基于激光点云数据的森林单木位置提取研究

doi:10.13466/j.cnki.lyzygl.2023.01.016

林业资源管理 ›› 2023, Vol. 0 ›› Issue (1): 133-140.doi: 10.13466/j.cnki.lyzygl.2023.01.016

基于激光点云数据的森林单木位置提取研究

曹庆安¹(), 左勇², 何原荣³(), 冷鹏¹^,²

1.江西省核工业地质调查院,南昌 330038
2.福州大学空间数据挖掘与信息共享教育部重点实验室,福州 350116
3.厦门理工学院数字福建自然灾害监测大数据研究所,福建厦门 361024

收稿日期:2022-11-26 修回日期:2023-02-17 出版日期:2023-02-28 发布日期:2023-05-05
通讯作者: 何原荣(1977-),男,福建厦门人,教授,主要从事遥感、激光雷达数据处理等工作。Email:heyuanrong@126.com
作者简介:曹庆安(1984-),男,安徽怀宁人,高级工程师,主要从事遥感、地理信息及相关数据处理等工作。Email:61469032@qq.com
基金资助:
江西省重点研发计划(20201BBG71001);宁夏回族自治区重点研发计划项目(2021BEG03001);江西省地质局科技研究项目(2022JXDZKJKJ07)

Location Extraction of Single Tree in Forest Based on Laser Point Cloud Data

CAO Qingan¹(), ZUO Yong², HE Yuanrong³(), LENG Peng¹^,²

1. Jiangxi Nuclear Industry Geological Survey Institute,Nanchang 330038,China
2. Key Laboratory of Spatial Data Mining and Information Sharing of Ministry of Education,Fuzhou University,Fuzhou 350116,China
3. Big Data Institute of Digital Natural Disaster Monitoring in Fujian,Xiamen University of Technology,Xiamen,Fujian 361024,China

Received:2022-11-26 Revised:2023-02-17 Online:2023-02-28 Published:2023-05-05

摘要/Abstract

摘要：

以河北塞罕坝林场落叶松林地为研究对象,通过选取样地布设水泥桩和反射片,针对森林单木提取精度不高等问题,开展基于激光点云数据的森林单木位置提取方法研究,为森林资源调查的单木定位和数量统计提供参考。通过将采集的森林地面点云数据,采用反射片模式与各个测站点云数据进行配准,提出一种改进的体素空间邻域和RANSAC圆柱拟合方法,分3种不同大小的样地进行单木位置提取实验,结果表明,该方法的单木位置提取效果较好,提取精度均在93%以上。

关键词: 激光点云, 单木位置提取, RANSAC圆柱拟合, 落叶松

Abstract:

This paper took the larch forest land of Saihanba Forest Farm in Hebei Province as the research object.Through setting cement piles and reflective sheets in the selected sampling sites,aiming at the low precision of forest single tree extraction,this paper conducted the research on the method of extracting the location of forest single tree based on laser point cloud data,which provided a reference for the location and quantity statistics of single tree in forest resource survey.Through the registration of the collected forest ground point cloud data with the cloud data of each survey site using the reflector model,an improved voxel space neighborhood and RANSAC cylinder fitting method was proposed to extract the single tree position from three different size sample plots.The results showed that the single tree position extraction effect of this method was good,and the extraction accuracy was more than 93%.

Key words: laser point cloud, single tree position extraction, RANSAC cylinder fitting, larch

中图分类号:

TP75

曹庆安, 左勇, 何原荣, 冷鹏. 基于激光点云数据的森林单木位置提取研究[J]. 林业资源管理, 2023, 0(1): 133-140.

CAO Qingan, ZUO Yong, HE Yuanrong, LENG Peng. Location Extraction of Single Tree in Forest Based on Laser Point Cloud Data[J]. FOREST RESOURCES WANAGEMENT, 2023, 0(1): 133-140.

