CN107643048A - 基于点云数据的测树因子自动提取方法 - Google Patents

Abstract

提供一种使用三维凸包算法计算测树因子的方法，所述三维凸包算法包括：数据采集，利用三维激光扫描仪获取待测立木的三维点云数据；数据预处理，对获取的所述点云数据进行拼接、冠体提取、数据的压缩和抽稀生成三维凸包计算所需的点集，通过对所述点云数据的直接测量获取立木的直接测量因子；计算测树因子，利用自行编写的三维凸包算法对点集自动计算获取树冠的表面积、树冠投影面积以及树冠体积。通过本发明的计算方法提高所需测树因子的计算值的精度。

Description

基于点云数据的测树因子自动提取方法

技术领域

本发明涉及一种关于森林资源计算的方法，特别地涉及一种使用三维凸包算法计算测树因子的方法。

背景技术

随着信息化技术的发展，已知提出用全站仪、经纬仪对立木进行测量，虽然能够很好的解决立木的胸径、树高等直接测定因子的测量。目前，通过模型和遥感图像来获取树冠信息，但是树冠的准确测量还是没有很好的解决。已知，研究人员利用三维激光扫描仪进行树冠表面积和体积测量的研究采用立方体格网法来遍历求解内部体积；通过改进Delaunay算法来提取树冠三维信；利用不规则体切片分割累加，实现树冠体积的自动提取；以固定大小的体元来模拟不规则的树冠形状的体元模拟法；将树冠分割为多个不规则的台体，对每个台体进行体积加和；利用不规则三角网TIN的原理方法来计算冠体体积。然而，这些研究方法的核心内容大致都是将树冠分割或者近似的模拟，所计算的均为近似值，计算值误差相对较大。

另外，传统的测量方法主要是通过将树木伐倒后，对各个参数因子进行测量。其存在操作复杂、精度不高、破坏性强以及自动化低的特点，尤其是树冠的测量，因其经济价值低、难以测量和利用，在测量过程中往往被忽略掉。另外，传统树冠体积计算方法是以树冠的冠幅和冠高为参数，将树冠视作规则几何体计算体积。由于立木树冠并不规则，对数据结果会产生很多的影响。随着森林生态效益及社会效益地位的提高，树冠的表面积、投影面积及体积等测树因子及参数的准确无损测量被越来与重视。但传统的森林调查方法和手段无法满足这些参数的准确测量，难以满足现代城市森林的发展要求。

发明内容

为了解决上述问题，本发明的目的是提供一种使用三维凸包算法计算测树因子的方法，所述三维凸包算法包括：数据采集，利用三维激光扫描仪获取待测立木的三维点云数据；数据预处理，对获取的所述点云数据进行拼接、冠体提取、数据的压缩和抽稀生成三维凸包计算所需的点集，通过对所述点云数据的直接测量获取立木的直接测量因子；计算测树因子，利用自行编写的三维凸包算法对点集自动计算获取树冠的表面积、树冠投影面积以及树冠体积。

优选地，所述三维凸包算法包括对试验数据的处理过程，所述处理过程包括所述点云数据的预处理和预处理数据的计算。

优选地，所述点云数据的预处理包括：将获取的数据加载到Faro Scene的工作区域中，进行数据匹配和拼接，以形成目标树的三维立体影像；剔除目标树的所有干扰点云数据，保留所述目标树的三维点云数据；通过压缩或抽稀算法减少点云数据，并且以XYZ坐标点的形式导出点云数据。

优选地，所述预处理数据的计算包括：利用Microsoft Visual Studio开发平台，计算获取立木的树冠表面积、树冠投影面积、树冠体积。

优选地，所述预处理数据的计算还包括树冠表面积的计算，其公式为

其中，S_树冠为立木树冠的表面积，S_i为三维凸包第i个三角形面积。

优选地，所述预处理数据的计算还包括树冠投影面积的计算，其公式为

其中，m为明暗分界线的个数，该明暗分界线的点坐标为M_i(X_i，Y_i，Z_i)。

优选地，所述预处理数据的计算还包括树冠体积的计算，以树冠的冠幅和冠高为参数计算所述树冠体积，计算步骤包括：计算所有正面和背面朝向的三角形所投影形成的三棱柱的体积，得到正面三棱柱体积和与背面三棱柱体积和；将所述正面三棱柱体积和减去所述背面三棱柱体积和，即得到所求树冠体积。

