CN110276757A - 一种基于倾斜像片进行高郁闭度人工林区域单木生物量制图技术 - Google Patents
一种基于倾斜像片进行高郁闭度人工林区域单木生物量制图技术 Download PDFInfo
- Publication number
- CN110276757A CN110276757A CN201910558223.2A CN201910558223A CN110276757A CN 110276757 A CN110276757 A CN 110276757A CN 201910558223 A CN201910558223 A CN 201910558223A CN 110276757 A CN110276757 A CN 110276757A
- Authority
- CN
- China
- Prior art keywords
- biomass
- photograph
- artificial forest
- canopy density
- tree
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种基于倾斜像片进行高郁闭度人工林区域单木生物量制图技术,适用于高郁闭度人工林单木参数提取,属于倾斜摄影在林业应用技术领域,关键技术要点包括:1.基于像片和控制点的三维重建点云技术;2.高郁闭度人工林情况下树高、冠面积提取技术;3.利用小样本建立模型反演单木生物量技术。解决的关键性问题包括:1.仅需小样本调查,缩短实地测量时间,提高调查效率;2.利用无人机搭载倾斜摄影相机,成本低、效率高。3.高郁闭度人工林区域单木参数提取的精度达80%。该发明适用于郁闭度较高的人工林,是首次基于倾斜像片进行高郁闭度人工林区域单木参数提取并进行单木生物量制图技术,成果可为人工林资源快速精准调查工作提供基础性数据依据。
Description
一、技术领域
本发明涉及一种基于倾斜像片进行区域内单木生物量制图技术,特别是应用于小样本高郁闭度人工林中提取单木信息并进行单木生物量制图的技术,属于倾斜摄影在林业应用技术领域。
二、技术背景
倾斜摄影是一项通过无人机搭载倾斜摄影相机,拍摄不同角度的相片获取高质量地面数据的技术手段。多角度的倾斜相片通过三维重建过程可以还原测区点云,但是简单的通过三维重建过程获得的点云仅具有相对空间位置关系,无法通过该点云度量真实的单木结构信息。树高、树冠以及生物量是森林资源调查的重要参数,在高郁闭度的林分区域内依靠传统的森林调查方法难以准确获得此类参数,并且森林面积广阔,样本数据量大,要准确估计单木的生物量,需要花费大量的人力物力和时间。如何获取三维点云的绝对坐标,如何准确的用更先进的技术手段提取高郁闭度人工林区域内单木参数及估计单木生物量并制图,是值得深入探讨的主题。
当前单木参数提取及生物量估算面临的主要挑战是:
(1)倾斜相片通三维重建还原的测区点云如何获取绝对坐标。
(2)在林分郁闭度较高的情况下,采用什么方法准确的提取树高、树冠面积等单木参数。
(3)在森林面积广阔且郁闭度较高的条件下,如何高精度的反演单木生物量并制图。
三、发明内容
针对当前单木参数提取及生物量估算遇到的主要问题,我们提出了一种基于倾斜相片进行区域内单木生物量制图技术,适用于高郁闭度人工林分。它通过无人机搭载倾斜摄影相机获取的多角度像片进行三维重建获取测区点云,并将倾斜摄影点云融合激光雷达数据快速、无损、高精度获取单木位置、树高、冠面积等参数,实现小样本估算区域内生物量从而准确获得整个测区生物量,提高了林分、区域生物量估算的效率和精度。倾斜摄影与激光雷达技术相融合生产的数据精度高、速度快、成本低,在未来具有很好的发展前景。
本发明的目的是这样实现的:进行地面小样本调查并设计无人机飞行方案,获取多角度倾斜摄影相片并通过特征点检测与匹配、几何验证、增量式重建、密集匹配和坐标转换步骤还原测区点云,将预处理后的激光雷达点云与倾斜摄影点云数据相结合生成冠层高度模型并提取单木位置与树高,利用树冠分割方法提取单木树冠面积,建立生物量模型估算生物量并制图。
本发明具有以下优点:
(1)仅需进行小样本调查,大大降低了地面测量的工作量,缩短实地测量时间;
(2)利用无人机搭载倾斜摄影相机,低成本获取高分辨率高质量数据;
(3)单木参数提取方法在高郁闭度人工林区域内适用性最强,提取精度可达80%。
(4)可以无损测量单木生物量,提高林分、区域内生物量估算的效率和精度,为林木生长的动态监测提供数据依托。
四、附图说明
图1为倾斜摄影像片(a.桉树的倾斜像片b.杉木的倾斜像片)
图2为倾斜摄影测量点云(a.按高程渲染b.按RGB渲染)
图3为倾斜摄影CHM
图4为单木位置提取结果示意图(a.桉树样地b.杉木样地,TP为正检、FP为误检、FN为漏检)
图5为单木生物量、冠面积提取结果示意图(a.桉树b.杉木)
五、具体实施方式:
本发明:一种基于倾斜像片进行高郁闭度人工林区域单木生物量制图技术,所述方法包括以下步骤:
步骤一:进行小样本调查并制定无人机飞行方案,利用无人机搭载倾斜摄影相机获取研究区多角度相片;
步骤二:对倾斜像片进行特征点检测与匹配,并采取几何验证剔除误匹配,得到正确的匹配点对;
步骤三:计算准确匹配特征点的三维坐标,实现二维投影图像到三维空间结构的变换,解算出稀疏点云;
步骤四:为了重建人工林场景精确的三维信息,在稀疏恢复的基础上进行倾斜像片像素间的密集匹配;
步骤五:将密集匹配后的点云数据使用七参数转换模型获取绝对坐标,假定A(Xa,Ya,Za)为已知坐标系坐标,B(Xb,Yb,Zb)为待定坐标系坐标,则有:
其中,Tx,Ty,Tz为三个平移参数,m为一尺度参数,ωx,ωy,ωz为三个旋转参数。若已知三对以上的两空间直角坐标系下的对应坐标,则可以根据式(1)求解出两空间直角坐标系间的转换七参数,然后利用转换模型七参数同样根据式(1)可以将生成的点云数据相对空间坐标转换为大地空间直角坐标系下的坐标。
步骤六:将倾斜摄影与激光雷达点云配准,利用激光雷达的DTM(Digital TerrainModel)将倾斜摄影点云进行归一化处理并生成冠层高度模型(Canopy Height Model,CHM);
步骤七:基于CHM利用可变窗口的局部最大值法提取单木位置和树高,对于CHM采用标记分水岭分割算法分割树冠,算法原理是以可变窗口提取的树顶点作为标记的局部最小值点,基于拓扑理论的数学形态学原理,把图像看作是森林冠层表面,则每个像素的灰度值在图中就表示该点的冠层高度值,每一个局部极小值即为树高点,其影响区域被称为集水盆,也就是森林的树冠。在两个集水盆汇合处(高程值低处)构建分割线,形成区分树冠的分水岭,从而分割树冠。对于归一化点云采用种子点区域生长算法分割树冠,其基本原理是可变窗口提取的树顶点作为种子点,按照事先制定的生长规则对图像的像素进行一致性检验,若邻域像素满足一致性判别准则则被纳入生长区,否则丢弃,从而完成树冠分割。提取结果对比后选取最优分割方法;
步骤八:基于估测树高和实测数剧,建立生物量估测模型并制图。
表1生物量估测模型
注:w(kg)为生物量,H(m)为树高
为验证该技术有效性和测量精度,申请人利用广西壮族自治区部分杉木、桉树人工林作为实验对象,使用该方法获取单木参数,建立生物量模型,并对照地面实测值计算误差。杉木提取值与实测值对比情况见表2,桉树提取值与真实值对比见表3。
表2杉木林提取值与实测值对比情况
杉木样本区域内共30株树,利用可变窗口的局部最大值法最后提取出正确单木为26棵,正确率为86.67%。通过该技术提取的树高、树冠以及生物量与实测数据进行对比,可以看出该技术提取的树高和生物量误差较小,平均相对误差为3.08%与3.19%,而树冠的误差稍大平均相对误差达到了8.28%。
表3桉树林提取值与实测值对比情况
样地内共有29株桉树,但最后提取出24棵正确的树,正确率为82.8%。提取的树高、树冠、生物量与实测数据进行对比,树高提取的误差最小生物量次之,平均相对误差为0.76%与2.08%,树冠平均相对误差达到了7.23%。总体而言该方法提取的树高精度最高,生物量次之,提取的树冠误差相对较大,但基本可以满足林业发展的需求。
Claims (3)
1.一种基于倾斜像片进行高郁闭度人工林区域单木生物量制图技术,其特征是:
将倾斜摄影与激光雷达技术相融合,提取单木参数,结合提取树高与实测生物量预测生物量拟合模型,估测测区内生物量并制图。
2.根据权利要求1中所述倾斜摄影与激光雷达数据相融合提取单木参数,其特征是:
使用无人机倾斜摄影来获取多角度相片并结合地面控制点数据,将多角度倾斜摄影像片恢复为测区三维点云绝对坐标,将倾斜摄影点云和预处理后的激光雷达点云配准,剔除误差以后利用激光雷达的DTM对倾斜摄影点云进行归一化处理并生成冠层高度模型,提取单木位置、树高、树冠面积信息,该技术在高郁闭度人工林下适用性最强。
3.根据权利要求1中所述的建立生物量模型反演测区内生物量并制图,其特征是:
根据地面实测数据反演得到实测生物量,建立以估计树高作为实测生物量预测因子的幂函数拟合模型,并对拟合模型进行适应性评价,进而利用估计树高预测整个测区的生物量并制图。该技术利用小样本(约30棵树)估测高精度的生物量拟合模型,效率高,成本低。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910558223.2A CN110276757A (zh) | 2019-06-25 | 2019-06-25 | 一种基于倾斜像片进行高郁闭度人工林区域单木生物量制图技术 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910558223.2A CN110276757A (zh) | 2019-06-25 | 2019-06-25 | 一种基于倾斜像片进行高郁闭度人工林区域单木生物量制图技术 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110276757A true CN110276757A (zh) | 2019-09-24 |
Family
ID=67963251
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910558223.2A Pending CN110276757A (zh) | 2019-06-25 | 2019-06-25 | 一种基于倾斜像片进行高郁闭度人工林区域单木生物量制图技术 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110276757A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110780313A (zh) * | 2019-10-21 | 2020-02-11 | 广西电网有限责任公司 | 一种无人机可见光立体测量采集建模方法 |
CN110807828A (zh) * | 2019-10-28 | 2020-02-18 | 北京林业大学 | 一种倾斜摄影三维重建匹配方法 |
