CN116412759A - 一种利用三维激光扫描仪进行林业调查的方法 - Google Patents

一种利用三维激光扫描仪进行林业调查的方法 Download PDF

Info

Publication number
CN116412759A
CN116412759A CN202310166391.3A CN202310166391A CN116412759A CN 116412759 A CN116412759 A CN 116412759A CN 202310166391 A CN202310166391 A CN 202310166391A CN 116412759 A CN116412759 A CN 116412759A
Authority
CN
China
Prior art keywords
data
point cloud
tree
points
scanning
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
Application number
CN202310166391.3A
Other languages
English (en)
Inventor
黄宪怀
孔德国
赵秀琴
刘同贺
李琼辉
宋照喜
宋军鸽
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.)
Zaozhuang Xinli Garden Engineering Co ltd
Original Assignee
Zaozhuang Xinli Garden Engineering Co ltd
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 Zaozhuang Xinli Garden Engineering Co ltd filed Critical Zaozhuang Xinli Garden Engineering Co ltd
Priority to CN202310166391.3A priority Critical patent/CN116412759A/zh
Publication of CN116412759A publication Critical patent/CN116412759A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/08—Measuring arrangements characterised by the use of optical techniques for measuring diameters
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G01B11/2433—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures for measuring outlines by shadow casting
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C15/00—Surveying instruments or accessories not provided for in groups G01C1/00 - G01C13/00
    • G01C15/02—Means for marking measuring points
    • G01C15/06—Surveyors' staffs; Movable markers
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明涉及激光扫描技术领域，尤其涉及一种利用三维激光扫描仪进行林业调查的方法，针对现有林业测量技术测量精度低，数据误差大，测量所需时间长，测量结果容易受环境影响导致误差等问题，现提出如下方案，包括以下步骤：S1：现场数据采集，分散布设靶标，选择球形靶标，启动静态测量模式，利用最小二乘拟合的方法求出球心坐标和球形靶标半径；本发明的目的是通过三维激光扫描技术，在测量作业中能快速准确的获得树木表面的海量信息，不受测量环境的制约，快速获取的三维空间数据以及树木影像数据，大大节省了人工成本，缩短了林业测量的周期，提供更加全面可靠的数据，数据精度得到有效提升。

