CN108957476B - 一种基于无人机的树径测量装置及树径测算方法 - Google Patents

一种基于无人机的树径测量装置及树径测算方法 Download PDF

Info

Publication number
CN108957476B
CN108957476B CN201811122996.8A CN201811122996A CN108957476B CN 108957476 B CN108957476 B CN 108957476B CN 201811122996 A CN201811122996 A CN 201811122996A CN 108957476 B CN108957476 B CN 108957476B
Authority
CN
China
Prior art keywords
aerial vehicle
unmanned aerial
tree
diameter
flight
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811122996.8A
Other languages
English (en)
Other versions
CN108957476A (zh
Inventor
陈智慧
金尚忠
王赟
于明坚
方维
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Jiliang University
Original Assignee
China Jiliang University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Jiliang University filed Critical China Jiliang University
Priority to CN201811122996.8A priority Critical patent/CN108957476B/zh
Publication of CN108957476A publication Critical patent/CN108957476A/zh
Application granted granted Critical
Publication of CN108957476B publication Critical patent/CN108957476B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/10—Simultaneous control of position or course in three dimensions
    • G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Length Measuring Devices With Unspecified Measuring Means (AREA)

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dmin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，...，XN，}，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
Figure BDA0001811661170000021
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，XN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，...，XN，}，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，XN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dmin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 (3)

1.一种基于无人机的树径测算方法，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0.5m～0.6m，而后向南飞行L米，再向西飞行0.5m～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；
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1.3m～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1.3m～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；步骤四中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，...，XN，}，对于检测最大树径小于R的树群，领域距离参数i值为
Figure FDA0002581315550000011
最小样本数ii值为30～35个，聚类间距iii为(R～R+10)cm；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，XN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，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dmin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；步骤五中支持率为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。
2.根据权利要求1中所述的一种基于无人机的树径测算方法，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1Hz～2Hz。
3.根据权利要求1中所述的一种基于无人机的树径测算方法，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40cm～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。
CN201811122996.8A 2018-09-26 2018-09-26 一种基于无人机的树径测量装置及树径测算方法 Active CN108957476B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811122996.8A CN108957476B (zh) 2018-09-26 2018-09-26 一种基于无人机的树径测量装置及树径测算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811122996.8A CN108957476B (zh) 2018-09-26 2018-09-26 一种基于无人机的树径测量装置及树径测算方法

Publications (2)

Publication Number Publication Date
CN108957476A CN108957476A (zh) 2018-12-07
CN108957476B true CN108957476B (zh) 2020-08-21

Family

ID=64472096

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811122996.8A Active CN108957476B (zh) 2018-09-26 2018-09-26 一种基于无人机的树径测量装置及树径测算方法

Country Status (1)

Country Link
CN (1) CN108957476B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113597533A (zh) * 2019-01-25 2021-11-02 机器人普拉斯有限公司 货物扫描装置
CN110389369A (zh) * 2019-07-30 2019-10-29 南京林业大学 基于rtk-gps和移动二维激光扫描的冠层点云获取方法
CN110806585B (zh) * 2019-10-16 2021-10-19 北京理工华汇智能科技有限公司 一种基于树干聚类跟踪的机器人定位方法及系统
CN113124764A (zh) * 2019-12-30 2021-07-16 南京智能情资创新科技研究院有限公司 一种基于光流法的无人机树径测量方法
CN113034485B (zh) * 2021-04-09 2024-06-18 浙江欧视电科技有限公司 融合Hough变换和卡尺聚类的圆检测方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102980510B (zh) * 2012-08-07 2016-01-13 孟繁志 一种激光光尺影像测树装置及其测树方法
CN103942838A (zh) * 2014-05-13 2014-07-23 福州大学 基于点云数据的单树三维建模与形态参数提取的方法
CN104573705B (zh) * 2014-10-13 2017-10-13 北京建筑大学 一种建筑物激光扫描点云数据的聚类方法
CN106845324B (zh) * 2015-12-03 2020-07-24 阿里巴巴（中国）有限公司 路牌信息的处理方法和装置
CN106383998B (zh) * 2016-09-09 2019-03-12 厦门大学 一种基于地面激光雷达扫描的树木胸径自动计算方法
US9791557B1 (en) * 2016-09-15 2017-10-17 Qualcomm Incorporated System and method for multi-area LIDAR ranging
CN107656545A (zh) * 2017-09-12 2018-02-02 武汉大学 一种面向无人机野外搜救的自主避障与导航方法
CN107705344A (zh) * 2017-09-27 2018-02-16 中国舰船研究设计中心 激光扫描环境点云数据中树冠模型提取方法
CN108256577B (zh) * 2018-01-18 2021-09-28 东南大学 一种基于多线激光雷达的障碍物聚类方法

Also Published As

Publication number Publication date
CN108957476A (zh) 2018-12-07

Similar Documents

Publication Publication Date Title
CN108957476B (zh) 一种基于无人机的树径测量装置及树径测算方法
US11076529B2 (en) Intelligent mowing system
US10872534B2 (en) Aerial vehicle inspection path planning
US8340438B2 (en) Automated tagging for landmark identification
CN109885086B (zh) 一种基于复合多边形标志引导的无人机垂直降落方法
CN106097755A (zh) 用于识别泊车场地和/或空出场地的方法
CN112326686A (zh) 无人机智能巡航路面病害检测方法、无人机和检测系统
CN208027170U (zh) 一种电力巡线无人机及系统
CN105486228A (zh) 一种基于二维激光扫描仪的树木靶标体积实时测量方法
CN110619649A (zh) 作业面积确定方法及装置、终端
CN109848996A (zh) 基于图优化理论的大规模三维环境地图创建方法
CN207020537U (zh) 一种无人机
CN111856499B (zh) 基于激光雷达的地图构建方法和装置
US20220295696A1 (en) Improved Operation for a Robotic Work Tool
CN105738909B (zh) 一种适用于低空植保无人直升机作业边界提取方法
CN109407112A (zh) 基于LiDAR点云数据的果树树冠体积测算方法及系统
WO2015193822A1 (en) Method and device for measuring vegetation cover on farmland
JP5375249B2 (ja) 移動経路計画装置、移動体制御装置及び移動体
CN116088064A (zh) 一种基于无人机群的红火蚁巢穴探测方法及系统
CN109470214A (zh) 一种环境变化三维监测方法
CN212256331U (zh) 一种消落区识别系统
CN111947603B (zh) 一种基于openmv的无人机阳台危险物鉴定系统和方法
CN109458979B (zh) 一种基于无人机视觉分析的天线下倾角测量方法
US20220264793A1 (en) Robotic lawn mower control
JP7213374B1 (ja) 情報処理装置、着陸適否判定方法、及びプログラム

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant