基于視覺(jué)里程計(jì)的森林樣地調(diào)查系統(tǒng)研究

陳盼盼 馮仲科 范永祥 高 祥 申朝永

(1.北京林業(yè)大學(xué)精準(zhǔn)林業(yè)北京市重點(diǎn)實(shí)驗(yàn)室， 北京 100083; 2.安徽農(nóng)業(yè)大學(xué)理學(xué)院， 合肥 230036)

0 引言

森林占全球陸地生態(tài)系統(tǒng)的30%，為全世界50%以上的動(dòng)植物提供了棲息地，是生物遺傳多樣性最為豐富的生態(tài)系統(tǒng)[1-5]，在氣候調(diào)節(jié)、碳循環(huán)和水土保持等方面發(fā)揮著重要作用[6-7]。森林清查是自然資源監(jiān)測(cè)和管理的重要組成部分，是了解森林資源現(xiàn)狀及其動(dòng)態(tài)變化的主要方式[8]。森林清查依不同層次的森林管理者及政府決策者的需求不同而不同，為森林蓄積量、生長(zhǎng)量、生物量及碳儲(chǔ)量的分析和評(píng)估提供系統(tǒng)的森林資源信息[9]。

森林樣地調(diào)查是森林資源清查的重要方式之一,不僅可以直接用于評(píng)估森林資源信息，也是空基等數(shù)據(jù)構(gòu)建模型的參考數(shù)據(jù)源。森林樣地通常為森林中具有代表性的小面積區(qū)域，通過(guò)對(duì)樣地中的樹(shù)木進(jìn)行每木檢尺獲取屬性信息并加以總結(jié)，便可獲取森林總體的評(píng)價(jià)屬性。森林樣地調(diào)查的單木屬性主要包括樹(shù)種、位置、胸徑、樹(shù)高等，而生物量、蓄積等屬性可通過(guò)所構(gòu)建模型進(jìn)行估計(jì)[10-11]。顯然，樣地調(diào)查的精度及效率直接影響森林清查的可靠性及效率[12]。在傳統(tǒng)森林樣地調(diào)查中，單木屬性信息的獲取主要依賴于簡(jiǎn)單的測(cè)量工具，如胸徑尺、測(cè)高器、測(cè)樹(shù)槍等。這些方法耗時(shí)、費(fèi)力，且存在較大主觀因素[13-15]。

隨著遙感技術(shù)的發(fā)展，利用傳感器獲取樣地點(diǎn)云，然后從該點(diǎn)云中提取立木參數(shù)的方式被許多研究者關(guān)注[16]。其中，主要使用的傳感器包括激光雷達(dá)(Light detection and ranging， LiDAR)和攝影測(cè)量(Photogrammetry)相機(jī)。激光雷達(dá)通過(guò)主動(dòng)測(cè)量目標(biāo)點(diǎn)與激光雷達(dá)距離的方式獲取深度信息[17]。由于遮擋等原因?qū)е略摲椒y(cè)得的樹(shù)木點(diǎn)云密度過(guò)小，甚至無(wú)法進(jìn)行擬合以獲取樹(shù)木胸徑及位姿[18]。攝影測(cè)量是一種被動(dòng)對(duì)周圍紋理進(jìn)行觀測(cè)的工具，通過(guò)匹配、位姿估計(jì)、稠密化點(diǎn)云等步驟獲取森林三維點(diǎn)云。但由于森林結(jié)構(gòu)復(fù)雜，不一定能夠成功獲取同名點(diǎn)，而獲取稠密的樹(shù)木點(diǎn)云，當(dāng)然也無(wú)法獲取較高精度的單木屬性[19-22]。