Description

一种利用三维激光扫描仪进行林业调查的方法
技术领域
本发明涉及激光扫描技术领域，尤其涉及一种利用三维激光扫描仪进行林业调查的方法。
背景技术
三维激光扫描技术在林业调查中的应用涉及广泛。它可以给林业管理部门提供准确可靠的林业数据，并能增强和者替换一般的林业实地调查。现在科技的发展让激光扫描技术应用越来越普遍，近几年三维激光扫描技术在国内相继发展起来，并且在对精准林业的应用中起到很多关键性的作用，利用相关的三维激光扫描仪器就可以对每个区域的林业信息进行相关的概括，并有效监测森林内部的详细信息，从而对把握关于林业方面的各种问题更全面更准确。例如，林地退换、生态系统、树木分布状况形态等。
三维激光扫描技术的林业应用，丰富了传统的数据采集方法与测树理论进行基础探索性的研究。快速获取的三维空间数据以及树木影像数据大大精确了采集信息，以及降低了劳动强度。三维激光扫描技术可以将树木的立体模型在计算机上进行还原，从而提供更多更全面的测量值，为研究树干、树冠形状、材积、生物量等提供了可靠的数据基础，进而为森林资源的动态监测奠定基础。因此，我们提出一种利用三维激光扫描仪进行林业调查的方法。
发明内容
本发明的目的是解决现有林业测量技术测量精度低，数据误差大，测量所需时间长，测量结果容易受环境影响导致误差等问题，而提出的一种利用三维激光扫描仪进行林业调查的方法。
为了实现上述目的，本发明采用了如下技术方案：
一种利用三维激光扫描仪进行林业调查的方法，包括以下步骤：
S1：现场数据采集，分散布设靶标，选择球形靶标，启动静态测量模式，利用最小二乘拟合的方法求出球心坐标和球形靶标半径；
S2：对树木与靶标应采用不同的分辨率进行扫描，解算两个测站点云数据配准所需的7个自由度，将各扫描站的点云数据转换到同一个坐标系统下；
S3：进行点云配准，采用ICP算法，获取完整的3D数字模型、场景，进行点云去噪，利用三维激光扫描仪获取的原始点云数据中的异常点；
S4：对实物模型含有的海量点云数据进行压缩，采样点投影到与仪器的视场中心轴垂直的平面，利用Delaunay算法对局部区域进行剖分；
S5：提取树木胸径，通过基准点来确定胸径的位置，根据点云做最佳拟合，得到所测量的树木的胸径值；
S6：将点云数据得出的树木胸径值与已知数据进行比较，测量投影面积，通过数据分析得出单株树干各种参数。
优选的，所述S1中，现场数据采集，根据目标树木的位置、大小形态及需要获取的重点属性，扫描站设置在无其它物体的遮挡的空旷地带，且测站之间要有一定的重合区域，扫描站点距离目标树木的距离在7-15m，在扫描测站位置选定后布设靶标，相邻两测站之间至少可包含3-6个靶标的位置信息，以作为不同测站间点云配准转换的基准，靶标应分散布设，不能放置在同一直线和同一高程平面上，选择利用球形靶标，启动静态测量模式，把靶标球放在球形靶标表面的各个位置，依次测量各个位置出动俄坐标，每个位置测量200次，测量限差设置为0.2mm；每个球形靶标测量15个位置的三维坐标，然后利用最小二乘拟合的方法求出球心坐标和球形靶标半径。
优选的，所述S2中，进行扫描作业，对树木与靶标应采用不同的分辨率进行扫描，相邻站点之间设立3-5个控制靶标重合，以确保能正确解算两个测站点云数据配准所需的7个自由度，以1/20的分辨率扫描整体场景，然后选择欲采集区域，按照1/5的分辨率扫描该区域，最后以1/2的分辨率对靶标进行精细扫描，扫描结束后分别保存区域点云文件和靶标的点云文件，文件保存时，将数据进行整理，数据与标识名称相对应，保证相同的控制靶标在不同测站中的标识名称相同，将各扫描站的点云数据转换到同一个坐标系统下。
优选的，所述S3中，进行点云配准，采用ICP(Iterative Closest Point)算法，通过欧式变换求解出两片点云的旋转平移矩阵及对应的配准误差，不断求解估计的变换矩阵，直到RMSE(Root Mean Square Error)配准误差收敛于局部最优解，每一次迭代中，搜索关于的最近邻点集，构造协方差矩阵，奇异值分解获得单位四元数，进而求解旋转矩阵，平移向量则由对应点云的质心确定，实现数据点云的旋转平移变换，利用该矩阵实现多视扫描点云的精确配准。
优选的，所述S3中，进行点云去噪，利用三维激光扫描仪获取的原始点云数据包含明显远离点云的稀疏、离散的点；远离点云中心区，小而密集的点云；扫描测区内非扫描目标所形成的多余点云；和目标点云混在一起的点；对数据进行初步检查，通过图形终端，用肉眼直接将与截面数据点集偏离较大的点和存在于屏幕上的异常点剔除，从数据点集中筛选出一些偏差比较大的异常点，再进行曲线检查法，通过截面的首末数据点，用最小二乘法拟合得到一条样条曲线，曲线的阶次可根据曲面截面的形状决定，通常为3-4阶，然后分别计算中间数据点Р到样条曲线的距离，超过允差则认为是坏点，剔除此项数据，采用高斯滤波法，通过高斯滤波器在指定区域内将高频的噪声滤除。
优选的，所述S4中，对实物模型含有的海量点云数据进行压缩，所有采样点投影到与仪器的视场中心轴垂直的平面，然后对所有采样点进行完全四叉树划分，自下而上进行数据简化；利用Delaunay算法对局部区域进行剖分，并求取每个i角形的法向矢量，同时求取局部区域的平均法向矢量及角度方差；对角度方差大于设定阈值的区域，原样保留其全部样本点，对于满足合并条件的区域，对满足合并要求的多个邻域进行合并，做重新采样处理。
优选的，所述S5中，提取树木胸径，通过点云，查看树干与地面接触的位置，确定一个基准点来确定胸径的位置；以基准点所在水平面为基准建立水平参考面，将坐标原点设定在树木根部，在Z轴正方向按照1.3-1.5m的间距对水平参考面进行偏移，得到胸径的位置；以水平参考面为基准做厚度为0.1cm的切片，根据点云做最佳拟合，得到所测量的树木的胸径值。
优选的，所述S5中，将点云数据得出的树木胸径值与已知数据进行比较，进行静态采集，在3-5个特征点做标记并做解算精准坐标，并长时间采集雷达数据，获取特征点的坐标，比较采集雷达数据的结果与真实坐标的差异，利用回归分析方法分别构建基于实际测量值和TLS提取值的单木胸径、树高估测模型，采用留一法交叉验证对构建的胸径、树高估测模型进行精度验证，从每个森林类型中采集n株样本，每次选取1个样本作为测试集，其余样本(n-1)作为训练集，循环迭代需要运算n次训练，最后取n次训练的平均值进行检验，利用决定系数R2、均方根误差RMSE、P值等作为建模过程的评价指标，并分析误差来源。
优选的，所述S5中，测量投影面积，在正射视图模式下俯视，获取投影地面的外轮廓，算出投影面积，基于树木点云数据重建的三维模型，以树冠的冠幅与冠高为参数，将树冠视作规则几何体计算体积，通过采集的树木特征因子，并根据树种冠形选择近似的规则几何体体积公式计算树冠体积。
优选的，所述S6中，通过数据分析得到单株树干各种参数，包括树木锥度、体积、分类、胸径、直线度信息，根据数据信息生成报表，得出树木不同参数，创建一个新的数据库-归档库，在归档库创建与生产库相同的表，不断查询生产库数据记录，同步复制到归档库，生产库删除已经复制的数据记录，使用唯一索引，防止插入重复数据。
本发明的有益效果为：
1、三维激光扫描仪为采集信息手段，运用三维激光扫描技术，通过计算机进行三维激光数据拼接处理，提取胸径、树高、材积及树冠体积表面积等因子，形成基于三维激光测绘系统的测树技术体系。
