CN110794377A - 一种基于机载LiDAR数据自动提取树木变化信息方法 - Google Patents
一种基于机载LiDAR数据自动提取树木变化信息方法 Download PDFInfo
- Publication number
- CN110794377A CN110794377A CN201911276512.XA CN201911276512A CN110794377A CN 110794377 A CN110794377 A CN 110794377A CN 201911276512 A CN201911276512 A CN 201911276512A CN 110794377 A CN110794377 A CN 110794377A
- Authority
- CN
- China
- Prior art keywords
- tree
- points
- data
- change information
- laser
- 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
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000010606 normalization Methods 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 2
- 238000007726 management method Methods 0.000 abstract description 13
- 239000013598 vector Substances 0.000 description 7
- 238000002592 echocardiography Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000009877 rendering Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 241000212749 Zesius chrysomallus Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000000481 breast Anatomy 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种基于机载LiDAR数据自动提取树木变化信息方法,包括如下步骤:机载激光雷达(LiDAR)点云数据获取,平面和高程配准,用商业化软件分类地表点和树木点。根据地表高程归一化地物高程,再提取树木的冠顶高程和点位,同时构建数字表面模型,从而获得树木的移除、补植、生长信息,并计算出生长量。在采集树木信息时采用全自动方式,不要任何的人为干预,能够高效自动获取树木的变化信息,给园林管理部门提供四维的树木信息,以提高管理水平和效率,为规划管理决策支撑。
Description
技术领域
本发明涉及一种基于机载LiDAR数据自动提取树木变化信息方法,本发明所属技术领域为自然资源遥感和测绘科学技术领域,尤其适用于生态园林城市的乔木信息自动化获取。
背景技术
在生态园林城市的建设中,人们对行道树的管理日益细化。除了常规的养护,需要对全市树木进行统一管理,不仅要知道树木的位置、胸径、冠幅等信息,还要随时关注其生长、疾病、移除和补植等动态信息。若采用传统的方法,人工使用仪器设备逐棵树的采集数据和调查,数以百万计的树木极其耗时耗力,效率低下。所以研究出一种自动获得数据信息的方法势在必行,以提高树木信息获取效率。随着近年来激光雷达(LiDAR)技术的蓬勃发展,使国内外学者基于LiDAR点云进行城市三维信息提取研究成为可能。其中,基于两期机载LiDAR点云进行树木变化信息自动获取,可以直接获取到树木是否移除、新增和生长等信息,甚至可以获得生长的高度信息,给园林管理部门提供四维的树木信息,以提高管理水平和效率,为规划管理决策支撑。
机载LiDAR是整合全球卫星定位系统(GNSS)和惯性测量装置(IMU)技术的激光扫描,激光扫描仪搭载在飞机上,可以获得道城市大面积地物的三维坐标和其他有关信息。LiDAR传感器发射的激光脉冲能部分穿透树冠遮挡,受可见光线影响很小,直接获取高精度三维点云数据。三维点云数据经过后处理,可以生成高精度的数字高程模型(DEM)和数字地表模型(DSM),具有传统摄影测量和地面常规测量技术无法替代的优越性。利用两期机载LiDAR数据可以自动提取树木变化信息。
发明内容
为了解决上述现有技术中存在的不足,本发明提供了一种基于机载LiDAR数据自动提取树木变化信息方法。
本发明的目的是这样实现的:
一种基于机载LiDAR数据自动提取树木变化信息方法,包括如下步骤:
第一步,数据收集:包括分别收集两个(或两个以上)一年以上时相的机载激光雷达点云数据,保证获取的数据为优质的激光点云数据。