利用攝影測(cè)量很難保證所獲稠密點(diǎn)云合格并可以提取所有立木的單木屬性[23-28]。視覺(jué)里程計(jì)是一種僅使用相機(jī)便可以基于攝影測(cè)量理論實(shí)時(shí)估計(jì)相機(jī)位姿的一種技術(shù)。顯然，這種不需要全球?qū)Ш叫l(wèi)星系統(tǒng)(Global navigation satellite system，GNSS)信號(hào)覆蓋條件的技術(shù)適合在林下工作。本文設(shè)計(jì)一種以視覺(jué)里程計(jì)估計(jì)森林中獲取的連續(xù)圖像序列的位姿、利用非點(diǎn)云的方式獲取立木胸徑及位置的方法。利用該方法構(gòu)建圖像序列處理系統(tǒng)，并將其用于樣地中獲取圖像序列處理，以獲取樣地中立木胸徑及位置。

1 視覺(jué)里程計(jì)理論

視覺(jué)里程計(jì)(Visual odometry，VO)為以搭載在運(yùn)動(dòng)平臺(tái)上的視覺(jué)傳感器作為輸入，利用傳感器獲取的時(shí)間序列幀數(shù)據(jù)，進(jìn)行實(shí)時(shí)估計(jì)搭載平臺(tái)位姿的技術(shù)[29]。VO系統(tǒng)所搭載的視覺(jué)傳感器主要包括單目相機(jī)(Monocular camera)、雙目相機(jī)(Stereo camera)和深度相機(jī)(RGB-D camera)3類[30]。視覺(jué)里程計(jì)工作所需的傳感器較為簡(jiǎn)單，而且在不需要GNSS覆蓋的條件下便可進(jìn)行相對(duì)位姿估計(jì)，可以用于機(jī)器人室內(nèi)相對(duì)導(dǎo)航及宇宙探索中，也適合于林下無(wú)GNSS信號(hào)條件下估計(jì)觀測(cè)設(shè)備相對(duì)位姿的情況[31]。

VO算法主要需要解決的問(wèn)題是利用不同視覺(jué)傳感器獲取的具有時(shí)間相關(guān)性的圖像序列進(jìn)行實(shí)時(shí)估計(jì)搭載平臺(tái)的位姿。若設(shè)視覺(jué)傳感器在N個(gè)不同時(shí)刻獲取的幀序列為I0:N={I0,I1，…,In}(圖1)，視覺(jué)里程計(jì)通過(guò)相鄰幀對(duì)同一環(huán)境進(jìn)行重疊觀測(cè)的特性從而估計(jì)兩相鄰幀k-1與k之間位姿的相對(duì)變換，該剛性變換可以表示為

(1)

式中Rk-1,k——從k-1時(shí)刻到k時(shí)刻的旋轉(zhuǎn)矩陣

tk-1,k——從k-1時(shí)刻到k時(shí)刻的平移向量

所有連續(xù)幀的相對(duì)變換集合為T1:n={T0,1,T1,2,…,Tn-1,n}，若設(shè)不同時(shí)刻的位姿序列為C0:n={C0,C1,…,Cn}，則k時(shí)刻的位姿為

Ck=Ck-1Tk-1,k

(2)

且通常設(shè)k=0時(shí)刻的位姿C0作旋轉(zhuǎn)矩陣為單位陣、平移向量為零向量的假設(shè)?；诖吮憧梢怨烙?jì)不同時(shí)刻的位姿。

圖1 視覺(jué)里程計(jì)的本質(zhì)Fig.1 Essence of visual odometer

圖2 樣地調(diào)查系統(tǒng)基本結(jié)構(gòu)Fig.2 Structure of forest inventory system

2 森林樣地?cái)?shù)據(jù)處理系統(tǒng)設(shè)計(jì)

森林樣地?cái)?shù)據(jù)處理系統(tǒng)主要包括視覺(jué)里程計(jì)及森林調(diào)查系統(tǒng)兩部分(圖2)。視覺(jué)里程計(jì)部分以外業(yè)所采集的圖像序列為輸入估計(jì)各幀圖像的位姿；森林調(diào)查系統(tǒng)需要手動(dòng)標(biāo)記樹(shù)木位置及胸徑，然后基于同名點(diǎn)自動(dòng)匹配構(gòu)建樣地坐標(biāo)系并估計(jì)立木位置和胸徑。

