CN108957476A - 一种基于无人机的树径测量装置及树径测算方法 - Google Patents

Abstract

本发明公开了一种基于无人机的树径测量装置及树径测算方法，测量装置包括无人机、遥控器和电脑，三者数据传输方式为无线通讯；无人机上配备GPS、IMU、超声波传感器、相机、微型控制器和激光雷达；树径测算方法包括：在每棵树上固定带有编号的金属吊牌；设定无人机自动飞行路径进行吊牌扫描和树径检测；投影扫描的点云数据，得到二维平面离散点图；使用基于密度的聚类方法识别树干离散点；对离散点进行圆形拟合得到树径后和吊牌编号一同录入数据库。该树径测量装置和测算方法能够以非接触式的方式快速准确的测量树径，根据吊牌编号建立树木资源数据库，便于未来树木资源测量和数据比对，测量流程简单、操作便捷，极大的提高了工作效率。

Description

一种基于无人机的树径测量装置及树径测算方法

技术领域

本发明涉及测量技术领域，特别是涉及一种基于无人机的树径测量装置及树径测算方法。

技术背景

我国会定期对森林资源开展清查工作，准确清查全国和各个省市森林资源的数量、质量和生长情况。其中森林树木的生长密度和树径大小是研究森林资源的基本参数，是一项及其重要的调查内容。测量树径的传统方法是依靠人工估计树木1.3m高度，通过卷尺测量周长依靠圆形直径周长公式计算得到树径或者使用卡尺测量树径。而这种传统的测量方法不仅效率低下，还浪费大量的人力、物力。现阶段对森林木材资源调查方式是以抽样的形式进行的，虽然抽样调查可以节省部分人力、物力，但是依旧存在耗时耗力的不足之处。

发明内容

本发明旨在克服上述技术的不足，提供了一种基于无人机的树径测量装置及树径测算方法，该树径测量装置和树径测量方法能够以非接触式的方式准确且快速的测量树木的实际直径，根据金属吊牌编号建立林场树木资源数据库，以便于未来树木资源测量和数据比对，测量流程简单操作便捷，不仅降低了测量人员的工作难度还减少测量工作的时间，极大的提高工作效率降低了检测成本。

本发明的技术要点如下：

一种基于无人机的树径测量装置及树径测算方法，其特征在于，测量装置包括无人机、遥控装置和电脑；其中，无人机上装备有GPS定位装置用于无人机定位，IMU惯性测量单元用于无人机飞行姿态检测，超声波传感器用于无人机避障和飞行高度测量，微型控制器用于无人机飞行状态控制，相机用于金属标签编号识别，小型激光雷达用于激光扫描；

无人机、遥控装置和电脑三者之间的通讯方式为无线通讯模式，遥控装置远程控制无人机在森林中的飞行路径，无人机以无线方式将飞行定位、路径信息、标签信息和激光雷达扫描数据传输至电脑端进行树径计算并录入数据库；

树径测算方法如下：

步骤一、在待测量树林中每棵树1.3m正东方向朝向处固定一块刻有不同编号信息的铝制金属吊牌；

步骤二、使用遥控装置控制无人机缓慢起飞，飞行位置位于树木枝叶下端，设定无人机自动飞行路径为多个“几”字相连的梳状路径，飞行途中使用超声波传感器检测障碍物距离并进行自主避障，保持激光雷达离地距离1.3m，相机检测到金属标签时，无人机短暂停留1～2秒，持续传输激光雷达扫描的点云数据和金属吊牌信息到电脑端进行树径计算并建立数据库；

步骤三、无人机在停留检测时飞行高度存在上下波动，因此选择高度值1.30～1.4m处树木主干直径作为树径测量的标准，将无人机在离地1.3～1.4m高度处扫描的点云数据点投影到同一个坐标系平面得到二维平面离散点图；