第二步,数据配准:包括平面配准和高程配准。根据两个时相的激光点云数据中同名点的坐标差值,利用坐标转换的方式,以其中一个时相的数据为基准,进行x、y、z三个方向的坐标配准,以保证后续提取树木变化信息的准确性。
第三步,激光点云分类:市场上已经有许多商业化的软件可以做到,这里直接用商业化软件完成,分类出地表点;自动分类完成后,并对自动分类出的地面点类结合激光点云数据截面进行手动修正,保证分类的精度;基于地表点自动构建DEM,为下一步归一化做准备。
第四步,地物高程点归一化:将所有地物点的高程值减去地表点的高程值,从而获取地物点的实际高度;LiDAR点归一化是消除地表起伏影响激光点绝对高程值归一的过程,任意一点(记为P)归一化的高程值为:
Z归一化后=ZP - ZDEM
判断LiDAR点落在DEM格网的行列号,用LiDAR点的高程值(ZP)减去DEM高程值(ZDEM),得到归一化之后的高程值。
第五步,树木激光点提取:对高于地面点3米的植被激光点归为高植被,根据点密度和法向量方向分布两个参数进一步在高植被中确定独立树的激光点,并用三维点密度分隔出单株树木点,进而求出树木最高点。并根据地表点和树木点构建地表模型。
第六步,树木变化信息提取:按照上面第三到第五步,分别对激光点云数据处理并建立地表模型。以前一期的模型为基准,两期模型相减,获得树木移除、新增和生长等信息,具体判断原则如下:
(1)在同一地理位置,当前一期有树木,而后一期没有树木,确定为树木被移除;
(2)在同一地理位置,当前一期没有树木,而后一期有树木,确定为树木为新增;
(3)在同一地理位置,当前一期有树木,而后一期也有树木,后一期树木比前一期高。确定为树木为生长,并可以求出高度变化值。
积极有益效果:本发明通过在采集树木信息时采用全自动方式,不要任何的人为干预,能够高效自动获取树木的变化信息,给园林管理部门提供四维的树木信息,以提高管理水平和效率,为规划管理决策支撑。
附图说明
图1为本发明的流程图;
图2为激光点云数据高程渲染图,左侧图为2006年激光点云,右侧为2009年激光点云;
图3为经过归一化前后对比图,图左部分为正射投影高程渲染图,图右上部分A为归一化前侧视图,图右下部分B为归一化后侧视图;
图4为树木提取结果,左侧图为2006年的树木,右侧为2009年的树木;
图5为树木变化信息结果。
具体实施方式
下面结合附图和具体实施例,对本发明做进一步的说明:
如图1所示的方法流程,以“某地区树木变化信息自动提取”为应用实例,对本发明进一步阐明:
第一步,数据获取。2006年6月和2009年4月,利用机载激光扫描仪,在南京建邺区的城市建设区进行数据采集,数据为同一地区,面积49万平方米。采集到的激光点云图见图2。
第二步,数据配准:包括平面配准和高程配准。选择两个年份的激光点云数据中不变的地物,从中选择同名点,分别获得其坐标值并求取其差值;利用坐标转换的方式,以2006年的数据为基准,进行x、y、z三个方向的配准,这样消除了地面沉降等因素造成的两期数据间的系统性变形。
第三步,激光点云分类:激光点云分类,使用TerraSolid软件直接分类出地表点;自动分类完成后,并对自动分类出的地面点类结合激光点云数据截面进行手动修正,保证分类的精度;基于地表点自动构建DEM,为下一步归一化做准备。
第四步,地物高程点归一化:将所有地物点的高程值减去地表点的高程值,从而获取地物点的实际高度;LiDAR点归一化是消除地表起伏影响激光点绝对高程值归一的过程,任意一点(记为P)归一化的高程值为:
Z归一化后=ZP - ZDEM
判断LiDAR点落在DEM格网的行列号,用LiDAR点的高程值(ZP)减去DEM高程值(ZDEM),得
到归一化之后的高程值。以2009年激光点云数据为例,归一化前后点的高程值变化如下所
示:
点序号 | X坐标(m) | Y坐标(m) | 归一化前Z坐标(m) | 归一化后Z坐标(m) |
1 | 64327.273 | 43043.967 | 11.417 | 4.142 |
2 | 64222.788 | 42995.383 | 7.179 | 0.0 |
3 | 64262.301 | 42925.056 | 13.247 | 6.836 |
… | … | … | … | … |
归一化结果如图3所示,为经过归一化前后对比图,图左部分为正射投影高程渲染图,显示了整体地物的高矮和分布;图右上部分A为归一化前侧视图,可以看出地表有起伏变化;图右下部分B为归一化后侧视图,可以看出地表的起伏变化已经消除。
第五步,树木激光点提取。对高于地面点3米的激光点归为高植被,根据点密度和法向量方向分布两个参数进一步在高植被中确定独立树的激光点,并用三维点密度分隔出单株树木点,进而求出树木最高点。并根据地表点和树木点构建地表模型。第五步包括如下子步骤:
(1)高于地面一定高度的点归为高植被激光点。对于机载激光雷达的树木而言,打在其上的激光点一般都高出地面。根据经验,本实施方案中高于地面3米的点认为是高植被点,其中含有建筑、路灯等地物点。实现方法只需做一个判断:若激光点的z值大于等于3米,则这个点为高植被点,否则保持原来的点类。