2.1 視覺(jué)里程計(jì)

通常使用的視覺(jué)里程計(jì)為基于特征的里程計(jì)，其利用不同幀中出現(xiàn)多個(gè)相同特征構(gòu)建不同幀之間的位姿轉(zhuǎn)換關(guān)系。如圖3所示，為本文所構(gòu)建的基于特征點(diǎn)的視覺(jué)里程計(jì)估計(jì)位姿的基本流程圖，其利用有序的圖像序列，通過(guò)特征提取、特征匹配、運(yùn)動(dòng)估計(jì)和局部光束法平差4個(gè)步驟為獲取當(dāng)前幀的位姿：① 特征點(diǎn)提取部分用于提取圖像中對(duì)應(yīng)于地面的點(diǎn)，好的特征點(diǎn)應(yīng)具有位置精確(位置及尺度)、可重復(fù)性、計(jì)算高效及強(qiáng)魯棒性等特征，本文選擇提取速度較快的FAST(Feature from accelerated segment test)方法，提取角點(diǎn)類型的特征點(diǎn)。②特征匹配部分需要建立不同幀中特征點(diǎn)之間的對(duì)應(yīng)關(guān)系，并使用BRIF(Binary robust independent elementary feature)算子描述該特征點(diǎn)的特點(diǎn)且該算子之間的距離可以描述兩個(gè)特征點(diǎn)的相似性，便可依次獲取不同圖像、相同場(chǎng)景特征點(diǎn)的對(duì)應(yīng)關(guān)系。③當(dāng)獲取到匹配點(diǎn)時(shí)，即可利用P2P或EPNP估計(jì)當(dāng)前幀的位姿。④利用局部光束法平差從統(tǒng)計(jì)優(yōu)化的角度精確化所估計(jì)的位姿。

圖3 視覺(jué)里程計(jì)工作原理Fig.3 Operating principle of visual odometer

樣地調(diào)查系統(tǒng)主要包含定義樣地坐標(biāo)系、構(gòu)建全局一致的稀疏地圖、每木檢尺及參數(shù)計(jì)算4部分，如圖4所示。定義的樣地坐標(biāo)系用于描述樣地中每一棵樹(shù)木的位置；構(gòu)建全局一致性稀疏地圖使每木檢尺時(shí)所獲取的手機(jī)位姿通過(guò)回環(huán)檢測(cè)減少漂移，進(jìn)而約束樹(shù)木位置的估計(jì)誤差；每木檢尺過(guò)程觀測(cè)樣地中的所有樹(shù)木；參數(shù)計(jì)算過(guò)程計(jì)算樣地所代表區(qū)域的林分參數(shù)等。

圖4 基于全局地圖的視覺(jué)里程計(jì)Fig.4 Visual odometer based on global map

為了減少位姿估計(jì)過(guò)程中的漂移，本文視覺(jué)里程計(jì)采用全局稀疏特征點(diǎn)地圖的方式進(jìn)行研究(圖4)。特征點(diǎn)地圖中特征包含描述子、位置及其標(biāo)準(zhǔn)差信息。當(dāng)獲取到第1幀圖像的特征點(diǎn)時(shí)，假設(shè)該幀所在位置為世界坐標(biāo)原點(diǎn)且無(wú)旋轉(zhuǎn)，故直接將所有特征點(diǎn)添加到特征點(diǎn)地圖中并賦予適當(dāng)?shù)奈恢眉皹?biāo)準(zhǔn)差。當(dāng)獲取第2幀數(shù)據(jù)時(shí)與地圖中的特征點(diǎn)進(jìn)行匹配，基于匹配的點(diǎn)利用P2P算法、局部光束法平差估計(jì)該幀的位姿，獲取到位姿后基于三角測(cè)量重新估計(jì)特征點(diǎn)地圖中特征點(diǎn)的位置及其標(biāo)準(zhǔn)差；除此之外應(yīng)將新獲取的特征點(diǎn)添加到特征點(diǎn)地圖。此后獲取的幀數(shù)據(jù)則使用EPNP及局部光束法平差估計(jì)該幀圖像的位姿，在更新特征點(diǎn)部分與第2幀相同。一個(gè)典型的位姿估計(jì)結(jié)果如圖5所示。

