激光点云中林木参数评估方法技术

本发明专利技术提供一种测定数据方便，不受环境影响，评估结果准确的激光点云中林木参数评估方法。该方法是对点云数据进行窗口平滑操作，以消除地形高度差；对点云特征进行枝叶分离操作，并获取主枝干信息；计算主枝干点云的法矢量，求取瑞利商获取主枝干倾斜角；结合投影分水岭算法，实现对橡胶林段的单株提取；株株分离后进行反演冠幅与叶片分布，分别计算了冠幅、胸径、冠积、倾斜度、树叶分布与叶面积指数等参数。

Evaluation method of forest tree parameters in laser point cloud

The invention provides a method for evaluating the forest parameters in the laser point cloud, which is convenient to determine the data and is not affected by the environment. This method is window smoothing of point cloud data, to eliminate the terrain height; branches of operation on the separation characteristics of point cloud, and get the main information; the calculation method of main point cloud vector, calculate the Rayleigh quotient get the trunk and branch angle; combining projection watershed algorithm, realize the extraction plant of rubber plantation plant; after separation by inversion of crown width and leaf distribution, DBH, crown volume, crown width, inclination, distribution of leaves and leaf area index and other parameters were calculated.

【技术实现步骤摘要】
激光点云中林木参数评估方法
本专利技术涉及对树林中树木的有关参数如棵数、树高、胸径、冠体积、冠幅等进行测定评估的方法。
技术介绍
中国的亚热带森林，是以常绿阔叶林为主要乔木的生物群落，覆盖着全国大约25％的面积。森林对二氧化碳下降、动物群落、调节水文流动和巩固土壤起着重要的作用。此外，森林生物量是评估森林碳贮量的重要参数。若森林遭受破坏，则会产生长期和不可逆的影响。因此，如何对森林进行实时监测，准确而又高效地获取森林相关资源信息，研究森林的生长状况及其动态变化具有非常重要的意义。正是由于森林的重要性，近年来，国内外许多的学者做了大量的面向森林监测的相关工作。按研究区域的尺度可分为以下三类：一、在宏观尺度下，运用星载数据的大区域影像，针对林木参数反演开展了较多的工作。其中：基于QuickBird的高分辨率VHR星载图像对城区地区进行定位和树冠描绘；面向WorldView-2卫星数据设计半自动化方法实现对树冠自动定位；面向Ikonos卫星数据对人工针叶林实现树冠分割以及单株树的定位与提取。基于Landsat8卫星数据针对赞比亚米隆博林进行树冠描绘，进而实现对树冠的定位；面向ALOSPALSAR和LandsatETM+卫星图像数据智力中部森林中的樟子松和桉树进行树冠分割。虽然宏观尺度下获取到了树木的参数信息，但由于大尺度下精度低和高光谱变异性问题，以及树种、树龄、环境等因素的影响，都会造成基于宏观尺度下的测量方法对不同种类的树冠边缘识别与冠中心定位不准确等误差。二、在中观尺度下，如机载Lidar、小尺度激光Lidar扫描仪、航空影像、移动式激光扫描和高光谱小型机载光谱成像仪(CASI)等。中观尺度下的研究工作，在树顶遮挡、参数扫描和树木差异性上都存在着问题，这对结果的获取和对单株树木提取都有着一定的影响。三、在微观尺度下，目前的方法主要有：落叶法、角规测树法、半球摄影法，叶面积测定法和LAI-2200植物冠层分析仪等方法。微观尺度下所采用的方法都较为简单，不需要特殊的仪器，较为方便快捷，但多是人力测量，其耗力大，而且测量工作容易受外界因素影响，如季节、天气、光照和色差等，这些因素都会导致对林分参数的测量照成很大的困难，测定工作历经时间相对较长。本专利技术的目的是提供一种测定数据方便，不受环境影响，评估结果准确的激光点云中林木参数评估方法。