Digital aerial photograph(DAP)data is processed based on Structure from Motion(Sf M)algorithm and regional net adjustment method to generate digital surface discrete point clouds similar to Light Detection and Ranging...Digital aerial photograph(DAP)data is processed based on Structure from Motion(Sf M)algorithm and regional net adjustment method to generate digital surface discrete point clouds similar to Light Detection and Ranging(LiDAR)and digital orthophoto mosaic(DOM)similar to optical remote sensing image.In this study,we obtained highresolution images of mature forests of Chinese fir by unmanned aerial vehicle(UAV)flying through crossroute flight,and then reconstructed the threedimensional point clouds in the UAV aerial area by SfM technique.The point cloud segmentation(PCS)algorithm was used for the individual tree segmentation,and the F-score of the three sample plots were 0.91,0.94,and 0.94,respectively.Individual tree biomass modeling was conducted using 155 mature Chinese fir forests which were correctly segmented.The relative root mean squared error(rRMSE)values of random forest(RF),bagged tree(BT)and support vector regression(SVR)were 34.48%,35.74%and 40.93%,respectively.Our study demonstrated that DAP point clouds had great potential to extract forest vertical parameters and could be applied successfully in individual tree segmentation and individual tree biomass modeling.展开更多
树高是监测森林状况的重要参数,摄影测量法具有低成本、灵活的特性,是树高采集的重要方法之一.作为一种被动遥感方式,传统的摄影测量方法往往需要数量较多,重叠率较高的图像数据,这与传统图像特征的稀疏性有关.为了提高图像数量受限条...树高是监测森林状况的重要参数,摄影测量法具有低成本、灵活的特性,是树高采集的重要方法之一.作为一种被动遥感方式,传统的摄影测量方法往往需要数量较多,重叠率较高的图像数据,这与传统图像特征的稀疏性有关.为了提高图像数量受限条件下的树高提取精度,提出将稀疏特征匹配和稠密像素匹配相结合,并使用对极约束过滤外点的方法,得到稠密且精度较高的匹配结果,并通过三维重建算法得到森林场景点云.该方法在少量图像的情况下就可以较为完整地重建森林场景并提取树高,将提取的树高与机载激光雷达(light detection and ranging,LiDAR)点云的结果进行对比,相关系数为0.91,最大误差为1.64 m.该算法只需要少量的重叠图像,这表明了该算法在处理高分辨率卫星图像方面具有一定潜力.展开更多
基于激光雷达(Light Detection And Ranging,LiDAR)数据重建树体三维模型并精准获取林木空间枝干结构参数对林木性状评价、森林动态经营管理与可视化研究具有重要意义。为此提出一种基于骨架细化提取的树木模型重建方法。首先,采用Focus...基于激光雷达(Light Detection And Ranging,LiDAR)数据重建树体三维模型并精准获取林木空间枝干结构参数对林木性状评价、森林动态经营管理与可视化研究具有重要意义。为此提出一种基于骨架细化提取的树木模型重建方法。首先,采用FocusS350/350 PLUS三维激光扫描仪获取3块不同树龄橡胶树的样地数据。然后,作为细化建模的重点,将枝干点云从原始树点中分离出来,再将其过度分割为若干点云簇,通过相邻点云簇判断是否有分枝以及动态确定骨架点间距,并将其运用在空间殖民算法以此来生成树的三维骨架点和骨架点连通性链表,根据连通链表结构自动识别树木中的主枝干和各个一级分枝,再通过广义圆柱体生成树干完成树木三维重建。最后,利用数字孪生技术对这3块不同树龄样地树木进行三维实景建模,使其穿越时空在同一空间中重现,以便更为直观地观察树木在生长过程中的形态变化。该算法得到的橡胶树胸径与实测值比对为,决定系数(R^(2))>0.91,均方根误差(root mean square Error,RMSE)<1.00 cm;主枝干与一级枝干的分枝角为,R^(2)>0.91,RMSE<2.93;一级枝干直径为,R^(2)>0.90,RMSE<1.41 cm;将3个树龄放在一起计算其生长参数,并与实测值进行对比,发现该算法同样适用于异龄林样地的各个生长参数计算。同时发现橡胶树的一级枝条的直径越大,其相对应的叶团簇体积就越大。运用人工智能的理论模型来处理林木的激光点云数据,旨在为森林的可视化以及树木骨架结构的智能化分析与处理等研究领域提供有价值的参考。展开更多
为快速准确地提取地面三维激光扫描仪获取林分点云中的单株树木点云,提出一种基于密度的抗噪空间聚类(Density-Based Spatial Clustering of Application with Noise,DBSCAN)的树木分割算法。首先采用高斯滤波对林分点云去噪,在林分点...为快速准确地提取地面三维激光扫描仪获取林分点云中的单株树木点云,提出一种基于密度的抗噪空间聚类(Density-Based Spatial Clustering of Application with Noise,DBSCAN)的树木分割算法。首先采用高斯滤波对林分点云去噪,在林分点云归一化的基础上对林分点云垂直分段,然后采用DBSCAN算法垂直分段聚类,再计算每个垂直分段中每个簇的中心点,根据簇中心点间的距离判定簇间的相邻关系,并由此匹配树干段点云,最后采用RANSAC(Random Sample Consensus)算法对树干段点云拟合直线,并根据点与拟合直线间的距离判定点的归属以实现树木分割。在郁闭度分别为中与高的林分中,所提算法的调和值F范围分别为0.88~0.99与0.72~0.74,基于距离判别的树木分割算法的F范围分别为0.84~0.90与0.73~0.79。所提算法在不同郁闭度的林分点云中均能有效分割单株树木点云,特别是在郁闭度为中的林分中有较好表现,可实现对林分点云的精确树木分割。展开更多