圖5 位姿估計(jì)結(jié)果示例Fig.5 Example of pose estimation results

2.2 立木位置與胸徑估計(jì)系統(tǒng)構(gòu)建

利用樣地中拍攝的有序圖像數(shù)據(jù)估計(jì)樣地中立木的位置及胸徑，通常所需要的立木位置使用以x軸水平向東、y軸正方向指向正北、z軸垂直向上的右手坐標(biāo)系(樣地坐標(biāo)系)進(jìn)行描述。然而，視覺(jué)里程計(jì)的全局坐標(biāo)系是以第1幀圖像的位姿構(gòu)建的初始化坐標(biāo)系。另外，視覺(jué)里程計(jì)假設(shè)第2幀圖像與初始化坐標(biāo)系原點(diǎn)的距離為單位距離。顯然視覺(jué)里程計(jì)初始化坐標(biāo)系描述下的位姿尺度不正確，且與目標(biāo)坐標(biāo)系——樣地坐標(biāo)系不一致。顯然，在估計(jì)樣地中立木位置前需要糾正其尺度，并構(gòu)建從初始化坐標(biāo)系到樣地坐標(biāo)系的轉(zhuǎn)換，從而使所有幀數(shù)據(jù)能夠在樣地坐標(biāo)系中描述，從而提取基于樣地坐標(biāo)系下的立木位置。然后，不同于傳統(tǒng)基于MVS(Muti-view stereo)構(gòu)建稠密點(diǎn)云并利用點(diǎn)云提取立木信息的方法，本文試圖利用在圖像上直接標(biāo)注立木位置及胸徑的方法估計(jì)待估單木信息。

2.2.1樣地坐標(biāo)系構(gòu)建

為構(gòu)建樣地坐標(biāo)系，在掃描樣地前首先在樣地中放置如圖6所示的特殊棋盤格，并使棋盤格上對(duì)應(yīng)于樣地中心的點(diǎn)與樣地中心重合，箭頭方向指示正北方向。在內(nèi)業(yè)處理時(shí)，按照軟件提示選擇相關(guān)幀棋盤格對(duì)應(yīng)的樣地中心點(diǎn)及正北一點(diǎn)(圖7a)，然后使用極線搜索和塊匹配技術(shù)[32]搜索其他相關(guān)幀對(duì)應(yīng)于這兩點(diǎn)的像素坐標(biāo)，并通過(guò)三角測(cè)量的方法估計(jì)這兩點(diǎn)在初始化坐標(biāo)系的坐標(biāo)值，然后便可依據(jù)棋盤格對(duì)應(yīng)這兩點(diǎn)的實(shí)際距離修正所有幀的實(shí)際位姿。尺度計(jì)算公式為

(3)

式中L——棋盤格上兩點(diǎn)的實(shí)際距離

xnorth、xcenter——棋盤格上正北一點(diǎn)及中心點(diǎn)在初始化坐標(biāo)系中的坐標(biāo)值

圖6 確定樣地坐標(biāo)系所使用的棋盤格Fig.6 Chessboard used for building plot coordinate system

在修正尺度后便可獲取正確尺度的樣地中心及正北一點(diǎn)，為確定樣地坐標(biāo)系與初始化坐標(biāo)系之間的變換關(guān)系還需要獲取豎直方向的一個(gè)向量，本文通過(guò)假設(shè)樣地中立木樹(shù)干豎直向上估計(jì)該向量。如圖7b所示，通過(guò)構(gòu)建的森林樣地調(diào)查系統(tǒng)在圖像中選擇立木地徑及樹(shù)干上一點(diǎn)，并使用極線搜索、塊匹配技術(shù)搜索自動(dòng)估計(jì)相應(yīng)的在初始化坐標(biāo)系中的坐標(biāo)，則豎直方向的單位向量為

