论文部分内容阅读
树木参数是生态系统生产力模拟、碳循环研究、林业管理等领域应用的重要支撑。传统手工测量树木参数方法大多费时费力且通常具有破坏性。基于2D光学遥感数据的树木参数提取方法通常仅能够提取树木顶部表面参数。地面激光雷达(Terrestrial Laser Scanning,TLS)为提取树木参数提供了一种快速有效的技术手段。为提高树木参数准确度和降低参数提取过程的计算复杂度,研究人员通常需要分割树叶和枝干(即语义分割)并对枝干进行三维重建。本研究在树叶与枝干分割、枝干三维重建和枝干参数提取三个方面开展了以下工作:(1)将单最优尺度分割方法推广为多最优尺度分割方法。首先,在预定义的备选尺度集中为每个数据点选择多个最优尺度。其次,在最优尺度集上计算12个常用的3D和2D几何特征。最后,提取到的几何特征被用于训练一个线性判别分析(Linear Discriminant Analysis,LDA)模型并进行树叶和枝干分割。与单最优尺度分割方法相比,多最优尺度分割方法分割准确度更高。与随机多尺度方法相比,多最优尺度方法在尺度较少的情况下稳定性更好。(2)改进了枝干三维重建方法。首先,采用K近邻(K-Nearest Neighbors,KNN)区域增长并结合密度聚类将枝干TLS数据切割成为类圆柱状数据块。其次,将这些类圆柱状数据块的几何质心作为枝干骨架点。再其次,构建每个枝干骨架点到最近邻的10个枝干骨架点的邻接图并采用最小生成树(Minimum Spanning Tree,MST)算法提取枝干骨架图。最重要的是,利用主成分分析(Principal Component Analysis,PCA)将给定类圆柱状数据块变换到另一个正交空间,变换过程中协方差矩阵的特征值被用于计算枝干半径。最后,利用圆柱拟合方法重建枝干三维模型。实验结果表明改进的枝干三维重建方法较好地重建了枝干三维结构。与SimpleTree软件重建的枝干三维模型相比,改进的枝干三维重建方法抗噪声性更强、准确度更高(尤其是细枝)。(3)基于重建的枝干三维模型提取了每棵实验树木的树高、胸径、枝干体积和枝干表面积。与实测值相比,我们的方法提取的枝干表面积平均误差为28.72%,其余参数的平均误差在8%以内。SimpleTree软件提取的树高和胸径的平均误差在6%以内,提取的枝干体积和枝干表面积平均误差分别高达246.35%和185.24%。与SimpleTree软件提取的参数值相比,我们的方法提取的胸径、枝干体积和枝干表面积更加准确。数据完整性和噪声对我们的方法和SimpleTree软件提取的参数的准确度影响都很大。