步骤四、在二维平面离散点图中，树径轮廓是以连续点环绕而成的类圆形或类圆弧图案，使用基于密度的空间聚类方法将具有足够密度的区域划分为离散点集合以识别单个树干；

步骤五、假设树木的横截面为圆形，在每个由离散点组成的集合中，对二维离散坐标点进行圆形拟合，定义支持率S为所有离散点到拟合圆最小距离d_min小于阈值б时的比例，优化拟合圆直径以满足支持率S得到树干直径，将树干直径和吊牌编号一同录入数据库。

所述小型激光雷达采用的是紧凑型16线激光雷达，保持水平360°旋转扫描时的频率为1～2Hz。

所述步骤二中“几”字相连的梳状路径具体规划为：

无人机从待测量林场的东南角开始起飞，向北飞行L米到达林场最北侧后向西飞行0.5～0.6m，而后向南飞行L米，再向西飞行0.5～0.6m，完成“几”字形路径飞行，重复上述飞行路径最终组合成梳状测量路径；

其中飞行距离L为待测量林场南北宽度。

所述用于无人机避障系统和飞行高度测量的超声波传感器数量为2个，第一个传感器用于无人机避障系统，在无人机飞行时检测水平面方向的障碍物距离，在障碍物距离小于40～50cm时自动执行绕行避障命令；第二个传感器用于检测无人机的飞行高度。

所述步骤四中的基于密度的空间聚类方法模型输入的样本集合为二维离散点图D＝{X₁，X₂，X₃，...，X_N，}，对于检测最大树径小于R的树群，领域距离参数i优取值为最小样本数ii优选值为30～35个，聚类间距iii优选为R～R+10cm；基于密度的空间聚类方法模型的输出为归类完成的离散点的集合C；

其中，D为二维离散点坐标集合，R为所测量树群树木的最大直径，X_N为第N个点的坐标(x，y)，N的最大值为二维散点图中散点的数量，C为所检测树干的离散点集合。

所述步骤五中支持率的最优选择为0.75～0.85，阈值大小为2cm，每个归类完成的离散点集合中拟合圆曲线为：

z＝x²+y²＝f(x，y)

z＝2ax+2by+r²-a²-b²

其中，圆心坐标为(a，b)，半径为r；

使用matlab软件中的Fit函数对z＝f(x，y)进行拟合，根据拟合结果与公式z＝2ax+2by+r²-a²-b²进行对比，解得树径为2r。

本发明采用的是无人机作为载体，下部配备可进行水平360°扫描的小型激光雷达，在无人机飞行途中能够进行快速的扫描，并且将扫描结果传输至电脑建立点地图，识别点云地图中的地面重建生成地面网格，将离地1.3～1.4m高度处的点投影到地平面上得到二维离散点图，将离散点图中具有足够密度的区域划分为散点集合识别单个树干，对二维离散坐标点进行圆形拟合得到每棵树的主干直径并结合金属吊牌标签建立数据库。

本发明的特点如下：

本发明使用无人机结合激光雷达作为检测装置，检测时只需控制无人机在待测森林中绕树飞行进行激光扫描，不需要与树木直接接触，实现非接触式检测，能够一次性检测出待测森林中所有树木的直径，减少了用标尺测量的步骤。本发明在检测到树木数量和每棵树树径的同时，还能根据二维离散点图确定被检测森林中的树木密度和分布情况，以便于制定合理、有效的砍伐规划。

附图说明

图1为树径检测装置组成结构示意图

图2为树径测算方法流程图

具体实施方式

下面将结合本发明附图和实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

一种基于无人机的树径测量装置及树径测算方法，其特征在于，测量装置包括无人机、遥控装置和电脑；其中，无人机上装备有GPS定位装置用于无人机定位，IMU惯性测量单元用于无人机飞行姿态检测，超声波传感器用于无人机避障和飞行高度测量，微型控制器用于无人机飞行状态控制，相机用于金属标签编号识别，小型激光雷达用于激光扫描。

无人机、遥控装置和电脑三者之间的通讯方式为无线通讯模式，遥控装置远程控制无人机在森林中的飞行路径，无人机以无线方式将飞行定位、路径信息、标签信息和激光雷达扫描数据传输至电脑端进行树径计算并录入数据库。