2、通过三维激光扫描技术，将采集的数据输入计算机，还原树木的立体模型，提供更多更全面的测量值，为研究树干、树冠形状、材积、生物量等提供了可靠的数据基础，进而为森林资源的动态监测奠定基础。
本发明的目的是通过三维激光扫描技术，在测量作业中能快速准确的获得树木表面的海量信息，不受测量环境的制约，快速获取的三维空间数据以及树木影像数据，大大节省了人工成本，缩短了林业测量的周期，提供更加全面可靠的数据，数据准确率得到有效提升。
附图说明
图1是本发明提出的一种利用三维激光扫描仪进行林业调查的方法的流程示意图。
具体实施方式
下面将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。
实施例一
参照图1，一种利用三维激光扫描仪进行林业调查的方法，包括如下步骤：
S1：现场数据采集，分散布设靶标，选择球形靶标，启动静态测量模式，利用最小二乘拟合的方法求出球心坐标和球形靶标半径；
S2：对树木与靶标应采用不同的分辨率进行扫描，解算两个测站点云数据配准所需的7个自由度，将各扫描站的点云数据转换到同一个坐标系统下；
S3：进行点云配准，采用ICP算法，获取完整的3D数字模型、场景，进行点云去噪，利用三维激光扫描仪获取的原始点云数据中的异常点；
S4：对实物模型含有的海量点云数据进行压缩，采样点投影到与仪器的视场中心轴垂直的平面，利用Delaunay算法对局部区域进行剖分；
S5：提取树木胸径，通过基准点来确定胸径的位置，根据点云做最佳拟合，得到所测量的树木的胸径值；
S6：将点云数据得出的树木胸径值与已知数据进行比较，测量投影面积，通过数据分析得出单株树干各种参数。
本实施例中，现场数据采集，根据目标树木的位置、大小形态及需要获取的重点属性，扫描站设置在无其它物体的遮挡的空旷地带，且测站之间要有一定的重合区域，扫描站点距离目标树木的距离在7m，在扫描测站位置选定后布设靶标，相邻两测站之间至少可包含3个靶标的位置信息，以作为不同测站间点云配准转换的基准，靶标应分散布设，不能放置在同一直线和同一高程平面上，选择利用球形靶标，启动静态测量模式，把靶标球放在球形靶标表面的各个位置，依次测量各个位置出动俄坐标，每个位置测量200次，测量限差设置为0.2mm；每个球形靶标测量15个位置的三维坐标，然后利用最小二乘拟合的方法求出球心坐标和球形靶标半径。
本实施例中，进行扫描作业，对树木与靶标应采用不同的分辨率进行扫描，相邻站点之间设立3个控制靶标重合，以确保能正确解算两个测站点云数据配准所需的7个自由度，以1/20的分辨率扫描整体场景，然后选择欲采集区域，按照1/5的分辨率扫描该区域，最后以1/2的分辨率对靶标进行精细扫描，扫描结束后分别保存区域点云文件和靶标的点云文件，文件保存时，将数据进行整理，数据与标识名称相对应，保证相同的控制靶标在不同测站中的标识名称相同，将各扫描站的点云数据转换到同一个坐标系统下。
本实施例中，进行点云配准，采用ICP(Iterative Closest Point)算法，通过欧式变换求解出两片点云的旋转平移矩阵及对应的配准误差，不断求解估计的变换矩阵，直到RMSE(Root Mean Square Error)配准误差收敛于局部最优解，每一次迭代中，搜索关于的最近邻点集，构造协方差矩阵，奇异值分解获得单位四元数，进而求解旋转矩阵，平移向量则由对应点云的质心确定，实现数据点云的旋转平移变换，利用该矩阵实现多视扫描点云的精确配准。
本实施例中，进行点云去噪，利用三维激光扫描仪获取的原始点云数据包含明显远离点云的稀疏、离散的点；远离点云中心区，小而密集的点云；扫描测区内非扫描目标所形成的多余点云；和目标点云混在一起的点；对数据进行初步检查，通过图形终端，用肉眼直接将与截面数据点集偏离较大的点和存在于屏幕上的异常点剔除，从数据点集中筛选出一些偏差比较大的异常点，再进行曲线检查法，通过截面的首末数据点，用最小二乘法拟合得到一条样条曲线，曲线的阶次可根据曲面截面的形状决定，通常为3阶，然后分别计算中间数据点Р到样条曲线的距离，超过允差则认为是坏点，剔除此项数据，采用高斯滤波法，通过高斯滤波器在指定区域内将高频的噪声滤除。
本实施例中，对实物模型含有的海量点云数据进行压缩，所有采样点投影到与仪器的视场中心轴垂直的平面，然后对所有采样点进行完全四叉树划分，自下而上进行数据简化；利用Delaunay算法对局部区域进行剖分，并求取每个i角形的法向矢量，同时求取局部区域的平均法向矢量及角度方差；对角度方差大于设定阈值的区域，原样保留其全部样本点，对于满足合并条件的区域，对满足合并要求的多个邻域进行合并，做重新采样处理。
本实施例中，提取树木胸径，通过点云，查看树干与地面接触的位置，确定一个基准点来确定胸径的位置；以基准点所在水平面为基准建立水平参考面，将坐标原点设定在树木根部，在Z轴正方向按照1.3m的间距对水平参考面进行偏移，得到胸径的位置；以水平参考面为基准做厚度为0.1cm的切片，根据点云做最佳拟合，得到所测量的树木的胸径值。
本实施例中，将点云数据得出的树木胸径值与已知数据进行比较，进行静态采集，在3个特征点做标记并做解算精准坐标，并长时间采集雷达数据，获取特征点的坐标，比较采集雷达数据的结果与真实坐标的差异，利用回归分析方法分别构建基于实际测量值和TLS提取值的单木胸径、树高估测模型，采用留一法交叉验证对构建的胸径、树高估测模型进行精度验证，从每个森林类型中采集n株样本，每次选取1个样本作为测试集，其余样本(n-1)作为训练集，循环迭代需要运算n次训练，最后取n次训练的平均值进行检验，利用决定系数R2、均方根误差RMSE、P值等作为建模过程的评价指标，并分析误差来源。
本实施例中，测量投影面积，在正射视图模式下俯视，获取投影地面的外轮廓，算出投影面积，基于树木点云数据重建的三维模型，以树冠的冠幅与冠高为参数，将树冠视作规则几何体计算体积，通过采集的树木特征因子，并根据树种冠形选择近似的规则几何体体积公式计算树冠体积。
本实施例中，通过数据分析得到单株树干各种参数，包括树木锥度、体积、分类、胸径、直线度信息，根据数据信息生成报表，得出树木不同参数，创建一个新的数据库-归档库，在归档库创建与生产库相同的表，不断查询生产库数据记录，同步复制到归档库，生产库删除已经复制的数据记录，使用唯一索引，防止插入重复数据。
实施例二
参照图1，一种利用三维激光扫描仪进行林业调查的方法，包括如下步骤：
S1：现场数据采集，分散布设靶标，选择球形靶标，启动静态测量模式，利用最小二乘拟合的方法求出球心坐标和球形靶标半径；
S2：对树木与靶标应采用不同的分辨率进行扫描，解算两个测站点云数据配准所需的7个自由度，将各扫描站的点云数据转换到同一个坐标系统下；
S3：进行点云配准，采用ICP算法，获取完整的3D数字模型、场景，进行点云去噪，利用三维激光扫描仪获取的原始点云数据中的异常点；
S4：对实物模型含有的海量点云数据进行压缩，采样点投影到与仪器的视场中心轴垂直的平面，利用Delaunay算法对局部区域进行剖分；
S5：提取树木胸径，通过基准点来确定胸径的位置，根据点云做最佳拟合，得到所测量的树木的胸径值；
S6：将点云数据得出的树木胸径值与已知数据进行比较，测量投影面积，通过数据分析得出单株树干各种参数。