(2)根据点密度和法向量方向分布两个参数进一步在高植被中确定独立树的激光点。高植被中激光点密度大的地方是树木的备选点区域,因为机载激光可以有多次回波,在树木区域会产生多次回波,而建筑和路面上一般不会产生多次回波。通过这一参数,可以区分高植被中树木和其他地物,例如建筑等。
通过分析激光点周围点的情况可以决定维度信息,维度信息分为三种:
•线性,激光点是某条线上的一点;
•平面,激光点是某个面上的一点;
•复杂,激光点是随机的。
法向量是针对维度信息为平面类型的激光点,是激光点与其附近点拟合的平面构成铅垂线的方向向量。一般路面上激光点法向量的方向是一致的,而树木的法向量杂乱无章,甚至为“复杂”类型。所以,通过这一信息参数,也可以区分激光点是位于平面上,还是位于树木中从而区分出树木中的激光点。
(3)聚类树木激光点,求出每个树木的最高点坐标值。根据不同的树木聚类点云数据,求出各各树木点云的最高点坐标值,以标识这个棵树。
(4)根据地表点和树木点构建地表模型。只保留地表和树木的激光点,构建数字表面模型(DSM),用来求取树木的变化信息。因为地表点是经过归一化的,所以两期数据的地表点高程是重合的,可以直接求取差值。
第六步,树木变化信息提取。按照上面第三到第五步,分别对2006年和2009年的激光点云数据处理并建立地表模型。以2006年的模型为基准,两期模型相减,获得树木移除、新增和生长的信息,具体判断原则如下:
(1)当2006年有树木,而2009年没有树木,确定为树木被移除,如图5上面部分所示;
(2)当2006年没有树木,而2009年有树木,确定为树木为新增,如图5中间部分所示;
(3)当2006年有树木,而2009年也有树木,2009年树木比2006年高。确定为树木为生长,
如图5下面部分所示。并可以求出高度变化值。图5下面部分的右半部分的“A段”、“B段”显示
了树木的生长,其中:绿色的点是2009年的树木点,红色的点是2006年的树木点,显示出
2009年树木明显长高。以这一区域为例,求取树木生长高度如下:
树木编号 | 2006年高(m) | 2009年高(m) | 生长高度(m) |
1 | 4.144 | 6.960 | 2.816 |
2 | 3.525 | 5.384 | 1.859 |
3 | 4.308 | 6.583 | 2.275 |
4 | 4.132 | 5.647 | 1.515 |
5 | 4.270 | 6.958 | 2.688 |
6 | 4.084 | 7.610 | 3.526 |
7 | 3.726 | 6.248 | 2.522 |
8 | 4.052 | 6.521 | 2.469 |
9 | 3.741 | 5.410 | 1.669 |
10 | 4.183 | 6.386 | 2.203 |
11 | 4.295 | 8.106 | 3.811 |
12 | 4.229 | 6.702 | 2.473 |
13 | 3.913 | 6.599 | 2.686 |
14 | 4.330 | 7.094 | 2.764 |
15 | 4.334 | 7.169 | 2.835 |
16 | 4.530 | 7.703 | 3.173 |
17 | 4.476 | 7.451 | 2.975 |
18 | 3.648 | 6.317 | 2.669 |
19 | 4.391 | 6.955 | 2.564 |
20 | 4.509 | 7.066 | 2.557 |
本发明通过在采集树木信息时采用全自动方式,不要任何的人为干预,能够高效自动获取树木的变化信息,给园林管理部门提供四维的树木信息,以提高管理水平和效率,为规划管理决策支撑。
Claims (7)
1.一种基于机载LiDAR数据自动提取树木变化信息方法,其特征在于,包括如下步骤:第一步、数据收集;第二步、数据配准;第三步、激光点云分类;第四步、地物高程点归一化;第五步、树木激光点提取;第六步、树木变化信息提取。
2.根据权利要求1所述的一种基于机载LiDAR数据自动提取树木变化信息方法,其特征在于:所述的第一步数据收集,包括分别收集不少于两个一年以上时相的机载激光雷达点云数据,保证获取的数据为优质的激光点云数据。
3.根据权利要求1所述的一种基于机载LiDAR数据自动提取树木变化信息方法,其特征在于:所述的第二步数据配准,包括平面配准和高程配准;根据两个时相的激光点云数据中同名点的坐标差值,利用坐标转换的方式,以其中一个时相的数据为基准,进行x、y、z三个方向的坐标配准,以保证后续提取树木变化信息的准确性。
4.根据权利要求1所述的一种基于机载LiDAR数据自动提取树木变化信息方法,其特征在于:所述的第三步激光点云分类,利用市场上已经商业化的软件直接完成,分类出地表点;自动分类完成后,并对自动分类出的地面点类结合激光点云数据截面进行手动修正,保证分类的精度;基于地表点自动构建DEM,为下一步归一化做准备。
5.根据权利要求1所述的一种基于机载LiDAR数据自动提取树木变化信息方法,其特征在于:所述的第四步地物高程点归一化,是指将所有地物点的高程值减去地表点的高程值,从而获取地物点的实际高度。