(4)

式中xbottom_i、xtop_i——第i棵被標(biāo)記立木的地徑處一點(diǎn)及樹(shù)干上一點(diǎn)的坐標(biāo)

N——被標(biāo)記立木總數(shù)

由此，便可以估計(jì)樣地坐標(biāo)系x軸單位向量在初始化坐標(biāo)系中為

(5)

y軸的單位向量為

Iy=IzIx

(6)

由此可以獲取由樣地坐標(biāo)系到初始化坐標(biāo)系的旋轉(zhuǎn)矩陣為

Rinit_plot=[IxIyIz]

(7)

及平移向量

tinit_plot=xcenter

(8)

可以將所有圖像位姿以樣地坐標(biāo)系進(jìn)行表示。

2.2.2立木位置及胸徑估計(jì)

圖7 森林調(diào)查系統(tǒng)操作界面Fig.7 Forest survey system operation interfaces

(9)

式中xplot——胸高處一點(diǎn)在樣地坐標(biāo)系中的坐標(biāo)值，其可由地徑處點(diǎn)坐標(biāo)z軸值加1.3 m獲取

Rcamplot、tcamplot——圖像由樣地坐標(biāo)系變換到相機(jī)坐標(biāo)系的旋轉(zhuǎn)矩陣及平移向量，即圖像在樣地坐標(biāo)系中的位姿的逆變換

K——相機(jī)內(nèi)方位元素矩陣

zcam——xplot在相機(jī)坐標(biāo)系下的z軸坐標(biāo)值

在獲取到胸高處一點(diǎn)，基于極線搜索和塊匹配精確化胸徑處點(diǎn)，確保該點(diǎn)落在樹(shù)干上。然后，需要在森林調(diào)查系統(tǒng)軟件中點(diǎn)擊樹(shù)木胸高處左、右側(cè)邊緣以完成樹(shù)木位置及胸徑的估計(jì)(圖7d)。在點(diǎn)擊立木左右邊緣后，一個(gè)以該圖像的位姿原點(diǎn)為原點(diǎn)、z軸水平指向胸徑處點(diǎn)、y軸豎直向上的右手輔助相機(jī)坐標(biāo)系被構(gòu)建以便于參數(shù)估計(jì)，從而求解問(wèn)題可以被描述到oAC-xAC-zAC平面內(nèi)(圖8)。則立木的平面位置及胸徑計(jì)算式為

(10)

(11)

其中xC=[xCzC]TxL=[xLzL]T

xR=[xRzR]T

圖8 樹(shù)木位置及胸徑估計(jì)問(wèn)題Fig.8 Tree position and breast diameter estimation problem

式中xC、xL、xR——樹(shù)木位置在oAC-xAC-zAC平面的坐標(biāo)

d——胸徑

xL、xR——樹(shù)干邊緣處點(diǎn)的平面坐標(biāo)

xcorr_bh——xL和xR的中心點(diǎn)坐標(biāo)

其由胸徑處點(diǎn)xp=[xpzp]T及左右側(cè)邊緣的像素獲取得

(12)

式中Rac_c——從相機(jī)坐標(biāo)系到輔助坐標(biāo)系的旋轉(zhuǎn)矩陣

在獲取到立木位置的平面位置xC后設(shè)置其高度為胸徑處點(diǎn)的高，便可換算到樣地坐標(biāo)系從而獲取到樣地坐標(biāo)系描述下的立木位置。

