一種基于車載三維激光掃描的行道樹(shù)數(shù)據(jù)采集處理方法研究

吳建

(福州市勘測(cè)院，福建 福州 350008)

1 引 言

隨著城市化進(jìn)程的加快，城市邊界迅速外擴(kuò)，城市的規(guī)模越來(lái)越大，隨之而來(lái)的便是城市道路長(zhǎng)度的急劇增長(zhǎng)，城市道路綠化建設(shè)的突飛猛進(jìn)。行道樹(shù)作為城市道路綠化的骨架，是園林景觀的一種特殊類型，在城市道路綠化中具有不可替代的作用。行道樹(shù)不僅是重要的街道景觀，對(duì)城市環(huán)境還具有遮陽(yáng)降溫、吸附過(guò)濾粉塵、降低噪音、美化市容、組織交通的重要作用。近年來(lái)福州城市綠化工作效果顯著，行道樹(shù)數(shù)量呈現(xiàn)倍數(shù)增長(zhǎng)，這對(duì)城市園林綠化養(yǎng)護(hù)工作來(lái)說(shuō)是一個(gè)嚴(yán)峻的考驗(yàn)。如何在大范圍、呈零散分布狀態(tài)的城市道路中快速、高效、準(zhǔn)確地獲取行道樹(shù)的位置、樹(shù)種、胸徑、冠幅等重要信息，成為擺在綠化養(yǎng)護(hù)工作者面前的首道難題。

測(cè)繪是以計(jì)算機(jī)技術(shù)、光電技術(shù)、網(wǎng)絡(luò)通信技術(shù)、空間科學(xué)、信息科學(xué)為基礎(chǔ)，以全球?qū)Ш叫l(wèi)星定位系統(tǒng)(GNSS)、遙感(RS)、地理信息系統(tǒng)(GIS)為技術(shù)核心，將地面已有的特征點(diǎn)和界線通過(guò)測(cè)量手段獲得反映地面現(xiàn)狀的圖形和位置信息，供工程建設(shè)的規(guī)劃設(shè)計(jì)和行政管理之用。現(xiàn)代測(cè)量技術(shù)的發(fā)展，為綠化養(yǎng)護(hù)工作者獲取行道樹(shù)信息提供了多種解決方案。新興的激光探測(cè)與測(cè)量技術(shù)(LiDAR)是一種主動(dòng)遙感技術(shù)，車載三維激光掃描系統(tǒng)利用先進(jìn)的遙感技術(shù)，通過(guò)傳感器發(fā)出的激光脈沖，測(cè)定傳感器與目標(biāo)物之間的距離，探測(cè)目標(biāo)的位置；同時(shí)通過(guò)車載全景相機(jī)，獲取車輛行走路線的全景影像，獲取目標(biāo)物的特征信息。這項(xiàng)技術(shù)在行道樹(shù)采集中的應(yīng)用，對(duì)城市的綠化養(yǎng)護(hù)、生態(tài)保護(hù)、智慧城市建設(shè)都將具有重要的實(shí)際意義。

2 行道樹(shù)采集技術(shù)分析

行道樹(shù)的采集方式多種多樣，從測(cè)繪學(xué)的范疇來(lái)分析，主要有實(shí)地測(cè)量、高分辨率遙感影像采集、激光雷達(dá)測(cè)量等。這幾類方式其作業(yè)特點(diǎn)和優(yōu)缺點(diǎn)不盡相同。

2.1 實(shí)地測(cè)量

實(shí)地測(cè)量是測(cè)繪工作中常用的一種方法，其目的是通過(guò)借助各種測(cè)量工具，對(duì)自然地理要素或者地表人工設(shè)施的形狀、大小、空間位置及其屬性等進(jìn)行測(cè)定、采集并繪制成圖。用于測(cè)量的工具有皮尺、測(cè)距儀、經(jīng)緯儀、全站儀等，現(xiàn)在在現(xiàn)場(chǎng)測(cè)繪中使用比較普遍的是全站儀。全站儀是一種集光、機(jī)、電為一體的高技術(shù)測(cè)量?jī)x器，是集水平角、垂直角、距離(斜距、平距)、高差測(cè)量功能于一體的測(cè)繪儀器系統(tǒng)。對(duì)于面積小、分布范圍集中的研究區(qū)域，實(shí)地測(cè)量是一種較好的、低成本獲取樹(shù)木數(shù)據(jù)的方法，它可以實(shí)地觀察測(cè)量現(xiàn)場(chǎng)狀況，直接獲取行道樹(shù)的樹(shù)種、胸徑等信息，測(cè)量精度高、信息獲取準(zhǔn)確。但是，如果研究區(qū)域是范圍廣、地塊分散、位置偏遠(yuǎn)等這些情況，實(shí)地測(cè)量由于需人工逐一采集、交通通勤等因素，將非常耗時(shí)且成本高昂。