6.根据权利要求1所述的一种基于机载LiDAR数据自动提取树木变化信息方法,其特征在于:所述的第五步树木激光点提取,是指对高于地面点3米的激光点归为高植被点;按照规则算法获得独立树激光点和每棵树的最高点;并根据地表点和树木点构建地表模型,达到树木激光点提取目的。
7.根据权利要求1所述的一种基于机载LiDAR数据自动提取树木变化信息方法,其特征在于:所述的第六步树木变化信息提取,是指按照上面第三到第五步,分别对激光点云数据处理并建立地表模型;以前一期的模型为基准,两期模型相减,获得树木移除、新增和生长等信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911276512.XA CN110794377A (zh) | 2019-12-12 | 2019-12-12 | 一种基于机载LiDAR数据自动提取树木变化信息方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911276512.XA CN110794377A (zh) | 2019-12-12 | 2019-12-12 | 一种基于机载LiDAR数据自动提取树木变化信息方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110794377A true CN110794377A (zh) | 2020-02-14 |
Family
ID=69448231
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911276512.XA Pending CN110794377A (zh) | 2019-12-12 | 2019-12-12 | 一种基于机载LiDAR数据自动提取树木变化信息方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110794377A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113327276A (zh) * | 2021-06-30 | 2021-08-31 | 江苏海洋大学 | 一种面向移动测量大体量点云数据配准的方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080260237A1 (en) * | 2004-03-15 | 2008-10-23 | Blom Kartta Oy | Method for Determination of Stand Attributes and a Computer Program for Performing the Method |
CN105469098A (zh) * | 2015-11-20 | 2016-04-06 | 中北大学 | 一种自适应特征权重合成的lidar数据地物精确分类方法 |
CN107085710A (zh) * | 2017-04-26 | 2017-08-22 | 长江空间信息技术工程有限公司(武汉) | 一种基于多光谱LiDAR数据的单木自动提取方法 |
CN109948106A (zh) * | 2019-03-21 | 2019-06-28 | 南京林业大学 | 一种利用激光点云计算林分高度累计百分比的方法 |
CN110221311A (zh) * | 2019-06-11 | 2019-09-10 | 南京林业大学 | 基于tls和uav自动化提取高郁闭林分树高的方法 |
-
2019
- 2019-12-12 CN CN201911276512.XA patent/CN110794377A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080260237A1 (en) * | 2004-03-15 | 2008-10-23 | Blom Kartta Oy | Method for Determination of Stand Attributes and a Computer Program for Performing the Method |
CN105469098A (zh) * | 2015-11-20 | 2016-04-06 | 中北大学 | 一种自适应特征权重合成的lidar数据地物精确分类方法 |
CN107085710A (zh) * | 2017-04-26 | 2017-08-22 | 长江空间信息技术工程有限公司(武汉) | 一种基于多光谱LiDAR数据的单木自动提取方法 |
CN109948106A (zh) * | 2019-03-21 | 2019-06-28 | 南京林业大学 | 一种利用激光点云计算林分高度累计百分比的方法 |