本专利技术所述的激光点云中林木参数评估方法，包括以下步骤：步骤A:获取点云数据：以激光雷达对树林自下而上扫描，获取树林的点云数据pi(xi，yi，zi)，xi、yi、zi分别表示点pi在x、y、z坐标轴方向上的坐标值；步骤B:对树木枝叶分离：对于点云数据中的一点pi＝(xi,yi,zi)T,其中对于点pi，半径为rm内的领域定义为：pj＝(xj,yj,zi)T，且满足条件：||pj-pi||≤rm；点pi邻域的协方差矩阵定义为Cp：当时，其中μ表示pi邻域所有点在空间中位置的均值；重新定义一个新的坐标系，特征向量代表轴方向，相对应的特征值代表沿轴的点方差；设ek,i是矩阵Cp的特征向量，λk,i是相应的特征值，k＝0,1,2且λ0,i≤λ1,i≤λ2,i；λk,i定量的显示沿轴ek,i方向的数据方差；用e0,i＝{ei,x,ei,y,ei,z}表示最小特征值λ0,i所对应的特征向量，e0,i也代表着点pi处的法向量；将对应的每个点云pi的方差矩阵的特征值归一化，即：计算结构张量特征，包括结构张量的平面性特征(c0,i)、熵特征(c1,i)与线性特征(c2,i)，分别计算为使用以下等式计算每个点云pi的法向量分布：其中e0,j是点云pi的法向量，是点云pi邻域基团的平均法向量分布，且Vp三个特征值{l0,l1,l2}的相对幅度满足条件：l0≥l1≥l2，这反映出点云pi邻域的几何特征；基于上述分析，一系列关于点云pi的特征被计算出来，记为:其中{eix,eiy,eiz}为点pi的法向量，{c0,i,c1,i,c2,i}为点pi的结构张量特征，而{l0,i,l1,i,l2,i}为点pi的形状特征值；当特征值符合l0≈l1≈l2时，基团点云呈现球形状，对应为果实；当特征值分布为l0≥l1≈l2时，基团点云呈现线形状，对应为枝干；而当特征值分布为l0≈l1≥l2时，基团点云呈现面状，对应为叶片；也就是说，根据获得的点pi的特征fpi，对树木进行枝叶分离操作；基于枝叶分离后的枝干数据，按照树木自然生长方向，以树总高度的1/2区域作为主枝干数据，其余部分为分支干数据；步骤C:树冠中心定位，确定树冠的中心点坐标；步骤D:倾斜度分析，计算出则主枝干倾斜度α、主枝干与分支干之间的夹角β；步骤E:基于meanshift和分水岭算法进行株株分离，得到树木总棵数和每株树冠的点云，从这些点云中计算得出树高、胸径、冠体积、冠幅。树高计算：对于林分中的每株树木的点云数据的z轴数据求最大值，即作为林分树木的树高。胸径及平均胸径计算：(1)针对枝叶分离后获得的树干数据，从中选取20棵树，计算每棵树木树干左端点坐标(x1,y1)和最右端点的坐标(x2,y2)，并计算出□x＝x2-x1和□y＝y2-y1。根据计算出的□x和□y，由公式计算出树干的胸径，R的值即为胸径。如，任意一棵树的左右端点坐标为(17.02999964.399994)、(16.63999964.229987)，其□x＝-0.3900(m)，□y＝-0.1700(m)，同理，计算出其他19棵树的胸径。选取的20棵树的□x、□y和R值为：(2)R值一列中，去除最大值0.6419(m)和最小值0.3397(m)，其余18组数据求其平均值为0.4726，即把均值0.4726(m)作为选取的20棵树的平均胸径。冠体积及平均冠体积计算：(1)基于计算机图形学中的最大凸包算法(convexhull)，对每株树的叶子点云数据求取冠体积。如，任选15棵树，基于这15棵树的叶子点云数据和最大凸包算法，求得的冠体积为：(2)对这15组数据，从中去掉一组最大值564.5472(m3)和一组最小值45.8267(m3)后求平均数，求得平均树冠体积为141.7978(m3)，即为选取的15棵树的平均冠体积。冠幅及平均冠幅计算：以东西方向上的冠幅为例：(1)从株株分离后的林分树木的点云数据的俯视图中，计算每排树木最左端和最右端点的坐标。东西方向上选取7排树木，其中一排的最左端点坐标为(-23.47008.6700)，最右端点坐标为(39.1700102.8400)，则其□x＝62.6400(m)，□y＝94.1700(m)，则这7排数据的□x、□y和R为：(2)从俯视图中数出每排树木的数目n，7排树木的n为：37，34，35，32，15，23，30(3)冠幅＝R/n，则这7排树木的冠幅为：3.0370，3.3737，3.2314，3.3882，6.5646，4.9032，3.7606(4)去掉最大值6.5646(m)和最小值3.0370(m)，剩余5组数据求平均值(3.3737+3.2314+3.3882+4.9032+3.7606)/5＝3.7314(m)，则3.7314(m)即为该林分树木东西方向上的平均冠幅。其南北方向上的冠幅计算过程同理，求得其平均冠幅为6.本文档来自技高网...