3 實(shí)驗(yàn)材料與方法

3.1 研究區(qū)域概況

以北京市西山實(shí)驗(yàn)林場(chǎng)(39°58′N，116°11′E)為研究區(qū)域。該林場(chǎng)海拔為300～400 m，平均降水量為630 mm。研究區(qū)主要包括人工純林和針闊混交林。選擇了12塊半徑為7.5 m的圓形樣地為研究對(duì)象，被選擇樣地地面灌草較少，以盡量減少環(huán)境對(duì)相機(jī)視野的阻擋。樣地的基本情況如表1所示。

表1 樣地屬性的描述統(tǒng)計(jì)Tab.1 Summary statistics of plot attributes

3.2 實(shí)驗(yàn)方法

采用大疆靈眸Osmo型口袋云臺(tái)相機(jī)，其成像傳感器為1/2.3”CMOS，該相機(jī)具有質(zhì)量小、結(jié)構(gòu)緊湊、智能、便攜等優(yōu)勢(shì)，另配置有較小的三軸機(jī)械增穩(wěn)云臺(tái)，抖動(dòng)抑制精度高達(dá)±0.005°。通過(guò)Matlab 2014a軟件，利用張正友標(biāo)定法對(duì)相機(jī)進(jìn)行標(biāo)定，所獲取相機(jī)內(nèi)參及畸變系數(shù)如表2所示。

為了驗(yàn)證森林樣地內(nèi)業(yè)處理系統(tǒng)所估計(jì)單木參數(shù)的精度，使用胸徑尺測(cè)量胸徑作為胸徑參考值，立木位置使用全站儀測(cè)量值聯(lián)合胸徑計(jì)算獲取的立木位置作為樹(shù)木位置參考值。本文使用偏差(BIAS)、均方根誤差(Root mean squared error, RMSE)、相對(duì)偏差(relBIAS)及相對(duì)均方根誤差(relRMSE)對(duì)各觀測(cè)值進(jìn)行評(píng)估，其計(jì)算公式為

表2 相機(jī)內(nèi)參標(biāo)定數(shù)據(jù)Tab.2 Experimental result for camera calibration of intrinsic parameters

(13)

(14)

(15)

(16)

式中xi——測(cè)量值

xir——相對(duì)于測(cè)量值xi的參考值

n——測(cè)量值的總數(shù)

BIAS——估計(jì)值偏差

Brel——估計(jì)值相對(duì)偏差

RMSE——估計(jì)值均方根誤差

Rrel——估計(jì)值相對(duì)均方根誤差

4 結(jié)果與分析

4.1 立木位置估計(jì)

立木位置估計(jì)值在x、y軸方向分別為0.04、-0.03 m，且最大偏差不超過(guò)0.10 m(表3)。雖然樣地6在x軸方向的RMSE達(dá)到0.40 m，但總體而言估計(jì)值的RMSE(0.21、0.17 m)較小。圖9為所有樣地中立木位置的誤差，由圖9可知，雖然單個(gè)樣地中似乎立木位置存在系統(tǒng)誤差，但總體而言其誤差趨于0 m，且最大誤差小于0.7 m。

4.2 胸徑估計(jì)

經(jīng)與參考值對(duì)比，胸徑估計(jì)值具有較小偏差(0.09 cm, 0.51%)及較小的RMSE(0.88 cm，5.03%)(表4)。其中，最大偏差及RMSE分別為-0.95 cm及1.16 cm。由圖10可見(jiàn)，胸徑估計(jì)值與參考值相接近，且無(wú)偏差過(guò)大點(diǎn)；且不同徑階估計(jì)值也無(wú)明顯偏差且具有相近的變異性(圖11)。

5 討論

首先利用視覺(jué)里程計(jì)基本原理恢復(fù)了在森林樣地中獲取圖像序列的位姿，然后利用構(gòu)建的森林樣地調(diào)查系統(tǒng)通過(guò)構(gòu)建樣地坐標(biāo)系、三角測(cè)量等過(guò)程估計(jì)了樣地中立木胸徑及位置。測(cè)試結(jié)果表明：立木位置估計(jì)值在x軸和y軸方向的BIAS分別為0.04、-0.03 m，RMSE分別為0.21、0.17 m；立木胸徑估計(jì)值的BIAS及RMSE分別為0.09 cm(0.51%)和0.88 cm(5.03%)。

