機(jī)載LiDAR點(diǎn)云數(shù)據(jù)在校園喬木提取中的應(yīng)用

孫峰，張文春

（吉林建筑大學(xué) 測繪與勘查工程學(xué)院，吉林 長春 130118）

0 引言

喬木是樹木資源的重要組成部分，在美化校園環(huán)境和維持校園碳氧平衡等方面發(fā)揮著重要的作用。為了開發(fā)利用好喬木資源，為樹木資源管理提供基礎(chǔ)資料，喬木的準(zhǔn)確參數(shù)（如位置、胸徑、高度等）是不可缺少的［1］。高精度的單木識(shí)別是獲取單木和森林結(jié)構(gòu)參數(shù)的重要前提，單木識(shí)別包括單木位置識(shí)別和樹高、胸徑提?。?］。在城區(qū)植被提取方面，SECORD等［3］利用機(jī)載LiDAR點(diǎn)云數(shù)據(jù)和遙感影像相結(jié)合的方式進(jìn)行城區(qū)植被參數(shù)的提取；張齊勇等［4］提出一種基于區(qū)域生長和梯度分割的樹木提取算法。隨著科技的發(fā)展，獲取喬木參數(shù)的方式也越來越多，傳統(tǒng)的測量方法，如鋼卷尺法、全站儀法等，雖然可以提供準(zhǔn)確的結(jié)果，但是需要耗費(fèi)大量的時(shí)間和精力，并且效率較低，測量的數(shù)據(jù)量有限，容易出現(xiàn)誤差［5］。機(jī)載LiDAR系統(tǒng)作為一種新的地理空間信息獲取模式，因其數(shù)據(jù)采集外作業(yè)高效且簡單化、數(shù)據(jù)后處理周期短、外作業(yè)時(shí)受天氣和陽光等環(huán)境影響較小等特點(diǎn)而被廣泛應(yīng)用于森林參數(shù)估計(jì)領(lǐng)域、林業(yè)及生態(tài)學(xué)領(lǐng)域［6］。魏學(xué)禮等［7］和李超等［8］基于實(shí)例詳細(xì)介紹三維激光掃描儀在林業(yè)調(diào)查中的應(yīng)用情況，從數(shù)據(jù)采集、數(shù)據(jù)處理到有效信息提取的全過程探索不同儀器在植被掃描中的應(yīng)用。本文介紹一種基于機(jī)載LiDAR提取喬木的方法，通過與全站儀測量進(jìn)行比較，證明機(jī)載LiDAR測量喬木的準(zhǔn)確性和實(shí)用性，為使用點(diǎn)云數(shù)據(jù)進(jìn)行智慧校園建設(shè)打下基礎(chǔ)。

1 基于機(jī)載LiDAR的喬木提取方法

1.1 機(jī)載三維激光雷達(dá)技術(shù)原理

機(jī)載激光探測及測距系統(tǒng)（Light Detection and Ranging，LiDAR）是一種集合激光測距技術(shù)、高精度動(dòng)態(tài)載體姿態(tài)測量技術(shù)和高精度動(dòng)態(tài)差分定位技術(shù)于一體、能快速獲取地面點(diǎn)三維坐標(biāo)的測量裝置［9-10］。機(jī)載激光雷達(dá)作為一種先進(jìn)的、具有多種功能的主動(dòng)遙感技術(shù)（包括激光掃描、GPS定位、高精度的動(dòng)態(tài)載體姿態(tài)測量等），可以提供準(zhǔn)確、可靠、可視化的信息［11］，其測量原理如圖1所示。