附图说明

图1为本发明的使用三维凸包算法的方法流程图与现有技术的方法流程图的对比图。

图2为三维凸包示意图。

图3为新三维凸包ABCDEFP生成示意图。

图4为三维凸包投影面积示意图。

图5为三维点云数据预处理的示意图，其中，图5的(a)为目标树的三维立体影像，图5的(b)为保留目标树的三维点云数据，图5的(c)为得到的目标树的树冠冠体的三维点云数据，图5的(d)为导出的圆柏示意图。

图6为侧柏点云效果示意图，其中，图6的(a)为树冠投影效果图，图6的(b)为树冠体积效果图。

图7为胸径树高冠幅与参考值的绝对误差图。

图8为现有方法与本发明的方法算出的树冠表面积、投影面积、体积的对比图。

具体实施方式

以下结合附图和实施例，对本实用新型的具体实施方式进行更加详细的说明，以便能够更好地理解本实用新型的方案以及其各个方面的优点。然而，以下描述的具体实施方式和实施例仅是说明的目的，而不是对本实用新型的限制。

实施例1

本发明提供了一种利用三维凸包算法计算单株立木树冠体积的方法，该方法利用三维激光扫描仪获取点云数据，能够更精确地计算测树因子，在本实施方式中，测树因子为单木树冠表面积、投影面积以及体积。如图1所示，本发明的三维凸包算法包括：数据采集及预处理，利用三维激光扫描仪获取待测立木的三维点云数据；数据预处理，对获取的点云数据进行拼接、冠体提取、数据的压缩和抽稀生成可进行三维凸包计算的点集，通过对点云数据的直接测量获取立木的胸径、树高、冠幅等可直接测量因子；计算测树因子，利用自行编写的三维凸包算法对点集自动计算获取树冠的表面积、树冠投影面积以及树冠体积等测树因子。以下将参照图1至图3说明三维凸包算法的原理。

三维凸包算法的原理

凸包是计算几何学中的概念，是指在一个实数向量空间V中，对于给定集合X，所有包含X的凸集的交集S被称为X的凸包。换言之，凸包就是在给定二维平面上的点集，将最外层的点连接起来构成的凸多边形，能包括点集中所有的点。基于此，将二维平面进行扩展成空间三维，将所有点云数据包含在内的最小多面体，本文简称为三维凸包。

三维凸包算法的原理就是首先任选4个不在同一平面上的四个点形成一个四面体，然后每次新增加一个点，分两种情况：①点在凸包内，则舍弃跳过；②点在凸包外，找到能从这个点可以看到的面删除，并形成新的面(如图2所示)。

三维凸包编程算法过程如下(以现存三维凸包ABCDEF为例，如图3所示)，其中A、B、C、D、E、F、P点为采集的空间点。

1)增加一个新点P，遍历三维凸包的三角形，计算三角形是否正面朝向点P。取三角形上任意点并与P点相连接形成向量AP，若三角形的法向量n与向量AP的点乘大于等于0，则该三角形正面朝向点P，否则背面朝向点P。如果遍历的所有三角形都背面朝向点P，则新点在三维凸包内部，舍弃P点，不需要更新三维凸包，否则进入下一步。

2)遍历三维凸包中的每条边，计算每条边相对于P点是否为明暗分界线。明暗分界线是指该条边对应的相邻两个三角形一个正面朝向P点，一个背面朝向P点，即对于P点，一个三角形可见而另一个三角形不可见。

3)由于三维凸包是封闭体，因此得到的所有明暗分界线连接成一个封闭的多边形。明暗分界线上每个点与P相连并加上明暗分界线本身，可以得到新三维凸包的新三角面。

4)剔除旧的三维凸包中不再是三维凸包外表面的三角形，即剔除所有正面朝向P点的三角面。

5)以此执行步骤1～4，直到所有点云数据遍历完毕，所得到的三维凸包即为立木点云的三维凸包。

计算树冠的表面积

通过上述三维凸包算法，可以获得立木树冠冠体点云的三维凸包，通过计算组成三维凸包的所有三角形的面积即可通过式(1)获取树冠的表面积。

式中S_树冠——立木树冠的表面积

S_i——三维凸包第i个三角形面积

计算树冠投影面积

在构建立木树冠点云的三维凸包之后，假设有平行光束从正上方无穷远处照射过来，三维凸包在水平面上的投影即为立木树冠的投影面积，故树冠投影面积的计算模型如下(以三维凸包ABCDEFG为例，如图4所示)：

1)假定水平面的法向量f_n与正上方投影光束相反，遍历凸包所有边，确定明暗分界线。即遍历所有的边，计算任意一条边相对应的两个三角面的法向量n与向量f_n的点乘，若一个面点乘大于等于0，另一面点乘小于0，则该边为明暗分界线。

