应用无人机高密度点云对高郁闭度人工林单木分割.pdf

第 卷 第 期东 北 林 业 大 学 学 报.年 月 .第一作者简介:李文博男 年 月生东北林业大学林学院硕士研究生:.通信作者:李继红东北林业大学林学院教授:.收稿日期:年 月 日责任编辑:王广建应用无人机高密度点云对高郁闭度人工林单木分割李文博 李继红(东北林业大学哈尔滨)摘 要 为探索机载激光雷达对高郁闭度人工林单木分割的应用潜力选取黑龙江省森林植物园内红松()、云杉()、樟子松()块具有代表性的样地作为研究对象应用多旋翼无人机搭载 激光雷达获取密度较高的点云数据经过去噪、滤波、地面点分类预处理 分别采用标记控制分水岭算法和点云间距聚类算法并调整相应的参数对试验区内的 块样地进行单木分割 结果表明:采用标记控制分水岭算法的单木分割冠层高度栅格分辨率为.时分割效果最好(总体调和值为.)红松、云杉和樟子松样地的调和值分别为.、.、.调和值随着分辨率的降低而降低采用点云间距聚类算法的单木分割距离阈值为平均冠幅半径时分割效果最好(总体调和值为.)红松、云杉和樟子松样地的调和值分别为.、.、.距离阈值过大过小都导致调和值降低 因此结合机载激光雷达高密度的点云数据标记控制分水岭算法和点云间距聚类算法都适用于高郁闭度人工林较精准的单木分割通过调整参数、高分辨率的冠层高度图像和合适的距离阈值提高了分割的精度高密度点云数据对高郁闭度人工林单木分割具有较好的应用潜力关键词 机载激光雷达人工林单木分割高密度点云分水岭算法点云间距聚类算法分类号./(.)/():.(.).(.).传统的森林资源调查方法通过测量仪器对样地单株树木逐一测量 这种调查方法虽然精度高在世界范围内被林业部门广泛采用但费时费力效率不高同时对被调查的植被有一定破坏性近年来随着遥感技术的不断进步尝试性应用于林业调查 一般的遥感手段难以准确提取单木的三维参数 光学遥感图像基于图像的方法受到森林类型的复杂性、图像的空间分辨率和数据饱和度等因素的限制雷达图像在一定程度上克服了光学遥感中的云覆盖的影响但在冠层密度高、层次结构复杂的条件下不同波段之间的差异可能并不明显激光雷达()是一种主动遥感技术用于通过发射和接收激光脉冲来获取目标结构的三维信息 这种方法实现了较高的树冠穿透率并具有较高范围分辨率及较为出色的抗干扰能力 根据使用的平台不同激光雷达方法可分为星载激光雷达、机载激光雷达和地基激光雷达无人机机载激光雷达()通过自上而下的方式对目标进行扫描获取数据方便快捷相对不受天气影响 此外这种方法可以产生高质量的点云数据并且可以有效地探测森林的冠层结构 当下无人机机载激光雷达的单木分割算法大致有两种一种是根据栅格化点云数据得到的冠层高度模型()进行单木分割 .基于标记控制分水岭分割算法对美国阔叶林进行单木分割 刘鲁霞等结合机载与地基雷达数据使用 变换算法识别单木同时获取到了较高精度的单木三维参数 全迎等通过局部最大值滤波来探测树顶将树顶作为标记通过特征提取勾绘单木树冠来分离单木 另一种是通过归一化点云()将最初始的点云数据在三维空间层面上分类 .提出了一种均值漂移聚类算法通过归一化分割方法使单木分割的整体精度达到了 谷志新等通过改进的多层 单木识别算法对落叶松人工林进行单木分割识别率达到了.以往基于机载激光雷达点云数据研究单木分割时由于无人机续航能力较弱飞行高度较高搭载的雷达设备性能不够完善获取到的点云密度普遍较低同时生成的 图像分辨率不高难以精确分割相对茂密的人工林 高密度的点云数据为获取高分辨率的 图像提供了数据支持能够更好地识别单棵树木的轮廓信息同时能够更完整地表达出单木的空间信息 本研究通过机载激光雷达收集高密度点云数据应用于相对茂密的人工林进行单木分割因此选取了黑龙江省森林植物园内高郁闭度的红松、云杉和樟子松作为研究样地 根据不同栅格分辨率的冠层高度模型不同距离阈值分别采用标记控制分水岭算法和点云间距聚类算法对 块样地进行单木分割分析两种算法及参数设置对单木分割的影响 研究区概况本研究以黑龙江省森林植物园内的红松()、云杉()、樟子松()样地作为研究对象分别选取一块边长为 的样地开展研究 块样地的郁闭度均在.