圖1 機(jī)載三維激光雷達(dá)技術(shù)測量原理

1.2 目標(biāo)點(diǎn)云聚類提取方法

目標(biāo)點(diǎn)云聚類提取方法是將采集的原始點(diǎn)云數(shù)據(jù)利用CSF過濾算法分離地面點(diǎn)，再通過聚類的方式劃分為若干相似的子集的點(diǎn)云聚類［12］。由于不同的地物有不同的特征，因此可對(duì)其進(jìn)行分類提取，分類結(jié)果有建筑物、植被及其他地物。本文提出一種歐氏距離聚類方法［13-14］，它適用于具有明顯分塊的點(diǎn)云，并且不需要預(yù)先確定目標(biāo)類的數(shù)量。使用這種方法時(shí)，需要注意控制距離的閾值（L），過大的閾值有可能會(huì)導(dǎo)致聚類結(jié)果不準(zhǔn)確；過小的閾值則會(huì)導(dǎo)致點(diǎn)云類數(shù)量增加，從而提高后續(xù)數(shù)據(jù)處理的復(fù)雜度。歐氏距離聚類法的應(yīng)用步驟如下。

（1）建立K維樹，設(shè)全部點(diǎn)云為Z。

（2）從點(diǎn)云中隨機(jī)抽取一個(gè)點(diǎn)，將其稱為m，使用K維樹確定距離該點(diǎn)不超過閾值L的點(diǎn)，將其稱為點(diǎn)集t，點(diǎn)云計(jì)算公式為

其中：Xm和Xt分別表示點(diǎn)m和n的坐標(biāo)。

（3）在Y中選擇另一個(gè)點(diǎn)，重復(fù)步驟（2）更新Y，直到Y(jié)再也沒有新點(diǎn)加入。

（4）重復(fù)執(zhí)行上述3個(gè)步驟，直至所有元素都被歸類，從而實(shí)現(xiàn)聚類的目的。

采用逐步排除的方法刪選不同的地物，分步驟依次提取喬木點(diǎn)云數(shù)據(jù)。分離策略包括高差、形態(tài)、投影、面積4個(gè)方面。獲得每個(gè)聚類單元之后計(jì)算投影跨度、高差和投影面積，通過對(duì)投影面積的計(jì)算濾除噪聲。統(tǒng)計(jì)每個(gè)聚類單元內(nèi)點(diǎn)云高程的最大值和最小值，計(jì)算出最大高程，然后對(duì)地物、桿狀物經(jīng)過篩選、優(yōu)化、精分離等步驟提取點(diǎn)云［13］。

1.3 喬木參數(shù)提取

（1）喬木位置。通過空間擬合圓的方法計(jì)算距離地面1.3m處的喬木點(diǎn)云切片（如圖2所示）的中心坐標(biāo)，計(jì)算方程式如下。

圖2 掃描喬木的點(diǎn)云切片

空間平面方程為

空間圓球方程為

其中：a、b、c是空間平面方程的系數(shù)，（a0，b0，c0）是圓心的坐標(biāo)，R是圓球的半徑，x、y、z是弧頂?shù)牟糠贮c(diǎn)數(shù)據(jù)。

（2）胸徑。喬木的胸徑不全是理想化的圓狀結(jié)構(gòu)，使用點(diǎn)云聚類提取法提取喬木胸徑，取距離地面1.3m處的喬木的直徑作為喬木的胸徑值，具體流程如下：①水平“切割”，生成輪廓線，對(duì)高程為1.3m的區(qū)域的喬木進(jìn)行水平投影，得到平面上喬木點(diǎn)云切片的幾何輪廓；②將得到的喬木點(diǎn)云切片輪廓導(dǎo)入CloudCompare軟件，計(jì)算其樹木胸徑切片輪廓線長度，記為S，根據(jù)喬木胸徑切片輪廓線長度圍成圓。喬木胸徑計(jì)算公式為D=S/π。