本实施例中，现场数据采集，根据目标树木的位置、大小形态及需要获取的重点属性，扫描站设置在无其它物体的遮挡的空旷地带，且测站之间要有一定的重合区域，扫描站点距离目标树木的距离在10m，在扫描测站位置选定后布设靶标，相邻两测站之间至少可包含4个靶标的位置信息，以作为不同测站间点云配准转换的基准，靶标应分散布设，不能放置在同一直线和同一高程平面上，选择利用球形靶标，启动静态测量模式，把靶标球放在球形靶标表面的各个位置，依次测量各个位置出动俄坐标，每个位置测量200次，测量限差设置为0.2mm；每个球形靶标测量15个位置的三维坐标，然后利用最小二乘拟合的方法求出球心坐标和球形靶标半径。
本实施例中，进行扫描作业，对树木与靶标应采用不同的分辨率进行扫描，相邻站点之间设立4个控制靶标重合，以确保能正确解算两个测站点云数据配准所需的7个自由度，以1/20的分辨率扫描整体场景，然后选择欲采集区域，按照1/5的分辨率扫描该区域，最后以1/2的分辨率对靶标进行精细扫描，扫描结束后分别保存区域点云文件和靶标的点云文件，文件保存时，将数据进行整理，数据与标识名称相对应，保证相同的控制靶标在不同测站中的标识名称相同，将各扫描站的点云数据转换到同一个坐标系统下。
本实施例中，进行点云配准，采用ICP(Iterative Closest Point)算法，通过欧式变换求解出两片点云的旋转平移矩阵及对应的配准误差，不断求解估计的变换矩阵，直到RMSE(Root Mean Square Error)配准误差收敛于局部最优解，每一次迭代中，搜索关于的最近邻点集，构造协方差矩阵，奇异值分解获得单位四元数，进而求解旋转矩阵，平移向量则由对应点云的质心确定，实现数据点云的旋转平移变换，利用该矩阵实现多视扫描点云的精确配准。
本实施例中，进行点云去噪，利用三维激光扫描仪获取的原始点云数据包含明显远离点云的稀疏、离散的点；对数据进行初步检查，通过图形终端，用肉眼直接将与截面数据点集偏离较大的点和存在于屏幕上的异常点剔除，从数据点集中筛选出一些偏差比较大的异常点，再进行曲线检查法，通过截面的首末数据点，用最小二乘法拟合得到一条样条曲线，曲线的阶次可根据曲面截面的形状决定，通常为3-4阶，然后分别计算中间数据点Р到样条曲线的距离，超过允差则认为是坏点，剔除此项数据，采用高斯滤波法，通过高斯滤波器在指定区域内将高频的噪声滤除。
本实施例中，对实物模型含有的海量点云数据进行压缩，所有采样点投影到与仪器的视场中心轴垂直的平面，然后对所有采样点进行完全四叉树划分，自下而上进行数据简化；对角度方差大于设定阈值的区域，原样保留其全部样本点，对于满足合并条件的区域，对满足合并要求的多个邻域进行合并，做重新采样处理。
本实施例中，提取树木胸径，通过点云，查看树干与地面接触的位置，确定一个基准点来确定胸径的位置；以基准点所在水平面为基准建立水平参考面，将坐标原点设定在树木根部，在Z轴正方向按照1.4m的间距对水平参考面进行偏移，得到胸径的位置；以水平参考面为基准做厚度为0.1cm的切片，根据点云做最佳拟合，得到所测量的树木的胸径值。
本实施例中，将点云数据得出的树木胸径值与已知数据进行比较，进行静态采集，在4个特征点做标记并做解算精准坐标，并长时间采集雷达数据，获取特征点的坐标，比较采集雷达数据的结果与真实坐标的差异，利用回归分析方法分别构建基于实际测量值和TLS提取值的单木胸径、树高估测模型，采用留一法交叉验证对构建的胸径、树高估测模型进行精度验证，从每个森林类型中采集n株样本，每次选取1个样本作为测试集，其余样本(n-1)作为训练集，循环迭代需要运算n次训练，最后取n次训练的平均值进行检验，利用决定系数R2、均方根误差RMSE、P值等作为建模过程的评价指标，并分析误差来源。
本实施例中，测量投影面积，在正射视图模式下俯视，获取投影地面的外轮廓，算出投影面积，基于树木点云数据重建的三维模型，以树冠的冠幅与冠高为参数，将树冠视作规则几何体计算体积，通过采集的树木特征因子，并根据树种冠形选择近似的规则几何体体积公式计算树冠体积。
本实施例中，通过数据分析得到单株树干各种参数，包括树木锥度、体积、分类、胸径、直线度信息，根据数据信息生成报表，得出树木不同参数，创建一个新的数据库-归档库，在归档库创建与生产库相同的表，不断查询生产库数据记录，同步复制到归档库，生产库删除已经复制的数据记录，使用唯一索引，防止插入重复数据。
实施例三
参照图1，一种利用三维激光扫描仪进行林业调查的方法，包括如下步骤：
S1：现场数据采集，分散布设靶标，选择球形靶标，启动静态测量模式，利用最小二乘拟合的方法求出球心坐标和球形靶标半径；
S2：对树木与靶标应采用不同的分辨率进行扫描，解算两个测站点云数据配准所需的7个自由度，将各扫描站的点云数据转换到同一个坐标系统下；
S3：进行点云配准，采用ICP算法，获取完整的3D数字模型、场景，进行点云去噪，利用三维激光扫描仪获取的原始点云数据中的异常点；
S4：对实物模型含有的海量点云数据进行压缩，采样点投影到与仪器的视场中心轴垂直的平面，利用Delaunay算法对局部区域进行剖分；
S5：提取树木胸径，通过基准点来确定胸径的位置，根据点云做最佳拟合，得到所测量的树木的胸径值；
S6：将点云数据得出的树木胸径值与已知数据进行比较，测量投影面积，通过数据分析得出单株树干各种参数。
本实施例中，现场数据采集，根据目标树木的位置、大小形态及需要获取的重点属性，扫描站设置在无其它物体的遮挡的空旷地带，且测站之间要有一定的重合区域，扫描站点距离目标树木的距离在13m，在扫描测站位置选定后布设靶标，相邻两测站之间至少可包含5个靶标的位置信息，以作为不同测站间点云配准转换的基准，把靶标球放在球形靶标表面的各个位置，依次测量各个位置出动俄坐标，每个位置测量200次，测量限差设置为0.2mm；每个球形靶标测量15个位置的三维坐标，然后利用最小二乘拟合的方法求出球心坐标和球形靶标半径。
本实施例中，进行扫描作业，对树木与靶标应采用不同的分辨率进行扫描，相邻站点之间设立4个控制靶标重合，以确保能正确解算两个测站点云数据配准所需的7个自由度，最后以1/2的分辨率对靶标进行精细扫描，扫描结束后分别保存区域点云文件和靶标的点云文件，文件保存时，将数据进行整理，数据与标识名称相对应，保证相同的控制靶标在不同测站中的标识名称相同，将各扫描站的点云数据转换到同一个坐标系统下。
本实施例中，进行点云配准，采用ICP(Iterative Closest Point)算法，通过欧式变换求解出两片点云的旋转平移矩阵及对应的配准误差，不断求解估计的变换矩阵，直到RMSE(Root Mean Square Error)配准误差收敛于局部最优解，每一次迭代中，搜索关于的最近邻点集，平移向量则由对应点云的质心确定，实现数据点云的旋转平移变换，利用该矩阵实现多视扫描点云的精确配准。
本实施例中，进行点云去噪，利用三维激光扫描仪获取的原始点云数据包含明显远离点云的稀疏、离散的点；远离点云中心区，小而密集的点云；扫描测区内非扫描目标所形成的多余点云；对数据进行初步检查，通过图形终端，从数据点集中筛选出一些偏差比较大的异常点，再进行曲线检查法，通过截面的首末数据点，用最小二乘法拟合得到一条样条曲线，曲线的阶次可根据曲面截面的形状决定，通常为4阶，采用高斯滤波法，通过高斯滤波器在指定区域内将高频的噪声滤除。
本实施例中，对实物模型含有的海量点云数据进行压缩，所有采样点投影到与仪器的视场中心轴垂直的平面，同时求取局部区域的平均法向矢量及角度方差；对角度方差大于设定阈值的区域，原样保留其全部样本点，对于满足合并条件的区域，对满足合并要求的多个邻域进行合并，做重新采样处理。