CN110221311A (zh) * | 2019-06-11 | 2019-09-10 | 南京林业大学 | 基于tls和uav自动化提取高郁闭林分树高的方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113327276A (zh) * | 2021-06-30 | 2021-08-31 | 江苏海洋大学 | 一种面向移动测量大体量点云数据配准的方法 |
CN113327276B (zh) * | 2021-06-30 | 2023-08-22 | 江苏海洋大学 | 一种面向移动测量大体量点云数据配准的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108921885B (zh) | 一种综合三类数据源联合反演森林地上生物量的方法 | |
CN110111414B (zh) | 一种基于三维激光点云的正射影像生成方法 | |
CN110221311B (zh) | 基于tls和uav自动化提取高郁闭林分树高的方法 | |
Wing et al. | Prediction of understory vegetation cover with airborne lidar in an interior ponderosa pine forest | |
Marzolff et al. | The potential of 3D gully monitoring with GIS using high-resolution aerial photography and a digital photogrammetry system | |
CN108288059B (zh) | 一种基于高分辨率遥感技术的建筑垃圾监测方法 | |
CN102147250B (zh) | 一种数字线划图测图方法 | |
CN113034689A (zh) | 基于激光点云的地形三维模型及地形图构建方法和系统、存储介质 | |
CN106503060A (zh) | 一种输电线路三维点云数据处理及交跨物获取方法 | |
CN106529469A (zh) | 基于自适应坡度的无人机载LiDAR点云滤波方法 | |
CN111091079B (zh) | 基于tls的高寒脆弱区植被优势单株结构参数测定方法 | |
CN114781011B (zh) | 一种像素级全球森林碳储量高精度计算方法及系统 | |
CN102074047A (zh) | 一种高精细城市三维建模方法 | |
CN113177744A (zh) | 一种城市绿地系统碳汇量估算方法及系统 | |
CN112729130A (zh) | 卫星遥感测量树木冠层高度的方法 | |
CN108981616B (zh) | 一种由无人机激光雷达反演人工林有效叶面积指数的方法 | |
CN104463164A (zh) | 一种基于伞骨法与冠高比的树木冠层结构信息提取方法 | |
CN110988909A (zh) | 基于tls进行高寒脆弱区沙地植被的植被盖度测定方法 | |
CN114119863A (zh) | 一种基于车载激光雷达数据自动提取行道树目标及其林木属性的方法 | |
Chen et al. | Site quality assessment of a Pinus radiata plantation in Victoria, Australia, using LiDAR technology | |
Neigh et al. | Regional rates of young US forest growth estimated from annual Landsat disturbance history and IKONOS stereo imagery | |
CN112241833A (zh) | 一种光伏发电站前期精细化选址方法 | |
Mikita et al. | Evaluation of airborne laser scanning data for tree parameters and terrain modelling in forest environment | |
CN114429455A (zh) | 一种基于机载激光点云辅助影像植被三维变化检测方法 | |
Yin et al. | Individual tree parameters estimation for chinese fir (cunninghamia lanceolate (lamb.) hook) plantations of south china using UAV Oblique Photography: Possibilities and Challenges |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200214 |
|
RJ01 | Rejection of invention patent application after publication |