基于地面激光雷达点云数据的单木三维重建

利用地面激光雷达三维点云数据,在已有的枝干结构重建方法基础上,提出了一种利用点云密度,结合间隙率模型反演的单木总叶面积,在冠层内分体元添加树叶的方法,重建完整的单木三维结构。该方法成功应用于基于光线追踪方法模拟的点云和野外实测点云数据,实现了单木三维结构重构。重建的单木叶面积与真实叶面积相对误差小于0.9%,方向间隙率的相对误差不超过4.0%。实验结果表明:重建单木三维结构与真实结构在目视效果和定量评价两方面都具有较好的一致性。     

提取林木胸径的F-LS算法北大核心CSCD

为解决复杂林区环境中低矮灌丛和单木枝干对胸径提取带来的影响,提高基于地基激光雷达点云数据的树木胸径提取的精度与稳定性,提出一种最小二乘法二次筛选算法(filter-least square,F-LS)提取林木胸径。该算法通过利用最小二乘法在胸径切片位置得到拟合圆后,对所有拟合圆进行误检检验,对圆上的点云和圆内的点云数量进行比对,以剔除误检的圆,最终保留真正的胸径拟合圆,并测量胸径的大小。结果表明,使用该方法提取胸径的绝对误差绝对值最大为2.63 cm,RMSE为1.16 cm,R~2为0.976 8,胸径提取精度高于其他现有提取方法,具有一定的稳定性和可靠性。     

基于3D-ICT图像的涡轮叶片形面点云高精度提取技术

为了高精度提取涡轮叶片内外形面点云数据,提出了基于叶片3D-ICT图像的轮廓追踪方法.对轮廓追踪与细化过程中出现的干扰环、孤立点、轮廓片断的处理进行了分析;为了进一步提高轮廓追踪的精度,利用矩匹配方法进行二次追踪,使得轮廓坐标精度达到亚像素级.实验结果表明,该方法可以得到叶片内外形面有序、密集的高精度点云数据.     

阵列推扫式机载激光雷达三维点云解算方法研究

激光雷达（LiDAR）系统能够快速获取高精度数字地表模型,广泛应用于国土资源调查、地形测量、林业、灾害评估等方面。LiDAR系统采集的原始数据必须经过点云解算才能生成满足应用需求的三维点云,为此,在分析阵列推扫式机载激光雷达系统成像原理的基础上,详细推导了基于同平台POS数据的三维坐标解算模型,提出了面向该系统的激光雷达三维点云解算方法以实现三维点云的生成,利用飞行试验数据解算结果验证了此方法的有效性。该方法适用于同类型阵列推扫式机载激光雷达的点云解算。     

自动驾驶汽车虚拟测试中的树木点云生成方法

自动驾驶汽车虚拟测试已成为自动驾驶或车路协同测试评价的一个重要手段,三维激光雷达数据模拟生成是自动驾驶汽车虚拟测试中的重要任务之一,目前多采用基于飞行时间原理的几何模型方法生成激光雷达三维点云数据,该方法生成点云实时性较差。布告牌是虚拟场景中常采用的树木建模方法,由于布告牌仅由两个矩形面片即八个三角形面片组成,直接采用布告牌方法生成的三维点云数据难以反映树木的真实空间信息。针对上述问题,提出了一种基于布告牌空间变换的快速树木三维点云生成方法。以布告牌的纹理图像为依据,根据纹理透明度获取树木二维平面点云分布,经二维树木点云的轮廓提取,结合树木结构的先验知识进行旋转、随机偏移和尺度变换,以更少的三角形面片数和更小的计算代价获得树木的三维点云数据。提出了一种空间直方图三维点云相似度评价方法,将三维点云空间量化为若干个子空间,获得三维点云的投影空间直方图,采用巴氏系数计算投影空间直方图相似度,以投影空间直方图加权相似度作为点云相似度评价值。实验结果表明,基于布告牌空间变换方法和几何模型方法生成的云杉等三种树木的三维点云数据的平均相似度在90%以上,且该方法生成树木点云的时间仅是几何模型法的1%,因此布告牌空间变换树木三维点云生成方法快速且准确,可以满足自动驾驶汽车虚拟测试的性能要求。     