本实施例中，提取树木胸径，通过点云，查看树干与地面接触的位置，确定一个基准点来确定胸径的位置；以基准点所在水平面为基准建立水平参考面，将坐标原点设定在树木根部，在Z轴正方向按照1.3m的间距对水平参考面进行偏移，得到胸径的位置；以水平参考面为基准做厚度为0.1cm的切片，根据点云做最佳拟合，得到所测量的树木的胸径值。
本实施例中，将点云数据得出的树木胸径值与已知数据进行比较，进行静态采集，采用留一法交叉验证对构建的胸径、树高估测模型进行精度验证，从每个森林类型中采集n株样本，每次选取1个样本作为测试集，其余样本(n-1)作为训练集，循环迭代需要运算n次训练，最后取n次训练的平均值进行检验，利用决定系数R2、均方根误差RMSE、P值等作为建模过程的评价指标，并分析误差来源。
本实施例中，测量投影面积，在正射视图模式下俯视，获取投影地面的外轮廓，算出投影面积，基于树木点云数据重建的三维模型，以树冠的冠幅与冠高为参数，将树冠视作规则几何体计算体积，通过采集的树木特征因子，并根据树种冠形选择近似的规则几何体体积公式计算树冠体积。
本实施例中，通过数据分析得到单株树干各种参数，包括树木锥度、体积、分类、胸径、直线度信息，根据数据信息生成报表，得出树木不同参数，创建一个新的数据库-归档库，在归档库创建与生产库相同的表，不断查询生产库数据记录，同步复制到归档库，生产库删除已经复制的数据记录，使用唯一索引，防止插入重复数据。
实施例四
参照图1，一种利用三维激光扫描仪进行林业调查的方法，包括如下步骤：
S1：现场数据采集，分散布设靶标，选择球形靶标，启动静态测量模式，利用最小二乘拟合的方法求出球心坐标和球形靶标半径；
S2：对树木与靶标应采用不同的分辨率进行扫描，解算两个测站点云数据配准所需的7个自由度，将各扫描站的点云数据转换到同一个坐标系统下；
S3：进行点云配准，采用ICP算法，获取完整的3D数字模型、场景，进行点云去噪，利用三维激光扫描仪获取的原始点云数据中的异常点；
S4：对实物模型含有的海量点云数据进行压缩，采样点投影到与仪器的视场中心轴垂直的平面，利用Delaunay算法对局部区域进行剖分；
S5：提取树木胸径，通过基准点来确定胸径的位置，根据点云做最佳拟合，得到所测量的树木的胸径值；
S6：将点云数据得出的树木胸径值与已知数据进行比较，测量投影面积，通过数据分析得出单株树干各种参数。
本实施例中，现场数据采集，根据目标树木的位置、大小形态及需要获取的重点属性，扫描站设置在无其它物体的遮挡的空旷地带，且测站之间要有一定的重合区域，扫描站点距离目标树木的距离在14m，在扫描测站位置选定后布设靶标，相邻两测站之间至少可包含5个靶标的位置信息，以作为不同测站间点云配准转换的基准，把靶标球放在球形靶标表面的各个位置，依次测量各个位置出动俄坐标，每个位置测量200次，测量限差设置为0.2mm；每个球形靶标测量15个位置的三维坐标，然后利用最小二乘拟合的方法求出球心坐标和球形靶标半径。
本实施例中，进行扫描作业，对树木与靶标应采用不同的分辨率进行扫描，相邻站点之间设立4个控制靶标重合，以确保能正确解算两个测站点云数据配准所需的7个自由度，最后以1/2的分辨率对靶标进行精细扫描，扫描结束后分别保存区域点云文件和靶标的点云文件，文件保存时，将数据进行整理，数据与标识名称相对应，保证相同的控制靶标在不同测站中的标识名称相同，将各扫描站的点云数据转换到同一个坐标系统下。
本实施例中，进行点云配准，采用ICP(Iterative Closest Point)算法，通过欧式变换求解出两片点云的旋转平移矩阵及对应的配准误差，不断求解估计的变换矩阵，直到RMSE(Root Mean Square Error)配准误差收敛于局部最优解，每一次迭代中，搜索关于的最近邻点集，构造协方差矩阵，奇异值分解获得单位四元数，进而求解旋转矩阵，平移向量则由对应点云的质心确定，实现数据点云的旋转平移变换，利用该矩阵实现多视扫描点云的精确配准。
本实施例中，进行点云去噪，利用三维激光扫描仪获取的原始点云数据包含明显远离点云的稀疏、离散的点；远离点云中心区，小而密集的点云；扫描测区内非扫描目标所形成的多余点云；和目标点云混在一起的点；对数据进行初步检查，通过图形终端，从数据点集中筛选出一些偏差比较大的异常点，再进行曲线检查法，通过截面的首末数据点，用最小二乘法拟合得到一条样条曲线，曲线的阶次可根据曲面截面的形状决定，通常为4阶，然后分别计算中间数据点Р到样条曲线的距离，超过允差则认为是坏点，剔除此项数据，采用高斯滤波法，通过高斯滤波器在指定区域内将高频的噪声滤除。
本实施例中，对实物模型含有的海量点云数据进行压缩，所有采样点投影到与仪器的视场中心轴垂直的平面，求取局部区域的平均法向矢量及角度方差；对角度方差大于设定阈值的区域，原样保留其全部样本点，对于满足合并条件的区域，对满足合并要求的多个邻域进行合并，做重新采样处理。
本实施例中，提取树木胸径，通过点云，查看树干与地面接触的位置，确定一个基准点来确定胸径的位置；以基准点所在水平面为基准建立水平参考面，将坐标原点设定在树木根部，在Z轴正方向按照1.4m的间距对水平参考面进行偏移，得到胸径的位置；以水平参考面为基准做厚度为0.1cm的切片，根据点云做最佳拟合，得到所测量的树木的胸径值。
本实施例中，将点云数据得出的树木胸径值与已知数据进行比较，进行静态采集，在4个特征点做标记并做解算精准坐标，从每个森林类型中采集n株样本，每次选取1个样本作为测试集，其余样本(n-1)作为训练集，循环迭代需要运算n次训练，最后取n次训练的平均值进行检验，利用决定系数R2、均方根误差RMSE、P值等作为建模过程的评价指标，并分析误差来源。
本实施例中，测量投影面积，在正射视图模式下俯视，获取投影地面的外轮廓，算出投影面积，将树冠视作规则几何体计算体积，通过采集的树木特征因子，并根据树种冠形选择近似的规则几何体体积公式计算树冠体积。
本实施例中，通过数据分析得到单株树干各种参数，包括树木锥度、体积、分类、胸径、直线度信息，根据数据信息生成报表，得出树木不同参数，创建一个新的数据库-归档库，在归档库创建与生产库相同的表，不断查询生产库数据记录，同步复制到归档库，生产库删除已经复制的数据记录，使用唯一索引，防止插入重复数据。
实施例五
参照图1，一种利用三维激光扫描仪进行林业调查的方法，包括如下步骤：
S1：现场数据采集，分散布设靶标，选择球形靶标，启动静态测量模式，利用最小二乘拟合的方法求出球心坐标和球形靶标半径；
S2：对树木与靶标应采用不同的分辨率进行扫描，解算两个测站点云数据配准所需的7个自由度，将各扫描站的点云数据转换到同一个坐标系统下；
S3：进行点云配准，采用ICP算法，获取完整的3D数字模型、场景，进行点云去噪，利用三维激光扫描仪获取的原始点云数据中的异常点；
S4：对实物模型含有的海量点云数据进行压缩，采样点投影到与仪器的视场中心轴垂直的平面，利用Delaunay算法对局部区域进行剖分；
S5：提取树木胸径，通过基准点来确定胸径的位置，根据点云做最佳拟合，得到所测量的树木的胸径值；
S6：将点云数据得出的树木胸径值与已知数据进行比较，测量投影面积，通过数据分析得出单株树干各种参数。
本实施例中，现场数据采集，根据目标树木的位置、大小形态及需要获取的重点属性，扫描站设置在无其它物体的遮挡的空旷地带，且测站之间要有一定的重合区域，扫描站点距离目标树木的距离在15m，在扫描测站位置选定后布设靶标，相邻两测站之间至少可包含6个靶标的位置信息，以作为不同测站间点云配准转换的基准，把靶标球放在球形靶标表面的各个位置，依次测量各个位置出动俄坐标，每个位置测量200次，测量限差设置为0.2mm；每个球形靶标测量15个位置的三维坐标，然后利用最小二乘拟合的方法求出球心坐标和球形靶标半径。