2)得到的所有明暗边界线会封闭成一个多边形，然后将其投影在水平面上所形成的多边形即为立木树冠的投影面积。

3)假设该明暗分界线所组成的点的个数为m，对应的点坐标为M_i(X_i，Y_i，Z_i)，所以可根据数学公式(2)计算获取立木树冠的投影面积。

计算树冠体积

本发明对单株立木的树冠体积的计算，具体算法过程如下：

1)计算三维凸包中所有三角形相对于正上方无限远处的朝向是正面还是背面。

2)三维凸包上任意三角形投影到水平面上可得到三角形或者线段，如果投影是三角形，则可与凸包三角形构成三棱柱，计算所有正面朝向的三角形所投影形成的三棱柱的体积；如果投影为线段则体积为0，再累加所有三棱柱的体积即可得到正面三棱柱的体积和。

3)与步骤2相同，计算出所有背面朝向光照方向的三角形的三棱柱体积，再累加可得到背面三棱柱的体积和。

4)将正面三棱柱体积和减去背面三棱柱体积和，即得到所求的凸包体积，也就是立木树冠体积。

在本实施方式中，试验数据的处理过程包括三维激光点云数据的预处理和预处理数据的计算两部分。三维激光点云数据的预处理部分主要通过FARO Scene 6.2软件进行数据处理，以圆柏为例进行说明，三维激光点云数据的预处理部分的具体步骤为：

1)将目标树的三个扫描站点所获取的数据(数据格式为.fls)加载到Faro Scene的工作区域中，加载三个扫描站点的数据，软件会根据摆放的3个参考椭球之间的位置关系进行数据的匹配，并将3个扫描站获取的数据拼接起来，形成目标树的三维立体影像，具体参见图5的(a)。

2)在三维展示模式下，剔除非目标树的所有干扰点云数据，保留目标树的三维点云数据具体参见图5的(b)。根据测量记录的目标树第一活枝丫高，在三维点云中删除第一活枝丫高以下的数据(影像)，得到目标树完整的树冠冠体的三维点云数据，具体参见图5的(c)。另外，在模型中直接测量获得立木的胸径、树高、树干任意处直径、树冠的东西方向冠幅和南北方向冠幅等数据。

3)为了降低三维凸包运算过程中数据量过大等影响，通过压缩、抽稀等算法减少点云数据的冗杂部分，然后将剩余的点云数据以XYZ坐标点的形式导出，并以.txt的文件格式进行保存，数据导出效果如图5的(d)(圆柏)所示。

4)在第2步骤时，可在模型中直接测量获得立木的胸径、树高、树干任意处直径、树冠的东西方向冠幅和南北方向冠幅等数据。

另外，如图6所示，预处理数据的计算部分通过利用Microsoft Visual Studio开发平台，设计的程序进行数据处理，计算获取立木的树冠表面积、树冠投影面积(图6的(a))、树冠的体积(图6的(b))等。

在本实施方式中，以北京地区的高校、森林公园、以及周边山区等为试验区域，试验过程之中，选取北京市常见树种之中的柿树、银杏、玉兰、杨树、侧柏、圆柏、雪松、白皮松等8个树种(参见表1)作为采集数据。利用三维激光扫描仪(FARO Focus 3Ds 120，北京浩宇天地测绘科技发展有限公司，中国)对目标立木进行360°全方位的扫描测量，获取目标立木详细的点云数据。

立木点云数据的采集时间为8-9月份，采集过程为对每株目标树种进行3个站点的扫描，每相邻两站的理想间隔角度为120°(以目标树作为参考)。为了方便后续的数据配准工作，在扫描过程中需要注意的是相邻扫描站之间需保证有3个公共的参考椭球，且扫描过程中3个公共的参考椭球之间的位置互不遮挡，也不能摆成一条直线。需要特别注意的是对目标树进行扫描时，扫描一旦开始之后就必须完成对目标树所有的扫描测站后，才能移动参考椭球。如果在扫描过程中，参考椭球的位置发生变化之后，则必须从新开始扫描。在本实施方式中，对目标树进行完整的扫描测量需要10-15分钟。试验期间共采集232株立木的点云数据，经对数据整理，从每种树种中随机选择15株立木的点云数据进行计算分析，试验样本共计120株。

表1

立木的围尺胸径的参考值由测径尺(测树钢围尺，太平洋牌，北京)测得。立木的卡尺胸径、树高、第一活枝丫高、东西方向冠幅(E-W)和南北方向冠幅(S-N)由微型超站仪(PD-5SERIES，南方测绘仪器有限公司制造，中国)测得，其中部分不能通过微型超站仪测得的冠幅由皮尺测得。经过对试验样本的120株立木的数据分析，得到立木的树高、围尺胸径、卡尺胸径、E-W冠幅和S-N冠幅的绝对误差，如图7所示。