表3 立木位置估計(jì)值的精度Tab.3 Accuracies of tree position m

圖9 立木平面位置估計(jì)誤差Fig.9 Position errors of all trees in plots

樣地號(hào)RMSE/cmrelRMSE/%BIAS/cmrelBIAS/%10.914.900.442.3320.673.130.080.3530.593.880.130.8840.472.500.160.8551.166.820.633.6761.086.680.875.3570.854.01-0.25-1.1880.895.190.362.0791.047.020.392.65100.844.890.241.42111.046.42-0.95-5.85120.844.92-0.71-4.17平均0.885.030.090.51

圖10 胸徑估計(jì)值散點(diǎn)圖Fig.10 Scatter plot of estimated DBH values

圖11 胸徑估計(jì)值箱線圖Fig.11 Errors of DBH observations for different DBH values

目前對(duì)立木位置的研究相對(duì)較多，但較少明確給出精度。TANG等[32]利用移動(dòng)激光雷達(dá)對(duì)不同的樣地進(jìn)行了掃描，其運(yùn)動(dòng)軌跡的RMSE為0.32、0.29 m，但未評(píng)估樹(shù)木的精度。FAN等[10]利用RGB-D SLAM手機(jī)對(duì)立木位置進(jìn)行了實(shí)時(shí)估計(jì)，其x軸及y軸方向均方根誤差(RMSE)均為0.12 m。LIU等[33]設(shè)計(jì)了一種實(shí)時(shí)動(dòng)態(tài)多功能CCD連續(xù)攝影的地面觀測(cè)儀器，通過(guò)點(diǎn)云提取立木位置，其偏差最大為0.19 m，最小為0.137 m，均方根誤差(RMSE)最大為0.201 m，最小為0.162 m。顯然，本文所構(gòu)建調(diào)查系統(tǒng)所獲取立木位置精度與以上方法所獲取結(jié)果相似。

目前對(duì)立木胸徑獲取方法的研究較多。LIANG等[34]通過(guò)地面激光雷達(dá)獲得點(diǎn)云數(shù)據(jù)并利用圓柱體擬合的方法來(lái)提取胸徑，其胸徑估計(jì)值的BIAS為-0.18～0.76 cm，RMSE為0.74～2.41 cm；范永祥等[35]基于RGB-D SLAM手機(jī)所構(gòu)建的森林樣地調(diào)查系統(tǒng)對(duì)立木胸徑進(jìn)行了評(píng)估，結(jié)果表明：胸徑估計(jì)值的BIAS及RMSE分別為0.36 cm(1.93%)及0.69 cm(3.89%)；QIU等[36]利用連續(xù)攝影測(cè)量原理及圖像識(shí)別技術(shù)研發(fā)了PDA(Personal digital assistant)攝影測(cè)樹(shù)儀器，該設(shè)備估計(jì)胸徑最大偏差為2.1 cm，絕大多數(shù)樣地測(cè)量偏差小于1.5 cm。本文所構(gòu)建系統(tǒng)所獲取胸徑精度與這些設(shè)備也相似。

6 結(jié)論

(1)設(shè)計(jì)了以視覺(jué)里程計(jì)估計(jì)、從森林樣地中獲取的有序圖像序列的位姿；并構(gòu)建了森林樣地?cái)?shù)據(jù)處理系統(tǒng)，以實(shí)現(xiàn)尺度修正、建立樣地坐標(biāo)系、立木位置及胸徑標(biāo)記、獲取樣地中立木位置及胸徑。

(2)選取12塊半徑為7.5 m的圓形樣地為研究對(duì)象，利用相機(jī)獲取樣地中連續(xù)圖像序列。經(jīng)所設(shè)計(jì)系統(tǒng)處理，所獲取胸徑及立木位置均具有較高精度。