基于移动激光扫描的行道树树干提取

发布时间：2021-11-18 03:20

　　基于移动激光扫描技术的行道树资源调查是当前的研究热点及未来的发展趋势,树干提取是行道树定位与分割的核心步骤,已有方法由知识驱动,人工设计树干检测规则,难以跨越低层点云数据到高层地物目标的语义鸿沟。针对上述问题,基于移动2D Li DAR系统采集的城市街道点云数据,将行道树树干提取分为树干点云识别与树干点云分割2个步骤。首先,构建城市街道点云标注数据集,提取深度、高程、维度、密度、强度等14个局部点云特征,采用Boosting监督学习算法从标注数据集中自动学习树干点云与非树干点云的差异性,通过特征融合获取高精度树干点云检测器;然后,基于树干点云识别结果,采用帧投影方法分割标识出每一根树干。试验结果表明:基于监督学习的树干点云检测器有较好的分类性能,为树干分割提取提供了精准数据,对于0.10～0.40 m的球域半径,测试集查准率均高于93%,查全率均高于94%。此外,以Bayes错误率为评价指标衡量单个特征的鉴别力,得出鉴别力最强的3个特征为高程方差、强度范围及强度方差。 

【文章来源】：林业工程学报. 2020,5(05)北大核心CSCD

【文章页数】：8 页

【部分图文】：

行道树树干提取流程

本研究采用基于二维激光雷达的MLS系统，如图2所示。随着车辆的移动，二维激光雷达不断返回与车辆移动方向垂直的扇形平面内不同角度测量点的距离r及激光反射强度I。与基于三维激光雷达的MLS系统相比，二维激光雷达成本较低，数据冗余度小，在林木参数实时提取、植物三维重建、表型测量等领域[12-15]得到广泛应用。建立MLS坐标系统，求取点云三维空间坐标，如图3所示。x轴为车辆移动方向，y轴为深度方向，z轴垂直地面向上。MLS测量数据可以用测量点帧序号i和帧内编号j进行索引，第i帧第j个测量点的三维空间坐标为:

式中:v为车速，假设车辆匀速行驶;Δt为二维激光雷达扫描周期;r(i,j)为第i帧第j个测量点的距离;θ(j)为每帧第j个测量点的扫描角度;x(i,j)、y(i,j)和z(i,j)分别为第i帧第j个测量点的x、y、z坐标。后续处理的点云数据拥有5个属性值，包括三维空间坐标[x(i,j),y(i,j),z(i,j)]、测量点的距离r(i,j)及激光反射强度I(i,j)。

【参考文献】：
期刊论文
[1]车载激光点云数据中行道树三维信息自动提取研究[J]. 李玉兵,王鹏.  测绘与空间地理信息. 2018(08)
[2]基于车载LiDAR数据的行道树信息提取与动态分析[J]. 董亚涵,李永强,孙渡,李鹏鹏,范辉龙.  地理与地理信息科学. 2018(04)
[3]基于激光雷达强度值的目标反射特征提取[J]. 童祎,夏珉,杨克成,李微,郭文平.  激光与光电子学进展. 2018(10)
[4]基于变尺度格网索引与机器学习的行道树靶标点云识别[J]. 李秋洁,郑加强,周宏平,陶冉,束义平.  农业机械学报. 2018(06)
[5]基于DBN的车载激光点云路侧多目标提取[J]. 罗海峰,方莉娜,陈崇成,黄志文.  测绘学报. 2018(02)
[6]基于移动二维激光扫描的单木三维绿量测定[J]. 李秋洁,郑加强,周宏平,束义平,徐波.  南京林业大学学报(自然科学版). 2018(01)
[7]基于车载二维激光扫描的树冠体积在线测量[J]. 李秋洁,郑加强,周宏平,张浩,束义平,徐波.  农业机械学报. 2016(12)
[8]车载LiDAR点云相连行道树精细分割[J]. 张西童,李永强,毛杰,李有鹏,黄腾达.  测绘科学. 2016(08)
[9]一种基于改进区域增长的行道树点云提取方法[J]. 张恒,许君一,刘如飞,岳国伟.  测绘科学技术学报. 2015(02)
[10]一种基于车载激光扫描点云数据的单株行道树信息提取方法[J]. 吴宾,余柏蒗,岳文辉,谈文琦,胡春凌,吴健平.  华东师范大学学报(自然科学版). 2013(02)

硕士论文
[1]车载LiDAR点云中行道树信息提取研究[D]. 杨莎莎.河南理工大学 2015



本文编号：3502099