提出了一种整合空间相关性和归一化差分比率指数(Normalized Difference Ratio Index,NDRI)特征的逐步分类算法。该算法首先融合机载MS-LiDAR数据的多波段独立点云,获取兼具空间位置及其多光谱信息的单一点云数据;然后利用空间邻域增长下的地面滤波算法分离地面和非地面点;接着基于不同目标的激光反射特性差异设计将草地(树木)自地面(非地面)中分离的NDRI指数,并利用类间方差最大原则下的自适应最优NDRI指数实现地面和非地面点的精细分类;最后利用3D多数投票法优化分类结果。采用加拿大Optech Titan实测MS-LiDAR数据测试提出算法的有效性及可行性,实验结果表明:算法的平均总体精度和Kappa系数分别可达90.17%和0.861,可有效实现城区MS-LiDAR数据的三维土地覆盖分类;分步处理的方式更有利于针对具体的分离目标的特点设计简单且有效的规则,算法设计更简单、复杂度低;NDRI可为其他机器学习算法的显著性特征的设计和选择提供理论支撑。

基于无人机密集匹配点云的黄河流域矿区植被提取

黄河流域是我国重要的矿产资源分布区域。长期以来,矿区的高强度开采引发了水土流失、植被退化等一系列问题,而植被作为矿区生态系统的能源动力,有着巨大的固碳速率和潜力,精准获取及监测矿区植被生长状态对黄河流域生态保护与高质量发展具有重要意义。提出一种无人机密集匹配点云矿区植被自动提取方法,通过无人机搭载的数码相机获取矿区序列影像,经特征提取、空三测量、多视影像密集匹配,重建矿区三维点云,利用匹配点云具有丰富的地物光谱特性,构建点云的差异植被指数DEVI,通过Otsu阈值法自动求取全局阈值,从而实现矿区植被点云的自动提取。选取黄河流域河南段某矿区进行实验,实验结果表明:植被提取的总体精度为96.40%,Kappa系数为0.927 1,可实现无人机密集匹配点云中的植被立体信息有效提取,为基于低成本无人机摄影测量进行矿区植被立体监测研究提供一种可行方法。

用于路面纹理指标计算的点云坐标校正方法

为实现路面纹理形貌的精确复原与路面纹理指标的有效计算,基于最小距离法和特征值法分别提出二维和三维点云坐标校正新方法,以抑制路面点云模型的倾斜与偏移.对比了二维点云坐标校正新方法与传统方法在不同坐标系下的稳定性;结合点云纹理特征变化及坑槽实例分析,指出了传统三维点云坐标校正方法的不足;研究了AC-13、OGFC-13、EAP-3三种路面在不同校正方法下纹理指标及形貌重构图像的差异,确定出适用于纹理指标计算的校正方法.结果表明:二维点云坐标校正新方法具有更好的稳定性,适用于断面纹理指标的计算;传统三维点云坐标校正方法使路面纹理特征趋于平滑,三维点云坐标校正新方法将估计构造深度与实测值间的偏差降为传统方法的47.79%以下,提高了路面纹理的复原精度,更适用于区域纹理指标计算.

多级索引框及移动向量联合的接触网提取方法

电气化铁道接触网的非接触式检测研究对保障铁道的安全运营具有重要意义,检测工作需要大量的精确接触网点云数据支持,目前存在接触网部件间不易分割导致难以提供精确接触网点云数据支持的问题。针对该问题,本文提出了多级索引及移动向量联合的接触网提取方法。首先利用多级索引框简化铁道场景数据;然后通过轨迹线构建提取通道获取支柱底部中心点集,以计算沿轨移动向量;最后进行二级索引框的姿态调整,实现接触网的准确提取。本文设计了参数分析与对比试验,在10 km铁道场景中进行试验分析。结果表明,本文算法对接触网提取的查准率、查全率、F1均在约99%,均优于参照算法,表明本文算法能够适应复杂场景。

基于点云空间分布特征的多级索引结构

为解决点云数据分布不规则、非均匀产生的查询效率低下的问题,提出了一种基于三维点云数据空间分布特征的多级索引结构。将点云空间信息引入传统八叉树,形成一种新的数据结构——方向八叉树,用于点云空间的全局划分。在每次划分空间之前,先对点云数据进行主成分分析,形成节点的方向包围盒,再进一步将空间划分为八个子空间。为了实现数据的快速调度与查询,在局部,使用KD树对方向八叉树的叶子节点进行二次组织构建。实验结果表明,方向八叉树能有效减少节点总数和冗余节点数量;方向八叉树和KD树的组合嵌套结构可以有效划分海量点云数据,实现点云数据的高效检索,对点云数据进行有效管理。

基于激光点云数据的索引与可视化综述

旨在针对三维激光扫描仪获取海量点云数据管理操作困难、存储不便,导致后续数据处理操作复杂、可视化不便等问题进行探讨。对近几年大量文献关于点云索引与可视化的文献进行研究,本文综合分析当前研究点云数据处理和可视化的几个过程,研究表明:(1)点云数据可视化之前需要经过点云去噪、点云精简、点云配准、点云分割、点云索引和三维建模等步骤才能更好地达到可视化效果;(2)当前,三维点云索引按照划分方式主要分为八叉树索引、格网索引、R树索引、KD树索引,上述单一索引虽各有优点,但是面对海量点云数据时均存在缺陷,需要构建混合索引以提高索引效率。

