基于激光点云的森林树木结构参数提取_蓝乐淘.pdf

第 46 卷 第 1 期2023 年 1 月测绘与空间地理信息GEOMATICS&SPATIAL INFORMATION TECHNOLOGYVol.46,No.1Jan.,2023收稿日期:2022-08-22作者简介:蓝乐淘(2001-),女,畲族,浙江杭州人,测绘工程专业在读本科生。通信作者:康志忠(1975-),男,贵州福泉人,教授,博士,2004 年毕业于武汉大学摄影测量与遥感专业,主要从事数字摄影测量、激光雷达数据处理以及月球与行星遥感等方面的研究及教学工作。基于激光点云的森林树木结构参数提取蓝乐淘,康志忠(中国地质大学(北京)土地科学技术学院,北京 100083)摘要:以河北塞罕坝林区激光雷达数据为研究对象,利用点云魔方软件 CSF 滤波、DEM 不规则三角网格内插、基于点云分割单木提取森林树木结构参数,以抽样检测方式开展精度分析,并通过优化 CSF 滤波的分类阈值提高单木提取精度,获得了理想的效果。结果显示,点云魔方 CSF 分类阈值对精度影响存在最优解。对比 0.50、0.55、0.60、0.65、0.70 m 5 个分类阈值,阈值为 0.60 m 时精度最高,其单木提取查全率为 82.1%,查准率为85.2%,树高提取中误差 0.87 m,标准差 0.75 m。研究也显示,点云魔方在处理海量森林点云数据时表现出较强的分析和处理能力,其算法多样、参数设置灵活以及可视化的数据信息显示,给用户带来全新的体验。关键词:点云魔方;单木结构参数提取;精度评价中图分类号:P225.1 文献标识码:A 文章编号:1672-5867(2023)01-0165-04Extraction of Forest Tree Structure Parameters Based on Laser Point CloudLAN Letao,KANG Zhizhong(China University of Geosciences,Beijing College of Land Science and Technology,Beijing 100083,China)Abstract:Taking the LiDAR data of Saihanba forest area in Hebei province as the research object,this paper uses CSF filtering,DEM irregular triangular mesh interpolation,single tree segmentation based on point cloud in the software PCM v2.0 to extract the structural parameters of forest trees.The paper also carries out accuracy analysis by sampling detection,and improves the single tree extraction accuracy by optimizing the classification threshold of CSF filtering,and obtains ideal results.The results show that there is an optimal solution for the influence of the threshold of PCM v2.0 CSF classification on the accuracy.Compared with the five classification thresholds of 0.50 m,0.55 m,0.60 m,0.65 m and 0.70 m,the accuracy is the highest when the threshold is 0.60 m.The recall rate of single tree extraction is 82.1%,the precision rate is 85.2%,the mean square error of tree height extraction is 0.87 m,and the standard deviation is 0.75 m.The research also shows that the point cloud cube shows strong analyzing and processing ability when processing massive forest point cloud data,with diverse algorithms,flexible parameter settings and visual data information display,which brings a new experience to users.Key words:PCM v2.0;single tree structure parameter;extraction accuracy evaluation0 引 言激光雷达技术的不断发展,为用户带来了海量的点云数据。针对点云数据处理分析,目前国内外已研发了较多的专业软件进行数据分析、三维建模等。国外 LiDAR 点云数据处理软件大致可分为商业化软件和开源软件两大类。商业化软件中,芬兰的 TerraSolid、美国的 Globl Mapper LiDAR 等较为成熟,其中 TerraSolid为全球首套商业化 LiDAR 数据处理软件,涵盖了点云数据处理的大部分功能,被广泛用于航测部门的点云和影像处理,应用领域涉及林业分析、水文分析、电力线提取等方面。开源软件中,CloudCompare 等具备基本的点云数据处理功能,但上手复杂,学术研究性质更大1。