小型激光雷达采用的是紧凑型16线激光雷达，保持水平360°旋转扫描时的频率为1～2Hz。

用于无人机避障系统和飞行高度测量的超声波传感器数量为2个，第一个传感器用于无人机避障系统，在无人机飞行时检测水平面方向的障碍物距离，在障碍物距离小于40～50cm时自动执行避障命令；第二个传感器用于检测无人机的飞行高度。

树径具体测算步骤如图2所示：

步骤一、在待测量树林中每棵树1.3m正东方向朝向处固定一块刻有不同编号信息的铝制金属吊牌。

步骤二、开启无人机和激光雷达后，使用遥控装置控制无人机缓慢起飞，飞行高度控制在树木枝叶下端，设定无人机自动飞行路径为多个“几”字相连的梳状路径，从待测量林场的东南角开始起飞，向北飞行L米到达林场最北侧后向西飞行0.5～0.6m，而后向南飞行L米，再向西飞行0.5～0.6m，完成“几”字形路径飞行，重复上述飞行路径最终组合成梳状测量路径。

飞行途中使用超声波传感器检测障碍物距离并进行自主避障，保持激光雷达离地距离1.3m，相机检测到金属标签时，无人机短暂停留1～2秒，持续传输激光雷达扫描的点云数据和金属吊牌信息到电脑端进行树径计算并建立数据库。

其中飞行距离L为待测量林场南北宽度。

步骤三、无人机在停留检测时飞行高度存在上下波动，为降低这项原因造成的误差，因此选择高度值1.3～1.4m处树木主干直径作为树径测量的标准，将无人机在离地1.3～1.4m高度处扫描的点云数据点投影到同一个坐标系平面得到二维平面离散点图。

步骤四、在二维平面离散点图中，树径轮廓是以连续点环绕而成的类圆形或类圆弧图案，使用基于密度的空间聚类方法将具有足够密度的区域划分为离散点集合以识别单个树干。

基于密度的空间聚类方法模型输入的样本集合为二维离散点图D＝{X₁，X₂，X₃，...，X_N，}，对于检测最大树径小于30cm的树群，领域参数i优取值为14～16cm，最小样本数ii优选值为30～35个，聚类间距iii优选为30～40cm；基于密度的空间聚类方法模型的输出为归类完成的离散点的集合C。

其中，D为二维离散点坐标集合，R为所测量树群树木的最大直径，X_N为第N个点的坐标(x，y)，N的最大值为二维散点图中散点的数量，C为所检测树干的离散点集合。

步骤五、假设树木的横截面为圆形，对于每个由散点组成的集合，对二维离散坐标点进行圆形拟合，定义支持率S为所有散点到拟合圆最小距离d_min小于阈值б时的比例，优化拟合圆以满足支持率S得到树干直径。

检测树径小于30cm的森林时，支持率的最优选择为0.75～0.85，阈值б大小为2cm；二维离散坐标点圆形拟合方法中拟合圆曲线为：

z＝x²+y²＝f(x，y)

z＝2ax+2by+r²-a²-b²

其中，圆心坐标为(a，b)，半径为r；

使用matlab软件中的Fit函数对z＝f(x，y)进行拟合，根据拟合结果与公式z＝2ax+2by+r²-a²-b²进行对比，可以得出a，b，r的具体数值，因此可以判断出该树的具体位置在坐标(a，b)处，树径为2r。

以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (6)

1.一种基于无人机的树径测量装置及树径测算方法，其特征在于，测量装置包括无人机、遥控装置和电脑；其中，无人机上装备有GPS定位装置用于无人机定位，IMU惯性测量单元用于无人机飞行姿态检测，超声波传感器用于无人机避障和飞行高度测量，微型控制器用于无人机飞行状态控制，相机用于金属标签编号识别，小型激光雷达用于激光扫描；