从图7中可知，立木树高的绝对误差范围为-2.18-0.74m；立木胸径相对于卡尺参考值的绝对误差范围为-0.8-0.5cm，相对于围尺参考值的绝对误差范围为-2.2-2.2cm；立木冠幅的东西向的绝对误差范围为-0.35-0.42m，南北向的绝对误差范围为-1.04-0.28m。并对数据的相对误差进行分类统计，得到表2。

表2

在本实施方式中，样本120株立木的树高的平均相对误差为2.33％，相对卡尺胸径的平均相对误差为1.10％，相对于围尺胸径的平均相对误差为3.25％，东西方向冠幅的平均相对误差为3.91％，南北方向冠幅的平均相对误差为3.92％。胸径、树高、冠幅的测量精度符合国家森林资源连续清查中对胸径、树高、冠幅的精度要求。

然而，传统的人工测量的方法通过测量树高、第一活枝丫高、冠幅等，利用树种冠形选择近似的规则几何体的计算公式来计算树冠表面积、投影面积以及体积，得到120株立木的详细数据。使用本发明的计算方法与使用传统人工测量方法的对比图，具体参见表3和图8。

表3

从表3和图8可知，经过对120株立木的数据进行分析，树冠的表面积的相对误差范围为-18.26％-9.34％，平均相对误差为3.48％；树冠的投影面积的相对误差范围为-68.23％-15.1％，平均相对误差为6.01％，若刨除树冠投影面积的异常数据(-68.23％)，其相对误差范围为-30.39-15.1％，其中异常数据为圆柏(编号：Sc094)，经过对实株对比分析，造成数据异常的原因为该植株矮小且极不规则，这就在人工获取对比值时产生了较大的人为误差；树冠体积的相对误差范围为-30.05％-15.31％，平均相对误差为5.59％。

综上，本发明的计算方法算出的立木树高的平均相对误差为2.33％，胸径的平均相对误差为1.10％，冠幅的平均相对误差为3.92％，自动解算的树冠表面积、树冠投影面积以及树冠体积相对于传统方法测得的参考值的平均相对误差分别为3.48％，6.01％和5.59％。因此，提高了测树因子的计算值的精度。

以上所述，仅为本实用新型专利较佳的具体实施方式，但本实用新型专利的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本实用新型专利揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本实用新型专利的保护范围之内。

Claims (7)

1.一种基于点云数据的测树因子自动提取方法，其特征在于，包括以下步骤：

数据采集，利用三维激光扫描仪获取待测立木的三维点云数据；

数据预处理，对获取的所述点云数据进行拼接、冠体提取、数据的压缩和抽稀生成三维凸包计算所需的点集，通过对所述点云数据的直接测量获取立木的直接测量因子；

计算测树因子，利用三维凸包算法对所述点集自动计算获取树冠的表面积、树冠投影面积以及树冠体积。

2.根据权利要求1所述的方法，其特征在于，所述三维凸包算法包括对试验数据的处理过程，所述处理过程包括所述点云数据的预处理和预处理数据的计算。

3.根据权利要求2所述的方法，其特征在于，所述点云数据的预处理包括：

将获取的数据加载到三维点云处理和管理软件的工作区域中，进行数据匹配和拼接，以形成目标树的三维立体影像；

剔除目标树的所有干扰点云数据，保留所述目标树的三维点云数据；

通过压缩或抽稀算法减少点云数据，并且以XYZ坐标点的形式导出点云数据。

4.根据权利要求2所述的方法，其特征在于，所述预处理数据的计算包括：利用Microsoft Visual Studio开发平台，计算获取立木的树冠表面积、树冠投影面积、树冠体积。

5.根据权利要求4所述的方法，其特征在于，所述预处理数据的计算还包括树冠表面积的计算，其公式为

其中，S_树冠为立木树冠的表面积，S_i为三维凸包第i个三角形面积。

6.根据权利要求4所述的方法，其特征在于，所述预处理数据的计算还包括树冠投影面积的计算，其公式为

其中，m为明暗分界线的个数，该明暗分界线的点坐标为M_i(X_i，Y_i，Z_i)。

7.根据权利要求4所述的方法，其特征在于，所述预处理数据的计算还包括树冠体积的计算，以树冠的冠幅和冠高为参数计算所述树冠体积，计算步骤包括：

计算所有正面和背面朝向的三角形所投影形成的三棱柱的体积，得到正面三棱柱体积和与背面三棱柱体积和；

将所述正面三棱柱体积和减去所述背面三棱柱体积和，即得到所求树冠体积。