三维树木点云数据处理软件系统设计

随着林业信息化的建设与发展,利用地面激光雷达快速获取树木点云数据,从中提取树木的结构参数(胸径,树高,材积等)已成为一种重要的林木测量手段。为了弥补国内在树木点云数据处理软件系统方面的空白,采用一系列树木结构参数提取算法,并结合计算机图形显示技术,设计并实现了一种三维树木点云数据处理软件系统。开发完成了树木点云数据的三维显示与旋转平移查看功能。拥有基本的点云数据处理功能,以及树木的胸径、树高、材积提取的功能。系统经过实验数据的验证,证明其拥有良好的性能,并可以快速准确地提取树木结构参数。     

基于点云数据的单木三维绿量估算方法

针对不同树种的树叶疏密及空间结构不同,提出基于激光点云数据,顾及冠层叶面积密度的树木三维绿量（Living Vegetation Volume, LVV）计算方法。该方法首先根据树木局部点云的主方向相似度和局部点云轴向分布密度分离枝干与树叶,剔除非光合作用成分,提取树叶点云;然后建立体元模型,引入Graham算法确定分层树冠边界,获取激光接触频率,从而基于体元冠层分析（Voxel-based Canopy Profiling, VCP）方法求出冠层叶面积密度（Leaf Area Density, LAD）;最后分层棱柱体积乘以叶面积密度,累加得到树木的三维绿量。利用Riegl VZ-400地面激光扫描仪获取13棵不同形状和树种的树木点云数据,利用该方法估算各树木三维绿量,并与传统的凸包法和台积法的结果对比。实验结果表明,台积法计算的三维绿量值最大,凸包法计算的三维绿量次之,顾及冠层叶面积密度的树木三维绿量方法计算的三维绿量值最小,为台积法的36.69%,为凸包法的47.80%。相比传统方法,顾及冠层叶面积密度的树木三维绿量计算方法侧重光合作用组分叶片点云的统计,并考虑了树冠内部树叶分布情况,更符合树木的实际情况,能充分利用三维点云数据特性,反映树冠内部三维绿量分布。     

基于三维激光扫描的树木点云三维建模

利用三维激光扫描得到的树木枝干点云数据为数据源,利用拉普拉斯算法对三维点云数据进行噪声去除工作,对去噪后的数据采用Delaunay三角网生长算法,构建点云数据的三角网格模型.     

基于地面激光雷达点云数据的森林树高、胸径自动提取与三维重建

针对亚热带环境条件下森林树高、胸径自动化提取精度较低、单木形态模拟较为困难的问题,提出基于地面激光雷达点云数据提取森林树高、胸径及重建森林场景三维模型的方法。首先采用变尺度地面点识别法获取地面点并构建DEM。然后根据树木主干点云主方向相似度及轴向分布密度分割主干与其他植物器官点云。接着以主干点云为基础,采用迭代最小二乘拟合圆柱的方法自动提取树木位置、胸径;构建点云的八叉树结构,利用体素的空间邻接性实现点云分割,自动提取树高。最后,结合单株植物建模技术,以树根节点为纽带构建样地尺度上的森林场景三维模型。实验结果显示,胸径估测R~2为0.996,平均相对误差为2.09%,RMSE为0.66 cm;树高估测R~2为0.972,平均相对误差为2.16%,RMSE为0.92 m;所重建的森林场景三维模型可表达森林样地的真实形态。     