以上 红松冠幅与树高相对较小云杉、樟子松冠幅与树高相对较大红松林下环境较简单云杉、樟子松林下环境较复杂 研究方法.机载激光雷达数据获取本研究应用的无人机型号为 搭载的激光雷达为 飞行时间为 年 月 日天气状况优良无人机航线及测区情况见图 无人机及激光雷达技术参数:飞行速度为./飞行高度 回波次数 次点云上色模式为真彩光学相机分辨率 像素激光波长 同时采集研究区的高密度真彩点云及正射影像数据(见图)获取的点云数据储存格式为.平均点云密度 点/平均点云密度远远超过了传统机载激光雷达可获取的点云数据图 无人机航线及测区情况图 真彩点云及正射影像将点云与光学影像融合生成真彩点云数据对高密度点云数据进行去噪、滤波、地面点分类预处理用于后续标记控制分水岭算法和点云间距聚类算法的研究(见图)通过改变相关参数比较不同算法以及不同参数下对单木分割的影响并作出敏感性分析图 技术路线图第 期 李文博等:应用无人机高密度点云对高郁闭度人工林单木分割.点云预处理无人机在采集数据的过程中往往会收集到一些孤立点将其称之为噪声点噪声点会对研究结果造成一定的影响因此在预处理时采用孤立点算法先将噪声点去除来保证研究的精度 该算法是在空间内将某一点作为中心点搜索半径范围内的点当点不在搜索半径范围中将视为噪声点被去除并保留搜索半径内的点配合手动去除一些未被识别的噪声点 本研究基于 软件 模块对去噪后的点云数据进行滤波与分类处理 应用逐步加密三角网滤波算法基于地形表面提取地面点与非地面点由于实验区在城市内地形较为平缓故设置迭代角度为、迭代距离为.标记控制分水岭算法将提取的地面点利用反距离权重插值法生成分辨率为.、.、.的地面数字高程模型()将提取的非地面点第一次回波探测到的点利用反距离权重插值法生成分辨率为.、.、.的数字表面模型()将同分辨率的数字表面模型与数字高程模型作减法运算得到三种分辨率的冠层高度模型 激光雷达在扫描样地采集点云的同时栅格图像包含了一些无效的单位不利于探索树冠的边界会对结果造成影响因此需要对 表面做去噪处理应用高斯滤波方法消除图像的噪声点这种基于线性的平滑滤波更有利于分离单木树冠传统的分水岭分割方法是将树冠的影像看作为倒置的聚水容器以容器最低点为注水孔洞持续向孔洞注水直至水位达到了相邻容器的交界处边界则默认为分水岭的界限 由于树木之间较为茂密、获取的点云密度较高常规的分水岭分割算法容易产生错误识别以致于过度分割因此采用标记控制水岭算法 该算法是通过可调节窗口大小的局部最大值算法捕捉单木的树冠顶点作为标记点围绕标记点形成聚水容器设置最小冠幅高度的阈值持续注水直至淹没在此约束下生成容器的轮廓减少过度分割的效果显著该过程如图 所示 本研究基于.、.、.分辨率的 栅格数据进行分割将无人机获取的高空间分辨率的正射影像作为辅助数据并结合实测数据分析比较不同栅格分辨率对分割精度的影响并作出敏感性分析.点云间距聚类算法样地中的云杉、红松和樟子松均为针叶林尽管树与树之间的水平距离较近树冠下层存在部分堆叠的情况但树冠由下往上的间距逐渐加大因此可以通过距离判定来分割单木 红松的林下环境相对简单但云杉、樟子松的林下环境较为复杂为了保证准确地探索到单木顶点防止树木间隙中伴生树种的干扰筛掉一些低于树冠的下部点云根据分类后的点云数据进行点云高程归一化避免地形起伏对树木高程的影响更好的表达出树木的实际高度 对高程归一化的点云采用基于距离判定的聚类算法进行单木分割 该算法是根据分析点的高程与点与点之间的距离作为判定依据由上到下基于间距阈值和最小间距来分配 单木的树冠顶点作为一个单独聚类通过比较低于顶点的其他点到顶点的距离逐步进行分类如图 所示 为树木 的顶点 为树木 顶点由于 到 的水平距离 大于阈值 判定 不属于树木 由于 到 的水平距离 小于阈值 且 大于可以判定 点属于树木 由于 点到 的水平距离 小于阈值 且 大于 可以判定 点属于树木 本研究将样地平均冠幅半径、最小冠幅半径、最大冠幅半径作为间距阈值()分析比较不同距离阈值对分割精度的影响并作出敏感性分析图 标记控制分水岭算法示意图图 基于距离判定的聚类算法.