国内的 LiDAR 点云数据处理软件大多有自主知识产权,如中科院空天信息创新研究院的点云魔方、北京数字绿土科技有限公司的 LiDAR360、武汉天擎空间信息技术有限公司的 LiDAR_Suite 等。本次将利用点云魔方进行激光点云的森林树木结构参数提取。1 点云魔方软件介绍点云魔方具有激光 LiDAR 点云常见的去噪、滤波、生产 DEM 功能,还针对林业、电力、建筑物应用要求,提供了模块支撑。其林业应用涵盖了单木分割、参数提取、模型生产、提取点云等功能。1.1 工作原理点云魔方通过滤波将点云分离成地面点与地物点,对地面点云进行内插建立地面数字高程模型(DEM),将除噪后的点云与地面点所生成的 DEM 进行高程相减,得到地物相对地面的高度,完成森林点云数据的高程归一化。最后,结合林木现状和树木结构特点,对高程归一化后的森林点云进行单木分割,提取单木结构参数。1.2 主要算法单木提取应用,涉及滤波、DEM 内插、单木分割等算法。1)滤波:点云魔方提供了 CSF 滤波、形态学滤波、移动曲面滤波、坡度滤波、三角网滤波等 5 种滤波算法。其中,CSF 滤波主要思想是将原始点云倒置,将一块模拟布料覆盖其上,依据模拟布料的硬度、重力和粒子间内部牵引力作用,通过不断迭代近似估计地形,再分离出地面点和地物点2。具体布料点受重力作用发生的空间位置改变按式(1)计算,布料内部粒子间相互牵引发生的相对位移量按式(2)计算,并针对总位移量人为设置分类阈值(thread),当位移量低于或等于阈值时视为地面点,高于阈值时视为非地面点,以此将点云分为地面点和非地面点。L(t+t)=2L(t)-L(t-t)+Gmt2(1)式中,m 为布料点的质量;G 为重力加速度;L(t)为某一时刻的格网节点位置;t 为时间变化量。L=12b(pi-p0)n(2)式中,L 为布料点位移;b 为判别布料点是否可移动性的参数,不可移动取 0,可移动取 1;pi、p0为布料 i 点和 O点粒子的高程;n 为垂直方向的单位向量0,0,1T。2)DEM 内插:软件提供不规则三角网、反距离加权平均 2 种方法。其中,不规则三角网构建方法为:以一定区域内的离散数据点为顶点,互相连接形成不交叉、不重复的三角面。该方法要求离散点分布合理、密度适中,以获得适当形状和大小的三角面。通过构建不规则三角网,可以将区域内的地面点连接形成连续的三角面网格,逼近地形表面,对三角面网格进行插值,可以得到任意数据点的高程值,生成数字高程模型。3)单木分割:点云魔方提供了基于点云分割单木和基于冠层高度模型 2 种算法。其中,单木分割的基本原理是以树顶的极大值点作为种子点,根据设定的树顶最小间距阈值来标识和“生长”目标树,将间距大于指定阈值的点排除在目标树之外,通过自上而下的方式完成对植被点云的单木分割,将多数植被点正确分配到相应的树簇中,同时算出单木的位置、树高等结构参数信息3。1.3 误差源点云魔方提取树木结构参数误差主要来源于滤波、DEM 内插和单木分割过程。误差公式见式(3)。Z=F+D+S+A(3)式中,Z 为总误差;F 为滤波误差;S 为单木分割误差;A 为其他误差。滤波和 DEM 内插影响 DEM 质量,当 DEM 生成的地形高于实际地形时,容易漏提单木或提取单木树高偏矮,反之则出现错提单木或提取树高偏高现象。单木分割主要影响提取单木的数量,当树木冠幅、树顶最小间距、最小树高等参数选择不合理容易造成单木过提取和漏提取。2 点云魔方提取单木结构参数2.1 工作流程点云魔方从激光雷达数据中提取森林结构参数,需要经过滤波、地面点选取、不规则三角网内插及 DEM 生成、高程归一化、单木分割和结构参数提取等步骤,具体流程如图 1 所示。图 1 技术路线图Fig.1 The technical workflow2.2 试验数据本次研究利用 2019 年 8 月河北承德塞罕坝林区获得的激光雷达数据4。选定测区面积 0.02 km2,树种主要为落叶松和樟子松。机载扫描仪为 Riegl VUX-1,激光脉冲发射频率为400 kHz,飞行高度150 m,飞行速度6 m/s,共获取激光点 25 663 689 个。2.3 算法和参数设定点云魔方提供的算法和参数各有其适应性,初次使用者可能因经验不足导致选择不当,而使提取单木结构参数精度过低。本次研究采用 CSF 滤波法从原始点云中分离地面点,由于研究区域的主要地形为山地,坡度较为陡峻,因此将布料硬度设置为山地,布料分辨率调整为0.5 m,分类阈值维持默认值不变。为了生成精度更高的DEM,本次研究采用不规则三角网内插的方法,将网格分辨率调整为 0.5 m。此外,考虑到测区内的主要树种为针叶林,树木茂密,树顶间距小,因此,在设置单木分割参数时,将最小冠幅设置为 2 m,树顶最小间距设置为 0.5 m。具体参数算法和参数见表 1。661 测绘与空间地理信息 2023 年表 1 单木结构参数提取算法和参数设计Tab.1 Parameter extraction algorithm and parameter design of single tree structure工作内容算法和参数滤波CSF 算法,布料分辨率为 0.5 m,最大迭代次数 200 次,分类阈值 0.5 m(默认值),布料硬度为山地DEM 内插不规则三角网格,网格分辨率 0.5 m单木分割和提取基于点云分割单木,最小冠幅 2 m,树顶最小间距 0.5 m,最小树高 3 m2.4 成果提取提取单木的结构参数包括树顶点的位置、树高、冠幅、冠层面积、冠层体积、枝下高、地面高程等。本次共提取单木 1 250 棵,最大树高 21.089 m,最小树高 3.251 m,平均树高 13.825 m。3 精度分析采用抽样检测方法对点云魔方提取树木结构参数进行精度分析。选定样地位于测区西北角,面积约 400 m2,使用华测 RTK 和 Haglof 激光测距仪获取树木结构实测数据,将实测数据视为真实值,对比分析点云提取