基于直升机激光点云的分裂导线重建研究

电力线三维模型是输电线路安全和增容分析的基础,机载/直升机激光雷达技术已经成为电力三维模型重建的重要技术手段,但少有研究涉及分裂导线的高精度建模。通过分析分裂导线点云数据的特点,提出一种基于点云分段、聚类分析和曲线拟合的分裂导线精细三维重建方法。最后利用获取的四分裂导线点云数据,考虑实际作业中可能遇到的点云缺失、密度偏低等情况,对算法进行了测试和分析。结果表明:该算法能够自适应地识别点云中分裂导线的数目,分离不同分裂导线的点云,建模结果可以满足输电线路安全分析的要求。     

基于机载激光雷达点云的交互式树木分割与建模方法研究

机载激光雷达扫描(ALS)系统可大规模获取地表树木点云,有助于较高精度树木结构参数提取 和景观层面的几何重建,然而树木复杂的拓扑结构和树种的多样性给树木的准确分割与建模带来挑战。传统基 于点云的自动树木分割和建模算法虽然效率高,但存在分割误差较大、建模鲁棒性较差等问题,难以满足深度 学习大背景下用户对树木分割与建模结果进行精准标注的需求。针对 ALS 树点云密度低、点云缺失导致的自 动分割与建模困难等问题,提出一种基于高度图的交互式层次分割法用于从稀疏树点云中提取单棵树点云,然 后基于改进的空间殖民算法,通过交互式调节约束角度、删除阈值和影响半径等 3 个参数实现单棵树的重建。 实验结果表明,提出的交互式分割算法能够解决最小生成树和规范割等分割算法产生的误分割问题;提出的基 于改进空间殖民算法的交互式重建算法鲁棒性好,能够有效解决稀疏及缺失树点云的几何重建问题,且生成的 树模型能够较好地保留原始点云的特征。     

Shape classification guided method for automated extraction of urban trees from terrestrial laser scanning point clouds

Accurate detection and extraction of individual trees is one of hottest topics, which can be widely used in vehicles navigation, tree modeling, tree growth monitoring and urban green quantity estimation. The difficulty associated with individual trees extraction is the occlusion with other objects in cluttered point clouds of urban scenes, which inhibits the automatic extraction of individual trees. In this paper, we present a comprehensive framework that can be used to extract individual trees from terrestrial scanned outdoor scene. In our framework, a bottom-up method by shape-guided classification is achieved to select the candidate tree crowns and tree trunks, and a novel three-stage shape merging rule containing localization, filtering, and matching (LFM) are proposed to generate a complete individual tree. The primary advantage of the proposed method is that it is independent of the quality of data and different shapes. We made comparison experiments of classification methods of support vector machine and random forest on the accuracy assessment. The effectiveness of the proposed framework was tested in five street scenarios in point clouds from Oakland outdoor MLS dataset. The results for the five test sites achieved tree detection rates higher than 97%; the overall accuracy was approximately 98%, and the completion quality of both procedures was 96%. Non-detected trees are always sparse which come from occlusions in the point cloud data; most misclassifications occurred in man-made pillars adjacent to trees and have the same height with tree trunk. Comparison experiments to the existing methods are made to illustrate the effectiveness of our method.

     

基于曲率法线流的树点云骨架提取方法

针对树木点云拓扑结构复杂、特征细节繁多等问题,提出一种基于点云收缩提取曲线骨架的算法。首先,为了在点云表面直接应用网格收缩算法,对点云进行局部主成分分析和Delaunay三角剖分;其次,针对树木点云拓扑结构复杂和末枝细节繁多等问题,用曲率法线流算子对点云进行收缩,针对树木枝条细长且弯曲幅度平缓等特点,利用改进后的QEM网格简化方法将三角网格折叠成一维曲线骨架;最后,将得到的曲线骨架进行连通和居中处理。该算法直接在点云上进行操作,不需要额外的信息和预处理操作,对噪声和残缺点云有良好的鲁棒性。实验证明,该算法提取的树木点云骨架充分表达了树木在自然环境下的生物性结构和特征,相对于rosa、L1-中轴等经典算法,在树木点云的骨架提取速度上提高3倍以上,枝条重建度提高25%。     