基金grants from the National Natural Science Foundation of China(No.31870620)the Fundamental Research Funds for the Central Universities(No.PTYX202107)the National Technology Extension Fund of Forestry([2019]06)。
文摘Digital aerial photograph(DAP)data is processed based on Structure from Motion(Sf M)algorithm and regional net adjustment method to generate digital surface discrete point clouds similar to Light Detection and Ranging(LiDAR)and digital orthophoto mosaic(DOM)similar to optical remote sensing image.In this study,we obtained highresolution images of mature forests of Chinese fir by unmanned aerial vehicle(UAV)flying through crossroute flight,and then reconstructed the threedimensional point clouds in the UAV aerial area by SfM technique.The point cloud segmentation(PCS)algorithm was used for the individual tree segmentation,and the F-score of the three sample plots were 0.91,0.94,and 0.94,respectively.Individual tree biomass modeling was conducted using 155 mature Chinese fir forests which were correctly segmented.The relative root mean squared error(rRMSE)values of random forest(RF),bagged tree(BT)and support vector regression(SVR)were 34.48%,35.74%and 40.93%,respectively.Our study demonstrated that DAP point clouds had great potential to extract forest vertical parameters and could be applied successfully in individual tree segmentation and individual tree biomass modeling.
基金Supported by the National Natural Science Foundation of China (Grant No. 30271079) and Graduate Cultivation Foundation of Beijing Forestry University
文摘树高是监测森林状况的重要参数,摄影测量法具有低成本、灵活的特性,是树高采集的重要方法之一.作为一种被动遥感方式,传统的摄影测量方法往往需要数量较多,重叠率较高的图像数据,这与传统图像特征的稀疏性有关.为了提高图像数量受限条件下的树高提取精度,提出将稀疏特征匹配和稠密像素匹配相结合,并使用对极约束过滤外点的方法,得到稠密且精度较高的匹配结果,并通过三维重建算法得到森林场景点云.该方法在少量图像的情况下就可以较为完整地重建森林场景并提取树高,将提取的树高与机载激光雷达(light detection and ranging,LiDAR)点云的结果进行对比,相关系数为0.91,最大误差为1.64 m.该算法只需要少量的重叠图像,这表明了该算法在处理高分辨率卫星图像方面具有一定潜力.
文摘基于激光雷达(Light Detection And Ranging,LiDAR)数据重建树体三维模型并精准获取林木空间枝干结构参数对林木性状评价、森林动态经营管理与可视化研究具有重要意义。为此提出一种基于骨架细化提取的树木模型重建方法。首先,采用FocusS350/350 PLUS三维激光扫描仪获取3块不同树龄橡胶树的样地数据。然后,作为细化建模的重点,将枝干点云从原始树点中分离出来,再将其过度分割为若干点云簇,通过相邻点云簇判断是否有分枝以及动态确定骨架点间距,并将其运用在空间殖民算法以此来生成树的三维骨架点和骨架点连通性链表,根据连通链表结构自动识别树木中的主枝干和各个一级分枝,再通过广义圆柱体生成树干完成树木三维重建。最后,利用数字孪生技术对这3块不同树龄样地树木进行三维实景建模,使其穿越时空在同一空间中重现,以便更为直观地观察树木在生长过程中的形态变化。该算法得到的橡胶树胸径与实测值比对为,决定系数(R^(2))>0.91,均方根误差(root mean square Error,RMSE)<1.00 cm;主枝干与一级枝干的分枝角为,R^(2)>0.91,RMSE<2.93;一级枝干直径为,R^(2)>0.90,RMSE<1.41 cm;将3个树龄放在一起计算其生长参数,并与实测值进行对比,发现该算法同样适用于异龄林样地的各个生长参数计算。同时发现橡胶树的一级枝条的直径越大,其相对应的叶团簇体积就越大。运用人工智能的理论模型来处理林木的激光点云数据,旨在为森林的可视化以及树木骨架结构的智能化分析与处理等研究领域提供有价值的参考。
文摘为快速准确地提取地面三维激光扫描仪获取林分点云中的单株树木点云,提出一种基于密度的抗噪空间聚类(Density-Based Spatial Clustering of Application with Noise,DBSCAN)的树木分割算法。首先采用高斯滤波对林分点云去噪,在林分点云归一化的基础上对林分点云垂直分段,然后采用DBSCAN算法垂直分段聚类,再计算每个垂直分段中每个簇的中心点,根据簇中心点间的距离判定簇间的相邻关系,并由此匹配树干段点云,最后采用RANSAC(Random Sample Consensus)算法对树干段点云拟合直线,并根据点与拟合直线间的距离判定点的归属以实现树木分割。在郁闭度分别为中与高的林分中,所提算法的调和值F范围分别为0.88~0.99与0.72~0.74,基于距离判别的树木分割算法的F范围分别为0.84~0.90与0.73~0.79。所提算法在不同郁闭度的林分点云中均能有效分割单株树木点云,特别是在郁闭度为中的林分中有较好表现,可实现对林分点云的精确树木分割。