CN112785686A (zh) * | 2021-01-25 | 2021-05-11 | 湖南汽车工程职业学院 | 一种基于大数据的林区地图构建方法及可读存储介质 |
CN116665081A (zh) * | 2023-07-31 | 2023-08-29 | 自然资源部第一海洋研究所 | 一种滨海植被地上生物量的估算方法、计算机设备及介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140139523A1 (en) * | 2008-11-05 | 2014-05-22 | Hover, Inc. | Method of generating three-dimensional (3d) models using ground based oblique imagery |
CN106815850A (zh) * | 2017-01-22 | 2017-06-09 | 武汉地普三维科技有限公司 | 基于激光雷达技术获取甚高郁闭度森林蓄积量的方法 |
CN107449400A (zh) * | 2016-05-31 | 2017-12-08 | 北京林业大学 | 一种森林地上生物量的测量系统及测量方法 |
CN108594262A (zh) * | 2018-07-05 | 2018-09-28 | 南京林业大学 | 一种结合无人机和地基激光雷达提取树高的方法 |
CN108680145A (zh) * | 2018-05-17 | 2018-10-19 | 北京林业大学 | 一种避障无人机抵近林冠处观测林分结构的方法 |
CN108959705A (zh) * | 2018-05-30 | 2018-12-07 | 中国科学院城市环境研究所 | 一种预测大面积亚热带森林生物量的混合效应模型 |
CN109427091A (zh) * | 2018-03-21 | 2019-03-05 | 新疆林业科学院现代林业研究所 | 一种基于高光谱遥感和摄影测量技术的生物量模型研建方法 |
CN109446983A (zh) * | 2018-10-26 | 2019-03-08 | 福州大学 | 一种基于两期无人机影像的针叶林采伐蓄积量估算方法 |
CN109883398A (zh) * | 2019-03-07 | 2019-06-14 | 景遥(上海)信息技术有限公司 | 基于无人机倾斜摄影的植株绿量提取的系统及方法 |
-
2019
- 2019-06-25 CN CN201910558223.2A patent/CN110276757A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140139523A1 (en) * | 2008-11-05 | 2014-05-22 | Hover, Inc. | Method of generating three-dimensional (3d) models using ground based oblique imagery |
CN107449400A (zh) * | 2016-05-31 | 2017-12-08 | 北京林业大学 | 一种森林地上生物量的测量系统及测量方法 |
CN106815850A (zh) * | 2017-01-22 | 2017-06-09 | 武汉地普三维科技有限公司 | 基于激光雷达技术获取甚高郁闭度森林蓄积量的方法 |
CN109427091A (zh) * | 2018-03-21 | 2019-03-05 | 新疆林业科学院现代林业研究所 | 一种基于高光谱遥感和摄影测量技术的生物量模型研建方法 |
CN108680145A (zh) * | 2018-05-17 | 2018-10-19 | 北京林业大学 | 一种避障无人机抵近林冠处观测林分结构的方法 |
CN108959705A (zh) * | 2018-05-30 | 2018-12-07 | 中国科学院城市环境研究所 | 一种预测大面积亚热带森林生物量的混合效应模型 |
CN108594262A (zh) * | 2018-07-05 | 2018-09-28 | 南京林业大学 | 一种结合无人机和地基激光雷达提取树高的方法 |
CN109446983A (zh) * | 2018-10-26 | 2019-03-08 | 福州大学 | 一种基于两期无人机影像的针叶林采伐蓄积量估算方法 |
CN109883398A (zh) * | 2019-03-07 | 2019-06-14 | 景遥(上海)信息技术有限公司 | 基于无人机倾斜摄影的植株绿量提取的系统及方法 |
Non-Patent Citations (3)
Title |
---|
张莹 等: "基于改进转换分离度特征选择规则的土地覆盖分类比较", 《林业科学》 * |
曾健: "倾斜摄影测量技术提取落叶松人工林地形信息", 《北京林业大学学报》 * |
潘志华: "基于倾斜摄影测量系统的测树技术研究", 《中国优秀硕士学位论文全文数据库 农业科技辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110780313A (zh) * | 2019-10-21 | 2020-02-11 | 广西电网有限责任公司 | 一种无人机可见光立体测量采集建模方法 |
CN110807828A (zh) * | 2019-10-28 | 2020-02-18 | 北京林业大学 | 一种倾斜摄影三维重建匹配方法 |