图/表 13

图1

图2

图3

图4

图5

表1

图6

图7

图8

图9

表2

图10

图11

参考文献 21

[1]	徐新良, 曹明奎, 李克让. 中国森林生态系统植被碳储量时空动态变化研究[J]. 地理科学进展, 2007, 26(6):1-16.
[2]	刘鲁霞, 庞勇, 李增元. 基于地基激光雷达的亚热带森林单木胸径与树高提取[J]. 林业科学, 2016, 52(2):26-37.
[3]	Li Yumei, Guo Qinghua, Su Yanjun, et al. Retrieving the gap fraction,element clumping index,and leaf area index of individual trees using single-scan data from a terrestrial laser scanner[J]. Isprs Journal of Photogrammetry & Remote Sensing, 2017, 130:308-316.
[4]	刘月, 王君, 杨雨春, 等. 不同林分密度胡桃楸胸径、树高、材积与冠幅关系[J]. 森林工程, 2021, 37(3):28-35.
[5]	王臻, 王珠鹤. 结合Faster-RCNN和局部最大值法的森林单木信息提取[J]. 实验室研究与探索, 2022, 41(4):12-16.
[6]	余楚滢, 龚辉, 曹晶晶, 等. 基于无人机影像的无瓣海桑单木提取与地上生物量估算[J]. 热带地理, 2023, 43(1):12-22. doi: 10.13284/j.cnki.rddl.003609
[7]	张玉薇, 陈棋, 田湘云, 等. 基于UAV可见光遥感的单木冠幅提取研究[J]. 西部林业科学, 2022, 51(3):49-59.
[8]	林怡, 季昊巍, 叶勤. 基于LiDAR点云的单棵树木提取方法研究[J]. 计算机测量与控制, 2017, 25(6):142-147.
[9]	朱俊峰, 刘清旺, 崔希民, 等. 地基与无人机激光雷达结合提取单木参数[J]. 农业工程学报, 2022, 38(14):51-58.
[10]	谷志新, 裴方睿. 基于多层K-means在森林点云中的单木识别算法[J]. 林业资源管理, 2022(1):124-131.
[11]	张信杰, 郑焰锋, 温坤剑, 等. 融合机载和背包激光雷达的桉树单木因子估测[J]. 林业资源管理, 2022(6):131-137.
[12]	Yang Juntao, Kang Zhihong, Cheng Sai, et al. An individual tree segmentation method based on watershed algorithm and three-dimensional spatial distribution analysis from airborne LiDAR point clouds[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2020, 13:1055-1067. doi: 10.1109/JSTARS.4609443
[13]	戴永江. 激光雷达原理[M]. 北京: 国防工业出版社, 2002.
[14]	赵晓明, 洪波. 三维激光扫描仪应用技术研究[J]. 价值工程, 2010, 9(6):236-236.
[15]	冷鹏. 基于地面激光雷达的森林冠层LAI测量及验证[D]. 福州: 福州大学, 2019.
[16]	deConto T, Olofsson K, Görgens E B, et al. Performance of stem denoising and stem modelling algorithms on single tree point clouds from terrestrial laser scanning[J]. Computers and Electronics in Agriculture, 2017, 143:165-176. doi: 10.1016/j.compag.2017.10.019
[17]	Raumonen P, Kaasalainen M, Åkerblom M, et al. Fast automatic precision tree models from terrestrial laser scanner data[J]. Remote Sensing, 2013, 5(2):491-520. doi: 10.3390/rs5020491
[18]	Zou Jie, Leng Peng, Hou Wei, et al. Evaluating two optical methods of Woody-to-Total area ratio with destructive measurements at five Larix gmelinii Rupr. forest plots in China[J]. Forests, 2018, 9(12):746-772. doi: 10.3390/f9120746
[19]	庄崯国. 顾及冠层叶面积指数分布特征的单株树木几何建模研究[D]. 福州: 福州大学, 2017.
[20]	林怡, 季昊巍, 叶勤. 基于LiDAR点云的单棵树木提取方法研究[J]. 计算机测量与控制, 2017, 25(6):142-147.
[21]	Paris C, Valduga D, Bruzzone L. A hierarchical approach to three-dimensional segmentation of LiDAR data at single-tree level in a multilayered forest[J]. IEEE Transactions on Geoscience and Remote Sensing, 2016, 54(7):4190-4203. doi: 10.1109/TGRS.2016.2538203

样方大小	实际单木数量/ 株	实验识别数量/ 株	识别率/ %
10m×10m	18	18	100.0
25m×25m	36	38	94.4

分块	实测数量/株	估计数量/株	精度/%
1	125	131	95.2
2	110	117	93.6
3	130	136	95.4
4	108	115	93.5
总	473	499	94.5

基于激光点云数据的森林单木位置提取研究

Location Extraction of Single Tree in Forest Based on Laser Point Cloud Data

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 13

参考文献 21

相关文章 15

编辑推荐

Metrics

本文评价

[1]	王晓洋, 姜友谊, 黎晓, 胡亚轩, 张家政, 刘博伟. 基于GF-1影像的多时相多特征落叶松人工林提取研究[J]. 林业资源管理, 2022, 0(4): 109-118.
[2]	王云霓, 代海燕, 海龙, 李佳陶, 师鹏飞. 华北落叶松人工林净初级生产力对气象因子的响应[J]. 林业资源管理, 2022, 0(3): 67-72.
[3]	曾伟生. 东北落叶松林碳储量生长模型研建及固碳能力分析[J]. 林业资源管理, 2022, 0(1): 18-23.
[4]	高金萍, 孙忠秋, 于慧娜, 高显连, 吴发云, 刘迎春. 基于航空点云的落叶松林分蓄积量建模和应用测试初探[J]. 林业资源管理, 2021, 0(4): 54-61.
[5]	韩晓荣, 杨林, 马秀枝, 梁蕾, 李依倩, 梁芝. 不同龄组兴安落叶松林土壤养分及其化学计量特征[J]. 林业资源管理, 2021, 0(3): 129-136.
[6]	张扬, 铁牛, 常晓丽. 大兴安岭冻土活动层对兴安落叶松生长及林下植物影响[J]. 林业资源管理, 2021, 0(3): 137-144.
[7]	李斌, 李崇贵, 李煜. 基于Sentinel-2数据的塞罕坝机械林场落叶松人工林提取[J]. 林业资源管理, 2021, 0(2): 117-123.
[8]	王志波, 季蒙, 李永乐, 李银祥, 马世明, 张海东. 华北落叶松人工林差分地位指数模型构建[J]. 林业资源管理, 2021, 0(1): 156-163.
[9]	解晗, 万一峰, 崔红娜, 郑炎, 贾彦龙. 华北落叶松人工林主要草本植物N,P生态化学计量特征研究——以燕山北部山地为例[J]. 林业资源管理, 2020, 0(4): 58-65.
[10]	郭娇宇, 周梅, 舒洋, 赵鹏武, 乌艺恒, 田金龙, 杨磊, 管立娟, 肖雷. 内蒙古大兴安岭兴安落叶松人工林生物量碳计量参数研究[J]. 林业资源管理, 2020, 0(4): 80-86.
[11]	付立华, 侯金潮, 孙赫, 王鹤智, 刘强, 程顺. 基于分位数回归的华北落叶松干形曲线模拟[J]. 林业资源管理, 2020, 0(1): 151-157.
[12]	石君杰, 陈忠震, 孟令宇, 李永祥, 李永宁. GNSS RTK 技术在林木定位及微地形测量中的应用[J]. 林业资源管理, 2019, 0(4): 117-123.
[13]	张冬燕, 王冬至, 范冬冬, 张健东, 李大勇. 不同立地类型华北落叶松人工林冠幅与胸径关系研究[J]. 林业资源管理, 2019, 0(4): 69-73.
[14]	秦舟, 韩有志, 张梦弢, 陈汉鑫, 陈奥林. 华北落叶松林分空间格局及种间关联性研究[J]. 林业资源管理, 2019, 0(4): 80-85.
[15]	陈忠震, 石君杰, 贾存, 李永祥, 刘家丞, 金辉, 李永宁. 天然华北落叶松径向生长对气候变化的响应[J]. 林业资源管理, 2019, 0(2): 60-66.