结合超体素和区域增长的植物器官点云分割

点云分割是点云识别与建模的基础。为提高点云分割准确率和效率，提出一种结合超体素和区域增长的自适应分割算法。根据三维点云的空间位置和法向量信息，利用八叉树对点云进行初始分割得到超体素。选取超体素的中心体素组成一个新的重采样后的密度均匀点云，降低原始点云数据处理量，从而减少运算时间。建立重采样后点云数据的K-D树索引，根据其局部特征得到点云簇。最后将聚类结果返回到原始点云空间。分别选取植物三个物候期的激光扫描点云，对该方法的有效性进行验证。实验结果表明，该方法分割后点云与手工分割平均拟合度达到93.38%，高于其他同类方法，且算法效率得到明显提升。     

点云密度和体素大小对单木LAI反演的影响

为了提高立体像素法对单木叶面积指数(leaf area index,LAI)的反演精度,探讨了点云密度和体素大小对单木LAI反演结果的影响.获取滇朴和雪松2种具有典型代表性的单木地面激光雷达点云数据和实测LAI数据,分别对单木点云进行0.02～0.1和0.2～1倍不同程度抽稀,以点云平均最邻近距离表征点云密度,探讨了在...     

基于点重要性判断的点云简化

为了有效保持散乱点云的显著几何特征,提高点云简化的精度和效率,提出一种点重要性判断点云简化方法.首先,计算点云中点的重要性,并根据重要性提取特征点;然后,采用八叉树算法对非特征点进行简化,从而保留点云的主要细节特征,实现点云简化处理;最后,通过对公共点云和文物点云数据模型的简化实验来验证该点云简化方法.结果表明,该点重要性判断点云简化方法可以在有效保持点云细节几何特征的同时,实现点云的有效简化,是一种快速、高精度的点云简化方法.     

飞行时间3维相机的多视角散乱点云优化配准

针对目前基于飞行时间(TOF)原理的3维相机实现物体完整表面的3维点云重建过程中,多视角散乱点云配准精度低的问题,提出一种优化配准方法。该方法通过构建一个目标功能函数,并结合相邻点云的转换矩阵对该目标函数进行最小化求解,直接获取任意位置的点云到基准点云所处坐标系的绝对转换矩阵,避免了对连续点云之间的配准而引起误差的累加。对不同的物体进行实验,实验结果表明,该方法在保证点云配准速度的同时,提高了多视角点云配准的精度,物体点云模型重建效果较好,有利于实现后期3维曲面网格的重建。     

基于背包激光扫描点云强度的胸径提取方法研究

为了提高背包激光扫描点云林木胸径提取精度。以3块山区人工林做为研究对象,选取距离地面1.3 m处一定厚度的树干点云为胸径切片,切片厚度分别为0.2 m、0.4 m和0.6 m。对切片点云基于点云强度划分点云区间以获得多种胸径切片,将处理得到的切片点云映射到二维平面,采用最小二乘法对二维点进行胸径提取。结果表明：切片厚度为0.6 m、强度区间为［5,10］的切片点云提取胸径结果最好,3块样地胸径提取结果RMSE分别为0.46 cm、0.83 cm和1.03 cm,MAE分别为0.37 cm、0.66 cm和0.81 cm,相对精度分别为97.03%、94.73%和96.73%。相比于同等条件下完整点云结果,RMSE分别降低了61.34%、25.90%和61.71%,MAE分别降低了68.91%、31.96%和65.97%,相对精度分别提高了6.10%、1.95%和5.8%。并且使用点云数量分别降低了97.63%、97.25%、97.83%,平均用时分别提高了98.5%、97.6%、96.36%。通过使用最佳强度区间内的点云提取胸径,不仅可以减少点云数量节约时间成本,更能够提高胸径提取精度,并为提取其他林木参数提供参考。