分割精度指标本研究为了比较两种算法下不同分辨率、不同间距阈值参数对单木分割精度的影响根据实测数 东 北 林 业 大 学 学 报 第 卷据以及无人机采集的高空间分辨率的正射影像作为验证数据采用单木召回率()探测准确率()、调和值()等指标作为评价依据指标的计算公式如下:/()/()/()式中:为正确分割数量为漏分的数量为错误分割的数量 结果与分析.不同分辨率的冠层高度点云分类完成后根据提取的地面点和非地面点生成不同分辨率的 和 得到.、.、.栅格分辨率的冠层高度()图像(见图)分别对不同栅格分辨率下红松、云杉和樟子松样地的冠层高度图像进行单木分割分割效果见图 图 不同分辨率的冠层高度()图像 点云归一化完成后选择样地下单木的平均冠幅半径、最小冠幅半径、最大冠幅半径作为距离判定的间距阈值分别对红松、云杉和樟子松样地的点云数据进行点云分割分割效果见图 由表 可知应用控制分水岭算法的单木分割随着分辨率的降低召回率()与调和值()逐渐下降当 栅格分辨率为.时分割效果最好块样地的调和值()分别为.、.、.由表 可知应用点云间距聚类的单木分割距离阈值过大或者过小都影响着分割精度当距离阈值为平均冠幅半径时分割效果最好 块样地的调和值()分别为.、.、.两种算法精度比较由于实验样地均为高郁闭度的针叶林传统的机载激光雷达难以精准地探测单木而本研究采用 搭载 镜头获取样地内树木的高密度点云数据为获取高分辨率 栅格图像和相对完整的单木三维结构信息提供了基础 从整体上来看应用 图像分割时随着栅格分辨率的降低标记控制分水岭算法的分割精度第 期 李文博等:应用无人机高密度点云对高郁闭度人工林单木分割随之下降 当分辨率为.时分割的效果最好块样地的调和值分别为.、.、.应用高密度点云分割时间距阈值越趋近于样地平均冠幅半径点云间距聚类分割算法的分割精度越高当阈值为样地平均冠幅半径时分割的效果最好块样地的调和值分别为.、.、.两种算法最优分割的总体调和值分别为.、.均达到了较好的单木分割效果且点云间距聚类算法略优于标记控制分水岭算法图 不同分辨率冠层高度()的分割结果表 标记控制分水岭算法分割的精度验证结果分辨率/树 种正确分割数量()错误分割的数量()漏分数量()单木召回率()/探测准确率()/调和值()/.红松().云杉().樟子松().红松.云杉.樟子松.红松.云杉.樟子松.分辨率的改变影响着标记控制分水岭算法的精度当分辨率较高时由于算法对树冠起伏的识别过于敏感易于产生过度分割的现象当分辨率较低时 图像趋于平滑由于算法将距离较近的树误识别为一棵树导致分割不完全的现象发生当分辨率为.时过度分割的现象较为明显过 东 北 林 业 大 学 学 报 第 卷度分割的数量高于分割不完全的数量两种现象都会降低算法对单木的识别能力 当分辨率降低时过度分割的数量减少分割不完全的数量增加 因为二者增减量与作用效果的不同分割不完全对识别能力的影响大于过度分割的影响导致正确分割数量()逐渐降低召回率()随之下降受过度分割与分割不完全共同作用影响()并不会因分辨率的降低而一直降低但整体分割精度会随之降低 分辨率的改变对红松的探测能力影响较大其原因是样地中的红松树冠面积较小当分辨率下降后不易区分树冠边界产生了较多的漏分问题在高分辨率的 下红松有着较好的分割效果由于红松冠幅相对较小林下环境简单种植密度高且树冠边界较为清晰高分辨率的图像恰好有助于边界的识别大大提高了分割的精度图 不同间距阈值的点云分割效果表 点云间距聚类算法分割的精度验证阈 值树 种正确分割数量()错误分割的数量()漏分数量()单木召回率()/探测准确率()/调和值()/平均冠幅半径红松().