（3）樹高。喬木高度計(jì)算公式為H=Hmax-Hmin，Hmax和Hmin分別代表點(diǎn)云數(shù)據(jù)在Z軸上的最高值和最低值。

2 研究區(qū)域數(shù)據(jù)提取

2.1 數(shù)據(jù)采集

本文利用大疆無人機(jī)進(jìn)行外業(yè)掃描，數(shù)據(jù)采集時(shí)間為2022年6月。測區(qū)為吉林省長春市吉林建筑大學(xué)北校區(qū)，占地面積為548 000m2，采集目標(biāo)為學(xué)校主干道的2個(gè)小路段。路段1為學(xué)校西南門至2餐廳路段，全長389m；路段2為學(xué)校西門至1餐廳路段，全長216m。規(guī)劃路線后使用無人機(jī)勻速采集數(shù)據(jù)，用時(shí)0.5 h。用全站儀在5 h內(nèi)準(zhǔn)確測量出該地區(qū)喬木的位置和樹高，用卷尺在5 h內(nèi)準(zhǔn)確測量出該地區(qū)喬木的胸徑；將全站儀、卷尺獲取喬木參數(shù)的實(shí)測數(shù)據(jù)為真實(shí)值，對(duì)比分析機(jī)載LiDAR提取喬木的數(shù)據(jù)和實(shí)測喬木數(shù)據(jù)的差異，本次采樣地共實(shí)測喬木153棵。

2.2 數(shù)據(jù)預(yù)處理

獲取的點(diǎn)云數(shù)據(jù)中含有噪聲數(shù)據(jù)，需要對(duì)原始點(diǎn)云數(shù)據(jù)進(jìn)行點(diǎn)云去噪、點(diǎn)云濾波、高程歸一化等預(yù)處理操作；獲取測區(qū)點(diǎn)云喬木的絕對(duì)坐標(biāo)，將除噪后的點(diǎn)云數(shù)據(jù)進(jìn)行融合、切割，減少輸出文件數(shù)量及去除無關(guān)物體。為了快速地提取喬木信息，需要對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行分類處理，獲取喬木點(diǎn)云數(shù)據(jù)。實(shí)例驗(yàn)證表明，通過TBC軟件可以迅速、有效地提取喬木的信息。

2.3 喬木點(diǎn)云的聚類提取

抽稀、濾波后的整體點(diǎn)云數(shù)據(jù)經(jīng)過CSF濾波算法處理后，從原始的點(diǎn)云數(shù)據(jù)集中提取出地物的信息，這些信息集包含道路、樹木及路燈等。在道路環(huán)境中各喬木之間都有固定的較遠(yuǎn)距離，確立一個(gè)L的閾值后，設(shè)定其聚類距離的閾值L為2m，這樣可以更好地識(shí)別出喬木。通過本文“1.2小節(jié)”的點(diǎn)云聚類提取步驟獲取聚類后的喬木點(diǎn)云集。將路段1和路段2所有的喬木點(diǎn)云數(shù)據(jù)進(jìn)行逐次編號(hào)，采用全站儀與機(jī)載LiDAR掃描儀對(duì)喬木進(jìn)行測量對(duì)比，最后的成果數(shù)據(jù)經(jīng)整理后以表格的形式輸出。

3 成果分析

對(duì)獲取的點(diǎn)云數(shù)據(jù)進(jìn)行分類，提取喬木點(diǎn)云，然后分析擬合后各截面的中心點(diǎn)坐標(biāo)（結(jié)果見表1）。