【技术保护点】
激光点云中林木参数评估方法，其特征是：包括以下步骤：步骤A:获取点云数据：以激光雷达对树林自下而上扫描，获取树林的点云数据pi(xi，yi，zi)，xi、yi、zi分别表示点pi在x、y、z坐标轴方向上的坐标值；步骤B:对树木株叶分离：对于点云数据中的一点pi＝(xi,yi,zi)

【技术特征摘要】
1.激光点云中林木参数评估方法，其特征是：包括以下步骤：步骤A:获取点云数据：以激光雷达对树林自下而上扫描，获取树林的点云数据pi(xi，yi，zi)，xi、yi、zi分别表示点pi在x、y、z坐标轴方向上的坐标值；步骤B:对树木株叶分离：对于点云数据中的一点pi＝(xi,yi,zi)T,其中对于点pi，半径为rm内的领域定义为：pj＝(xj,yj,zi)T，且满足条件：||pj-pi||≤rm；点pi邻域的协方差矩阵定义为Cp：当时，其中μ表示pi邻域所有点在空间中位置的均值；重新定义一个新的坐标系，特征向量代表轴方向，相对应的特征值代表沿轴的点方差；设ek,i是矩阵Cp的特征向量，λk,i是相应的特征值，k＝0,1,2且λ0,i≤λ1,i≤λ2,i；λk,i定量的显示沿轴ek,i方向的数据方差；用e0,i＝{ei,x,ei,y,ei,z}表示最小特征值λ0,i所对应的特征向量，e0,i也代表着点pi处的法向量；将对应的每个点云pi的方差矩阵的特征值归一化，即：计算结构张量特征，包括结构张量的平面性特征(c0,i)、熵特征(c1,i)与线性特征(c2,i)，分别计算为使用以下等式计算每个点云pi的法向量分布：其中e0,j是点云pi的法向量，是点云pi邻域基团的平均法向量分布，且Vp三个特征值{l0,l1,l2}的相对幅度满足条件：l0≥l1≥l2，这反映出点云pi邻域的几何特征；基于上述分析，一系列关于点云pi的特征被计算出来，记为:其中{eix,eiy,eiz}为点pi的法向量，{c0,i,c1,i,c2,i}为点pi的结构张量特征，而{l0,i,l1,i,l2,i}为点pi的形状特征向量；当特征值符合l0≈l1≈l2时，基团点云呈现球形状，对应为果实；当特征值分布为l0≥l1≈l2时，基团点云呈现线形状，对应为枝干；而当特征值分布为l0≈l1≥l2时，基团点云呈现面状，对应为叶片；也就是说，根据获得的点pi的特征对树木进行枝叶分离操作；基于枝叶分离后的枝干数据，按照树木自然生长方向，以树总高度的1/2区域作为主枝干数据，其余部分为分支干数据；步骤C:树冠中心定位，确定树冠的中心点坐标；步骤D:倾斜度分析，计算出则主枝干倾斜度α、主枝干与分支干之间的夹角β；步骤E:基于meanshift和分水岭算法进行株株分离，得到树木总棵数，并计算得出树高、胸径、冠体积、冠幅。2.如权利要求1所述的激光点云中林木参数评估方法，其特征是：步骤C中树冠中心定位方法如下：以根部往上取相对于整棵树高度的1/20区域的点云数据(p1,...,ph(1/20))为基点，拟合出h(1/20)条沿树干方向的最佳拟合直线L(v(vx,vy,vz),p0(pj,x,pj,y,pj,z))，其中v为直线的方向向量，p0为点云(p1,...,ph(1/20))中的一点，j＝1,...,h(1/20)；最佳拟合直线即为每株树的树干的所有点云数据到直线L的正交距离的平方和最小；根据

【专利技术属性】
技术研发人员：云挺，张艳侠，薛联凤，王佳敏，
申请(专利权)人：南京林业大学，
类型：发明
国别省市：江苏,32