云杉().樟子松().最小冠幅半径红松.云杉.樟子松.最大冠幅半径红松.云杉.樟子松.距离阈值的改变影响着点云间距聚类算法的精度当距离阈值趋近于平均冠幅半径时 块样地都有着较好的分割效果探测准确率与召回率较接近说明高密度点云数据能够更详细地表现出单木的三维空间信息 当阈值过小时探测准确率较低召回率较高说明过度分割的数量较多 当阈值过大时第 期 李文博等:应用无人机高密度点云对高郁闭度人工林单木分割探测准确率较高召回率较低说明不完全分割的数量较多 距离阈值过大过小都会导致整体分割精度降低 结论本研究以黑龙江省森林植物园的高郁闭度人工针叶林为研究对象通过无人机搭载 激光雷达收集高密度点云数据为获取高分辨率 图像和相对完整的单木空间信息提供了数据支持 分别应用标记控制分水岭算法和点云间距聚类算法对高郁闭度的红松、云杉和樟子松等 块样地进行单木分割都取得了较好的分割效果并且点云间距聚类算法略优于标记控制分水岭算法 试验表明在对高郁闭度人工针叶林进行单木分割时高分辨率的 图像可以有效地减少漏分的现象更精准地识别单木的轮廓 分辨率越高标记控制分水岭算法分割的效果越好高密度点云数据获取单棵树木的点云数量远高于传统机载雷达相对完整的空间信息有助于点云聚类的距离判定距离阈值越趋近于样地平均冠幅半径点云间距聚类算法分割的效果越好 机载激光雷达获取高密度的点云数据应用标记控制分水岭算法和点云间距聚类算法都实现了对高郁闭度人工林更精准的单木分割因此高密度点云数据对林业调查、获取林木三维参数等具有较大的应用潜力参 考 文 献 李建德冯亮陈占生等.森林资源外业调查特殊情况分析及处理方法:以 年湖北森林资源调查为例.湖北林业科技():.芦熙文.基于生成对抗网络的星载 图像到光学图像的映射研究.南京:南京航空航天大学.乔俊峰周沅桢王永等.三维激光扫描测体积技术及其应用进展.激光与红外():.王梦樱.面向林区机载 点云的多分辨率层次插值滤波方法研究.青岛:山东科技大学.().():.:.().:./.:./.周宇飞王振师钟映霞等.基于无人机机载激光雷达的桉树蓄积量估测技术研究.林业与环境科学():.方红亮.森林垂直结构参数实测与遥感研究进展:以叶面积指数和聚集指数为例.科学通报():.熊昊庞勇荚文等.基于机载激光雷达冠层高度模型的小班区划.林业科学研究():.():.刘鲁霞庞勇.机载激光雷达和地基激光雷达林业应用现状.世界林业研究():.全迎.无人机激光雷达提取长白落叶松单木树冠三维结构的研究.哈尔滨:东北林业大学.().:./.谷志新裴方睿.基于多层 在森林点云中的单木识别算法.林业资源管理():.:.刘加生蒋汪洋.机载激光点云附色技术研究.测绘与空间地理信息():.张灏王素珍郑宇等.一种组合、种算法的图像边缘检测的 实现.液晶与显示():.胡迎香高红旗夏万求等.机载雷达点云亚热带针叶林单木分割探究.应用激光():.().:./.(上接 页)张孟库姜立春.基于机器学习的落叶松树皮厚度预测.北京林业大学学报():.().:./.:():.:./.():.刘琪璟.中国立木材积表.北京:中国林业出版社.宋亚斌邢元军江腾宇等.基于距离相关系数和 回归模型的森林蓄积量估测研究.中南林业科技大学学报():.罗为检.应用最大信息系数和支持向量机估测森林蓄积量.东北林业大学学报():.():.雷相东.机器学习算法在森林生长收获预估中的应用.北京林业大学学报():.贾勃王新杰.应用贝叶斯模型平均法建立东北云冷杉针阔混交林蓄积生长模型.东北林业大学学报():.东 北 林 业 大 学 学 报 第 卷