表1 全站儀與機(jī)載LiDAR掃描儀所測喬木中心位置對(duì)比分析 （單位：m）

將喬木最高點(diǎn)高程與地面點(diǎn)高程做差，即可得到喬木的高度信息。將提取到的喬木點(diǎn)云數(shù)據(jù)在距地面1.3m處做的切片直徑作為喬木的胸徑值。通過將喬木實(shí)測值x與喬木點(diǎn)云數(shù)據(jù)提取值y進(jìn)行比較，繪制出散點(diǎn)圖。將兩者的關(guān)系進(jìn)行比較，并使用相應(yīng)的回歸方程描述它們之間的聯(lián)系（如圖3和圖4所示）。其中，胸徑一元線性回歸模型方程為y=1.001 2x-0.017 5，復(fù)相關(guān)系數(shù)R2=0.987 7；樹高一元線性回歸模型方程為y=1.017 4x-0.480 4，復(fù)相關(guān)系數(shù)R2=0.981 4。2個(gè)模型的復(fù)相關(guān)系數(shù)都接近1，說明使用空間擬合圓算法進(jìn)行的胸部檢測能很好地反映出它們之間的線性關(guān)聯(lián)。測量結(jié)果表明，機(jī)載LiDAR對(duì)喬木胸徑、樹高的提取方法可以代替鋼卷尺、全站儀對(duì)喬木胸徑、樹高參數(shù)的測量。

圖3 樹高回歸分析

圖4 胸徑回歸分析

用機(jī)載LiDAR提取路段1和路段2的樹高和胸徑數(shù)據(jù)與實(shí)測數(shù)據(jù)進(jìn)行逐棵對(duì)比，計(jì)算樹高中誤差和標(biāo)準(zhǔn)差及胸徑均方根誤差（結(jié)果見表2）。從表2可以看出，研究選定的喬木樹高中誤差和標(biāo)準(zhǔn)差總體較好，但研究區(qū)內(nèi)的4號(hào)喬木存在提取異常，經(jīng)分析，原因可能是最小樹高的設(shè)置與實(shí)際情況存在較大差異，喬木被多次分割后發(fā)生錯(cuò)誤提取的現(xiàn)象；此外，樹形起伏大的部位容易出現(xiàn)樹高提取誤差，該誤差應(yīng)該與DEM（原始數(shù)據(jù)傳遞誤差）有關(guān)。根據(jù)《國家森林資源連續(xù)清查技術(shù)規(guī)定》，樹高小于10 cm時(shí)，測量誤差應(yīng)小于3%；胸徑小于20 cm的大樹，胸徑測量誤差應(yīng)小于0.3 cm，胸徑等于或超過20 cm的大樹，胸徑計(jì)算誤差應(yīng)小于1.5%。表2中胸徑數(shù)據(jù)說明提取喬木參數(shù)時(shí)較為合理。由表1、表2的對(duì)比結(jié)果可以得出結(jié)論：全站儀方法與機(jī)載LiDAR掃描儀方法對(duì)喬木中心位置、胸徑及高度的測量結(jié)果基本一致，機(jī)載LiDAR的測量結(jié)果準(zhǔn)確、可靠。相比全站儀方法，機(jī)載LiDAR獲取的數(shù)據(jù)量更快速、全面，測量結(jié)果更準(zhǔn)確。

表2 喬木參數(shù)的掃描結(jié)果與卷尺、全站儀測量結(jié)果對(duì)比

4 結(jié)語

為充分利用校園喬木資源，必須精確、有效地收集喬木的參數(shù)信息。本文首先獲取吉林建筑大學(xué)校園內(nèi)的點(diǎn)云喬木數(shù)據(jù)，對(duì)喬木進(jìn)行聚類，其次使用空間擬合圓算法根據(jù)喬木的結(jié)構(gòu)特征建立截面擬合，提取、計(jì)算喬木的胸徑、樹高，采用先取樣再計(jì)算的方法對(duì)喬木進(jìn)行機(jī)載三維技術(shù)掃描，最后將掃描結(jié)果與人工測量的方法進(jìn)行對(duì)比分析。分析結(jié)果表明，喬木胸徑和樹高的復(fù)相關(guān)系數(shù)都接近1，通過機(jī)載LiDAR掃描儀可以迅速、準(zhǔn)確地獲取樹木的參數(shù)。這種方法的效率遠(yuǎn)遠(yuǎn)高于全站儀，不僅實(shí)現(xiàn)了對(duì)喬木參數(shù)的高精度提取，而且極大地加快了計(jì)算喬木信息的速度。