本实施例中，进行扫描作业，对树木与靶标应采用不同的分辨率进行扫描，相邻站点之间设立5个控制靶标重合，以确保能正确解算两个测站点云数据配准所需的7个自由度，最后以1/2的分辨率对靶标进行精细扫描，扫描结束后分别保存区域点云文件和靶标的点云文件，文件保存时，将数据进行整理，数据与标识名称相对应，保证相同的控制靶标在不同测站中的标识名称相同，将各扫描站的点云数据转换到同一个坐标系统下。
本实施例中，进行点云配准，采用ICP(Iterative Closest Point)算法，通过欧式变换求解出两片点云的旋转平移矩阵及对应的配准误差，不断求解估计的变换矩阵，直到RMSE(Root Mean Square Error)配准误差收敛于局部最优解，每一次迭代中，搜索关于的最近邻点集，构造协方差矩阵，奇异值分解获得单位四元数，进而求解旋转矩阵，平移向量则由对应点云的质心确定，实现数据点云的旋转平移变换，利用该矩阵实现多视扫描点云的精确配准。
本实施例中，进行点云去噪，利用三维激光扫描仪获取的原始点云数据包含明显远离点云的稀疏、离散的点；远离点云中心区，小而密集的点云；扫描测区内非扫描目标所形成的多余点云；和目标点云混在一起的点；对数据进行初步检查，通过图形终端，从数据点集中筛选出一些偏差比较大的异常点，再进行曲线检查法，通过截面的首末数据点，用最小二乘法拟合得到一条样条曲线，曲线的阶次可根据曲面截面的形状决定，通常为4阶，然后分别计算中间数据点Р到样条曲线的距离，超过允差则认为是坏点，剔除此项数据，采用高斯滤波法，通过高斯滤波器在指定区域内将高频的噪声滤除。
本实施例中，对实物模型含有的海量点云数据进行压缩，所有采样点投影到与仪器的视场中心轴垂直的平面，然后对所有采样点进行完全四叉树划分，自下而上进行数据简化，同时求取局部区域的平均法向矢量及角度方差；对角度方差大于设定阈值的区域，原样保留其全部样本点，对于满足合并条件的区域，对满足合并要求的多个邻域进行合并，做重新采样处理。
本实施例中，提取树木胸径，通过点云，查看树干与地面接触的位置，确定一个基准点来确定胸径的位置；以基准点所在水平面为基准建立水平参考面，将坐标原点设定在树木根部，在Z轴正方向按照1.5m的间距对水平参考面进行偏移，得到胸径的位置；以水平参考面为基准做厚度为0.1cm的切片，根据点云做最佳拟合，得到所测量的树木的胸径值。
本实施例中，将点云数据得出的树木胸径值与已知数据进行比较，进行静态采集，在5个特征点做标记并做解算精准坐标，并长时间采集雷达数据，获取特征点的坐标，采用留一法交叉验证对构建的胸径、树高估测模型进行精度验证，从每个森林类型中采集n株样本，每次选取1个样本作为测试集，其余样本(n-1)作为训练集，循环迭代需要运算n次训练，最后取n次训练的平均值进行检验，利用决定系数R2、均方根误差RMSE、P值等作为建模过程的评价指标，并分析误差来源。
本实施例中，测量投影面积，在正射视图模式下俯视，获取投影地面的外轮廓，算出投影面积，基于树木点云数据重建的三维模型，以树冠的冠幅与冠高为参数，将树冠视作规则几何体计算体积，通过采集的树木特征因子，并根据树种冠形选择近似的规则几何体体积公式计算树冠体积。
本实施例中，通过数据分析得到单株树干各种参数，包括树木锥度、体积、分类、胸径、直线度信息，根据数据信息生成报表，得出树木不同参数，创建一个新的数据库-归档库，在归档库创建与生产库相同的表，不断查询生产库数据记录，同步复制到归档库，生产库删除已经复制的数据记录，使用唯一索引，防止插入重复数据。
对比例一
与实施例一不同之处在于，S1：现场数据采集，分散布设靶标，选择球形靶标，启动静态测量模式，利用最小二乘拟合的方法求出球心坐标和球形靶标半径，现场数据采集，根据目标树木的位置、大小形态及需要获取的重点属性，扫描站设置在无其它物体的遮挡的空旷地带，且测站之间要有一定的重合区域，扫描站点距离目标树木的距离在7m，在扫描测站位置选定后布设靶标，相邻两测站之间至少可包含3个靶标的位置信息，以作为不同测站间点云配准转换的基准，靶标应分散布设，不能放置在同一直线和同一高程平面上，选择利用球形靶标，启动静态测量模式，把靶标球放在球形靶标表面的各个位置，依次测量各个位置出动俄坐标，每个位置测量200次，测量限差设置为0.2mm；每个球形靶标测量15个位置的三维坐标，然后利用最小二乘拟合的方法求出球心坐标和球形靶标半径。
对比例二
与实施例二不同之处在于，S2：对树木与靶标应采用不同的分辨率进行扫描，解算两个测站点云数据配准所需的7个自由度，将各扫描站的点云数据转换到同一个坐标系统下，进行扫描作业，对树木与靶标应采用不同的分辨率进行扫描，相邻站点之间设立4个控制靶标重合，以确保能正确解算两个测站点云数据配准所需的7个自由度，以1/20的分辨率扫描整体场景，然后选择欲采集区域，按照1/5的分辨率扫描该区域，最后以1/2的分辨率对靶标进行精细扫描，扫描结束后分别保存区域点云文件和靶标的点云文件，文件保存时，将数据进行整理，数据与标识名称相对应，保证相同的控制靶标在不同测站中的标识名称相同，将各扫描站的点云数据转换到同一个坐标系统下。
对比例三
与实施例三不同之处在于，S3：进行点云配准，采用ICP算法，获取完整的3D数字模型、场景，进行点云去噪，利用三维激光扫描仪获取的原始点云数据中的异常点，进行点云配准，采用ICP(Iterative Closest Point)算法，通过欧式变换求解出两片点云的旋转平移矩阵及对应的配准误差，不断求解估计的变换矩阵，直到RMSE(Root Mean SquareError)配准误差收敛于局部最优解，每一次迭代中，搜索关于的最近邻点集，构造协方差矩阵，奇异值分解获得单位四元数，进而求解旋转矩阵，平移向量则由对应点云的质心确定，实现数据点云的旋转平移变换，利用该矩阵实现多视扫描点云的精确配准，进行点云去噪，利用三维激光扫描仪获取的原始点云数据包含明显远离点云的稀疏、离散的点；远离点云中心区，小而密集的点云；扫描测区内非扫描目标所形成的多余点云；和目标点云混在一起的点；对数据进行初步检查，通过图形终端，从数据点集中筛选出一些偏差比较大的异常点，再进行曲线检查法，通过截面的首末数据点，用最小二乘法拟合得到一条样条曲线，曲线的阶次可根据曲面截面的形状决定，通常为4阶，然后分别计算中间数据点Р到样条曲线的距离，超过允差则认为是坏点，剔除此项数据，采用高斯滤波法，通过高斯滤波器在指定区域内将高频的噪声滤除。
实验例
将实施例一、实施例二和实施例三的一种利用三维激光扫描仪进行林业调查的方法进行试验，得出结果如下：
实施例一 实施例二 实施例三 现有方法
测量周期(h) 28 39 44 41
数据准确率 91％ 48％ 65％ 47％
实施例一、实施例二和实施例三的利用三维激光扫描仪进行林业调查的方法对比现有的利用三维激光扫描仪进行林业调查的方法，测量周期显著降低，数据准确率显著提升，且实施例一为最佳实施例。
检测报告