无人机、遥控装置和电脑三者之间的通讯方式为无线通讯模式，遥控装置远程控制无人机在森林中的飞行路径，无人机以无线方式将飞行定位、路径信息、标签信息和激光雷达扫描数据传输至电脑端进行树径计算并录入数据库；

树径测算方法如下：

步骤一、在待测量树林中每棵树1.3m正东方向朝向处固定一块刻有不同编号信息的铝制金属吊牌；

步骤二、使用遥控装置控制无人机缓慢起飞，飞行位置位于树木枝叶下端，设定无人机自动飞行路径为多个“几”字相连的梳状路径，飞行途中使用超声波传感器检测障碍物距离并进行自主避障，保持激光雷达离地距离1.3m，相机检测到金属标签时，无人机短暂停留1～2秒，持续传输激光雷达扫描的点云数据和金属吊牌信息到电脑端进行树径计算并建立数据库；

步骤三、无人机在停留检测时飞行高度存在上下波动，因此选择高度值1.30～1.4m处树木主干直径作为树径测量的标准，将无人机在离地1.3～1.4m高度处扫描的点云数据点投影到同一个坐标系平面得到二维平面离散点图；

步骤四、在二维平面离散点图中，树径轮廓是以连续点环绕而成的类圆形或类圆弧图案，使用基于密度的空间聚类方法将具有足够密度的区域划分为离散点集合以识别单个树干；

步骤五、假设树木的横截面为圆形，在每个由离散点组成的集合中，对二维离散坐标点进行圆形拟合，定义支持率S为所有离散点到拟合圆最小距离d_min小于阈值б时的比例，优化拟合圆直径以满足支持率S得到树干直径，将树干直径和吊牌编号一同录入数据库。

2.根据权利要求1中所述的一种基于无人机的树径测量装置及树径测算方法，其特征在于，所述小型激光雷达采用的是紧凑型16线激光雷达，保持水平360°旋转扫描时的频率为1～2Hz。

3.根据权利要求1中所述的一种基于无人机的树径测量装置及树径测算方法，其特征在于，所述步骤二中“几”字相连的梳状路径具体规划为：

无人机从待测量林场的东南角开始起飞，向北飞行L米到达林场最北侧后向西飞行0.5～0.6m，而后向南飞行L米，再向西飞行0.5～0.6m，完成“几”字形路径飞行，重复上述飞行路径最终组合成梳状测量路径；

其中飞行距离L为待测量林场南北宽度。

4.根据权利要求1中所述的一种基于无人机的树径测量装置及树径测算方法，其特征在于，所述用于无人机避障系统和飞行高度测量的超声波传感器数量为2个，第一个传感器用于无人机避障系统，在无人机飞行时检测水平面方向的障碍物距离，在障碍物距离小于40～50cm时自动执行绕行避障命令；第二个传感器用于检测无人机的飞行高度。

5.根据权利要求1中所述的一种基于无人机的树径测量装置及树径测算方法，其特征在于，所述步骤四中的基于密度的空间聚类方法模型输入的样本集合为二维离散点图D＝{X₁，X₂，X₃，...，X_N，}，对于检测最大树径小于R的树群，领域距离参数i优取值为最小样本数ii优选值为30～35个，聚类间距iii优选为R～R+10cm；基于密度的空间聚类方法模型的输出为归类完成的离散点的集合C；

其中，D为二维离散点坐标集合，R为所测量树群树木的最大直径，X_N为第N个点的坐标(x，y)，N的最大值为二维散点图中散点的数量，C为所检测树干的离散点集合。

6.根据权利要求1中所述的一种基于无人机的树径测量装置及树径测算方法，其特征在于，所述步骤五中支持率的最优选择为0.75～0.85，阈值大小为2cm，每个归类完成的离散点集合中拟合圆曲线为：

z＝x²+y²＝f(x，y)

z＝2ax+2by+r²-a²-b²

其中，圆心坐标为(a，b)，半径为r；

使用matlab软件中的Fit函数对z＝f(x，y)进行拟合，根据拟合结果与公式z＝2ax+2by+r²-a²-b²进行对比，解得树径为2r。