融合光谱信息的机载点云建筑物提取方法

针对机载点云数据建筑物提取困难问题,提出融光谱信息的机载点云建筑物提取方法。首先,将激光雷达扫描的点云数据转换为强度影像与遥感影像配准,融合得到具有光谱信息的点云数据;然后,利用可见光差异植被指数对点云建筑物提取算法进行优化,从而获取更精确的建筑物顶部数据;最后,以飞马D2000的点云数据为例,提取建筑点云。结果表明,该方法能有效分离出建筑物。

基于RGB信息的地面激光点云滤波算法

随着智慧城市、智能交通、全球测图等产业的飞速发展,对激光点云数据的需求与要求也越来越高.在岩土工程领域,为了快速获得精确的岩体结构面信息,对去除植被点云产生的噪点提出了更多需求.针对岩质陡峭边坡的植被点云去除问题,传统的坡度法和布料法等算法表现不佳,提出一种基于RGB信息的滤波算法.该算法提出了红绿差异指数,选择合适的阈值进行植被点云滤波并对滤波结果进行误差分析和地表特征保留率评价.该算法能在基本保留岩体结构信息的前提下达到良好滤波效果,进一步证实了RGB信息可以用于高陡边坡的植被去除.

编码八叉树在多波束测深数据中的应用与分析

多波束测深数据在水下地形地貌研究与应用中具有十分重要的价值。针对多波束测深数据量大,相关处理方法效率低等问题,提出一种基于莫顿编码的八叉树海量点云数据结构。首先,根据点云的包围盒大小及最大深度进行空间划分;然后,对各个节点赋予索引值,并对索引值进行二进制编码,建立基于莫顿编码的八叉树数据结构;最后,以SOR(statistical outlier removal)滤波实验为例,测试提出的数据结构在邻域内快速搜索的效率,结果表明,基于莫顿编码的八叉树数据结构具有更高的搜索效率,对于提高海量测深数据处理效率具有一定参考意义。

Study on the LAI Single Tree Model Based on Terrestrial Laser Scanning

Leaf area index (LAI) is a key parameter for studying global terrestrial ecology and environment and has great ecological significance. How to accurately measure and calculate structural parameters of trees has become an urgent matter. This paper reports the use of terrestrial laser scanning (TLS) as a measurement tool to achieve accurate LAI estimation through point cloud preprocessing measures, the LeWos algorithm, and voxel methods. The accuracy and feasibility of this indirect measurement method were explored. It is found that the single wood structure parameters extracted from TLS have a good linear relationship with manual measurement, and the extraction errors meet the requirements of real-scene conversion. The study also found when the voxel size is consistent with the minimum distance of the point cloud set by TLS instrument, it has a strong correlation with the measured value of canopy analyser. These results lay the foundation for conveniently and quickly obtaining structural parameters of trees, tree growth state detection, and canopy ecological benefit assessment.

基于变尺度格网索引与机器学习的行道树靶标点云识别

针对行道树连续喷雾施药方式严重污染环境,果园对靶施药技术难以推广至复杂城区环境等问题,应用车载2D LiDAR获取街道三维点云数据,研究行道树靶标识别方法。构建变尺度格网点云索引结构,实现邻域快速搜索及点云在线处理;提取高程、深度、密度、协方差矩阵等11个点云球域特征,分析特征分布特性,采用基于径向基核函数的支持向量机算法融合特征,学习树冠点云分类器;采用FIFO缓冲区保存点云帧序列,实现行道树靶标在线识别。实验结果表明,该方法能够实现行道树靶标精确识别,在测试集上的分类错误率小于0.8%,检出率大于99.4%,虚警率小于0.9%,鉴别力最强的4个特征从高到低依次是高程均值、深度均值、高程范围和高程方差。

利用LiDAR离散点云估测针叶林叶面积指数

通过对小光斑激光雷达离散点云数据进行处理,提取了6个变量参数分别用于估测针叶林叶面积指数,为了提高模型估测精度及弥补单变量模型的不足,在单变量模型的基础上尝试多变量组合共同用于估测森林叶面积指数,经过对比得出单变量模型中OGF模型最好,拟合相关性R=0.897,预测精度p=0.959;多变量预测模型结果差异不大,拟合相关性均>0.905,估测精度均>0.957。同时为了验证模型的推广性,对点云数据进行随机稀释操作获得4种不同密度的点云数据,分别用于验证点云密度对OGF模型及OGF与LPI组合模型的影响,结果表明点云密度对模型结果的影响不大,即使在0.125倍点云密度时模型仍能较好的估测针叶林叶面积指数,满足生产需要。

一种基于扫描线的数学形态学LiDAR点云滤波方法

运用数学形态学的机载激光雷达点云滤波方法一直在不断发展,Keqi Zhang方法是其改进方法之一。针对Keqi Zhang方法对原始点云数据造成内插误差的不足,提出了一种基于扫描线的数学形态学LiDAR点云滤波方法。该方法直接在扫描线上进行数学形态学开运算,并对扫描折线问题进行有效处理。3个测区的试验结果和滤波指标统计表明,该方法可以有效达到滤波效果。