本发明的目的是针对现有林业测量技术测量精度低，数据误差大，测量所需时间长，测量结果容易受环境影响导致误差等问题，提出一种利用三维激光扫描仪进行林业调查的方法，通过三维激光扫描技术，在测量作业中能快速准确的获得树木表面的海量信息，不受测量环境的制约，快速获取的三维空间数据以及树木影像数据，大大节省了人工成本，缩短了林业测量的周期，提供更加全面可靠的数据，数据准确率得到有效提升。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，和者对其中部分技术特征进行等同替换，但这些修改和者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种利用三维激光扫描仪进行林业调查的方法，其特征在于，包括以下步骤：
S1：现场数据采集，分散布设靶标，选择球形靶标，启动静态测量模式，利用最小二乘拟合的方法求出球心坐标和球形靶标半径；
S2：对树木与靶标应采用不同的分辨率进行扫描，解算两个测站点云数据配准所需的7个自由度，将各扫描站的点云数据转换到同一个坐标系统下；
S3：进行点云配准，采用ICP算法，获取完整的3D数字模型、场景，进行点云去噪，利用三维激光扫描仪获取的原始点云数据中的异常点；
S4：对实物模型含有的海量点云数据进行压缩，采样点投影到与仪器的视场中心轴垂直的平面，利用Delaunay算法对局部区域进行剖分；
S5：提取树木胸径，通过基准点来确定胸径的位置，根据点云做最佳拟合，得到所测量的树木的胸径值；
S6：将点云数据得出的树木胸径值与已知数据进行比较，测量投影面积，通过数据分析得出单株树干各种参数。
2.根据权利要求1所述的一种利用三维激光扫描仪进行林业调查的方法，其特征在于，所述S1中，现场数据采集，根据目标树木的位置、大小形态及需要获取的重点属性，扫描站设置在无其它物体的遮挡的空旷地带，且测站之间要有一定的重合区域，扫描站点距离目标树木的距离在7-15m，在扫描测站位置选定后布设靶标，相邻两测站之间至少可包含3-6个靶标的位置信息，靶标应分散布设，不能放置在同一直线和同一高程平面上，选择利用球形靶标，启动静态测量模式，把靶标球放在球形靶标表面的各个位置，依次测量各个位置出动俄坐标，每个位置测量200次，测量限差设置为0.2mm；每个球形靶标测量15个位置的三维坐标，然后利用最小二乘拟合的方法求出球心坐标和球形靶标半径。
3.根据权利要求1所述的一种利用三维激光扫描仪进行林业调查的方法，其特征在于，所述S2中，进行扫描作业，对树木与靶标应采用不同的分辨率进行扫描，相邻站点之间设立3-5个控制靶标重合，以1/20的分辨率扫描整体场景，然后选择欲采集区域，按照1/5的分辨率扫描该区域，最后以1/2的分辨率对靶标进行精细扫描，扫描结束后分别保存区域点云文件和靶标的点云文件，文件保存时，将数据进行整理，数据与标识名称相对应，将各扫描站的点云数据转换到同一个坐标系统下。
4.根据权利要求1所述的一种利用三维激光扫描仪进行林业调查的方法，其特征在于，所述S3中，进行点云配准，采用ICP算法，通过欧式变换求解出两片点云的旋转平移矩阵及对应的配准误差，不断求解估计的变换矩阵，直到RMSE配准误差收敛于局部最优解，每一次迭代中，搜索关于的最近邻点集，构造协方差矩阵，奇异值分解获得单位四元数，进而求解旋转矩阵，平移向量则由对应点云的质心确定，实现数据点云的旋转平移变换，利用该矩阵实现多视扫描点云的精确配准。
5.根据权利要求1所述的一种利用三维激光扫描仪进行林业调查的方法，其特征在于，所述S3中，进行点云去噪，利用三维激光扫描仪获取的原始点云数据包含明显远离点云的稀疏、离散的点；远离点云中心区，小而密集的点云；扫描测区内非扫描目标所形成的多余点云；和目标点云混在一起的点；对数据进行初步检查，通过图形终端，用肉眼直接将与截面数据点集偏离较大的点和存在于屏幕上的异常点剔除，从数据点集中筛选出一些偏差比较大的异常点，再进行曲线检查法，通过截面的首末数据点，用最小二乘法拟合得到一条样条曲线，为3-4阶，然后分别计算中间数据点Р到样条曲线的距离，超过允差则认为是坏点，剔除此项数据，采用高斯滤波法，通过高斯滤波器在指定区域内将高频的噪声滤除。
6.根据权利要求1所述的一种利用三维激光扫描仪进行林业调查的方法，其特征在于，所述S4中，对实物模型含有的海量点云数据进行压缩，所有采样点投影到与仪器的视场中心轴垂直的平面，然后对所有采样点进行完全四叉树划分，自下而上进行数据简化；利用Delaunay算法对局部区域进行剖分，并求取每个i角形的法向矢量，同时求取局部区域的平均法向矢量及角度方差；对角度方差大于设定阈值的区域，原样保留其全部样本点，对于满足合并条件的区域，对满足合并要求的多个邻域进行合并，做重新采样处理。
7.根据权利要求1所述的一种利用三维激光扫描仪进行林业调查的方法，其特征在于，所述S5中，提取树木胸径，通过点云，查看树干与地面接触的位置，确定一个基准点来确定胸径的位置；以基准点所在水平面为基准建立水平参考面，将坐标原点设定在树木根部，在Z轴正方向按照1.3-1.5m的间距对水平参考面进行偏移，得到胸径的位置；以水平参考面为基准做厚度为0.1cm的切片，根据点云做最佳拟合，得到所测量的树木的胸径值。
8.根据权利要求1所述的一种利用三维激光扫描仪进行林业调查的方法，其特征在于，所述S5中，将点云数据得出的树木胸径值与已知数据进行比较，进行静态采集，在3-5个特征点做标记并做解算精准坐标，并长时间采集雷达数据，获取特征点的坐标，比较采集雷达数据的结果与真实坐标的差异，利用回归分析方法分别构建基于实际测量值和TLS提取值的单木胸径、树高估测模型，采用留一法交叉验证对构建的胸径、树高估测模型进行精度验证，从每个森林类型中采集n株样本，每次选取1个样本作为测试集，其余样本(n-1)作为训练集，循环迭代需要运算n次训练，最后取n次训练的平均值进行检验，利用决定系数R2、均方根误差RMSE、P值等作为建模过程的评价指标，并分析误差来源。
9.根据权利要求1所述的一种利用三维激光扫描仪进行林业调查的方法，其特征在于，所述S5中，测量投影面积，在正射视图模式下俯视，获取投影地面的外轮廓，算出投影面积，基于树木点云数据重建的三维模型，以树冠的冠幅与冠高为参数，将树冠视作规则几何体计算体积，通过采集的树木特征因子，并根据树种冠形选择近似的规则几何体体积公式计算树冠体积。
10.根据权利要求1所述的一种利用三维激光扫描仪进行林业调查的方法，其特征在于，所述S6中，通过数据分析得到单株树干各种参数，包括树木锥度、体积、分类、胸径、直线度信息，根据数据信息生成报表，得出树木不同参数，创建一个新的数据库-归档库，在归档库创建与生产库相同的表，不断查询生产库数据记录，同步复制到归档库，生产库删除已经复制的数据记录，使用唯一索引，防止插入重复数据。
CN202310166391.3A 2023-02-27 2023-02-27 一种利用三维激光扫描仪进行林业调查的方法 Pending CN116412759A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310166391.3A CN116412759A (zh) 2023-02-27 2023-02-27 一种利用三维激光扫描仪进行林业调查的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310166391.3A CN116412759A (zh) 2023-02-27 2023-02-27 一种利用三维激光扫描仪进行林业调查的方法