CN110807828B (zh) * | 2019-10-28 | 2020-05-08 | 北京林业大学 | 一种倾斜摄影三维重建匹配方法 |
CN112785686A (zh) * | 2021-01-25 | 2021-05-11 | 湖南汽车工程职业学院 | 一种基于大数据的林区地图构建方法及可读存储介质 |
CN116665081A (zh) * | 2023-07-31 | 2023-08-29 | 自然资源部第一海洋研究所 | 一种滨海植被地上生物量的估算方法、计算机设备及介质 |
CN116665081B (zh) * | 2023-07-31 | 2023-10-13 | 自然资源部第一海洋研究所 | 一种滨海植被地上生物量的估算方法、计算机设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110276757A (zh) | 一种基于倾斜像片进行高郁闭度人工林区域单木生物量制图技术 | |
Alidoost et al. | Comparison of UAS-based photogrammetry software for 3D point cloud generation: a survey over a historical site | |
CN110221311B (zh) | 基于tls和uav自动化提取高郁闭林分树高的方法 | |
CN110443836A (zh) | 一种基于平面特征的点云数据自动配准方法及装置 | |
Fassi et al. | Comparison between laser scanning and automated 3d modelling techniques to reconstruct complex and extensive cultural heritage areas | |
CN104156536B (zh) | 一种盾构机刀具磨损的可视化定量标定及分析方法 | |
CN111709981A (zh) | 特征线融合的激光点云与模拟图像的配准方法 | |
CN109685886A (zh) | 一种基于混合现实技术的配网三维场景建模方法 | |
Gruen et al. | Joint processing of UAV imagery and terrestrial mobile mapping system data for very high resolution city modeling | |
CN109446983A (zh) | 一种基于两期无人机影像的针叶林采伐蓄积量估算方法 | |
You et al. | A quality prediction method for building model reconstruction using LiDAR data and topographic maps | |
Murtiyoso et al. | Close range uav accurate recording and modeling of St-Pierre-Le-Jeune Neo-Romanesque church in Strasbourg (France) | |
CN110207670A (zh) | 一种使用二维图像获取人工林森林冠幅参数的方法 | |
Ulvi | Using UAV photogrammetric technique for monitoring, change detection, and analysis of archeological excavation sites | |
Barrile et al. | 3D modeling with photogrammetry by UAVs and model quality verification | |
CN111458691B (zh) | 建筑物信息的提取方法、装置及计算机设备 | |
CN109671109A (zh) | 密集点云生成方法及系统 | |
CN106969753B (zh) | 基于电力设计应用的无人机航拍数据处理方法 | |
CN104318566B (zh) | 可返回多个高程值的新型多视影像铅垂线轨迹匹配方法 | |
CN109035343A (zh) | 一种基于监控相机的楼层相对位移测量方法 | |
CN108830317A (zh) | 基于数字摄影测量的露天矿山边坡岩体节理产状快速精细取值方法 | |
CN110009745A (zh) | 根据平面基元和模型驱动对点云提取平面的方法 | |
Barrile et al. | Comparison between techniques for generating 3D models of cultural heritage | |
Firdaus et al. | Comparisons of the three-dimensional model reconstructed using MicMac, PIX4D mapper and Photoscan Pro | |
Musicco et al. | Accuracy evaluation of smartphone-based videogrammetry for Cultural Heritage documentation process |
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 |