Publications (1)

Publication Number Publication Date
CN116412759A true CN116412759A (zh) 2023-07-11

Family

ID=87048829

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310166391.3A Pending CN116412759A (zh) 2023-02-27 2023-02-27 一种利用三维激光扫描仪进行林业调查的方法

Country Status (1)

Country Link
CN (1) CN116412759A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117974933A (zh) * 2024-03-28 2024-05-03 岐山县华强工贸有限责任公司 用于盘式制动器卡钳的3d打印模具快速扫描方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117974933A (zh) * 2024-03-28 2024-05-03 岐山县华强工贸有限责任公司 用于盘式制动器卡钳的3d打印模具快速扫描方法
CN117974933B (zh) * 2024-03-28 2024-06-11 岐山县华强工贸有限责任公司 用于盘式制动器卡钳的3d打印模具快速扫描方法

Similar Documents

Publication Publication Date Title
CN112381861B (zh) 一种基于地基激光雷达的林地点云数据配准和分割方法
CN111062282B (zh) 基于改进yolov3模型的变电站指针式仪表识别方法
CN104299260B (zh) 一种基于sift和lbp的点云配准的接触网三维重建方法
CN111145157B (zh) 基于高分辨率遥感影像的路网数据自动化质量检查方法
CN107832849B (zh) 一种基于知识库的电力线廊道三维信息提取方法及装置
CN116305436A (zh) 一种基于三维激光扫描结合bim的既有桥梁监测方法
CN116412759A (zh) 一种利用三维激光扫描仪进行林业调查的方法
CN106780551A (zh) 一种三维运动目标检测方法和系统
CN113936214A (zh) 一种基于融合空天遥感影像的岩溶湿地植被群落分类方法
CN116363520A (zh) 一种城市绿地规划用景观生态检测系统
CN117237568A (zh) 基于点云数据拟合的架空输电线路三维实景建模方法
CN117036944B (zh) 基于点云数据和图像识别的树木碳汇量计算方法及系统
CN114005027A (zh) 一种基于无人机影像的城市单木检测系统及方法
CN117152344B (zh) 基于照片重建点云的隧道围岩结构面解析方法及系统
CN115953604B (zh) 一种不动产地理信息测绘数据采集方法
CN113344866B (zh) 一种点云综合精度评价方法
CN115147726B (zh) 城市形态图的生成方法、装置、电子设备和可读存储介质
CN116452604A (zh) 一种复杂变电站场景分割方法、设备及存储介质
CN115661446A (zh) 基于深度学习的指针式仪表示数自动读取系统及方法
CN115828339A (zh) 一种基于工业ct图像的带内部缺陷工件三维cad实体模型重构方法
CN107358655B (zh) 基于离散平稳小波变换的半球面和圆锥面模型的辨识方法
CN114596490A (zh) 丘陵地形特征线提取方法、丘陵地dem精细化生产方法
CN113205543A (zh) 一种基于机器学习的激光雷达点云树干提取方法
CN113011510A (zh) 一种支气管分级及模型训练方法、装置及电子设备
CN116977999B (zh) 一种基于机器视觉的岩芯智能识别方法、系统及存储介质

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