2.2 高分辨率遙感影像采集

高分辨率遙感就是對(duì)遙感數(shù)據(jù)質(zhì)量和數(shù)量要求很高的遙感技術(shù)。高分辨率遙感影像的主要特征是：地物紋理信息豐富；成像光譜波段多；重訪時(shí)間短。高分辨率遙感影像主要有衛(wèi)星影像和機(jī)載影像。這兩種影像都能提供二維的樹(shù)冠信息，也能夠根據(jù)樹(shù)冠中心外圍明亮程度的不同，來(lái)識(shí)別單株樹(shù)木的邊界用于提取。高分辨率遙感影像采集技術(shù)在大范圍獲取綠地覆蓋上擁有生產(chǎn)成本低、采集效率高、易于實(shí)現(xiàn)等優(yōu)點(diǎn)。但是，這種方式對(duì)于成片連蔭的行道樹(shù)，提取其樹(shù)干中心位置的準(zhǔn)確度不高，也無(wú)法準(zhǔn)確獲取樹(shù)木胸徑、樹(shù)高等詳細(xì)信息。而且，全自動(dòng)的遙感影像分析處理技術(shù)還存在很多需要解決的問(wèn)題，生產(chǎn)實(shí)現(xiàn)還比較困難。

2.3 激光雷達(dá)測(cè)量

激光雷達(dá)技術(shù)是激光技術(shù)與雷達(dá)技術(shù)相結(jié)合的一種主動(dòng)遙感技術(shù)，近年來(lái)發(fā)展十分迅速。該技術(shù)通過(guò)發(fā)射機(jī)發(fā)出的激光脈沖來(lái)測(cè)定傳感器與測(cè)量目標(biāo)物之間的距離，進(jìn)而探測(cè)目標(biāo)的位置、運(yùn)行速度等特征。激光雷達(dá)工作方式有兩種，采用連續(xù)波或者脈沖，對(duì)應(yīng)的有兩種探測(cè)方法，外差探測(cè)與直接探測(cè)。激光掃描技術(shù)獲取的數(shù)據(jù)成果被廣泛應(yīng)用于城市規(guī)劃、水利工程、農(nóng)業(yè)開(kāi)發(fā)、環(huán)境監(jiān)測(cè)、資源勘探、防震減災(zāi)、土地利用、交通通訊等各方面，為科學(xué)研究、國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展提供了重要的原始資料，取得良好的經(jīng)濟(jì)效益，展示良好的應(yīng)用前景。其高精度、低成本、快速度、高密集的特點(diǎn)，使之成為測(cè)量應(yīng)用中深受歡迎的高新技術(shù)。

3 基于車載三維激光掃描系統(tǒng)行道樹(shù)采集方案

移動(dòng)測(cè)量系統(tǒng)是一種高效、快速、高集成度的海量點(diǎn)云數(shù)據(jù)采集手段，廣泛應(yīng)用于數(shù)字化城市建設(shè)中。隨著測(cè)量技術(shù)的不斷革新，車載移動(dòng)測(cè)量設(shè)備不論在硬件配置，還是軟件配套上都在不斷提高，相機(jī)像素從百萬(wàn)級(jí)別提高到了千萬(wàn)級(jí)，數(shù)據(jù)采集精度也有了較大的提高。根據(jù)載體不同，可以分為船載、機(jī)載、地面、車載、背包和手持型等。移動(dòng)測(cè)量系統(tǒng)如圖1所示。

圖1 移動(dòng)測(cè)量系統(tǒng)

車載激光掃描是一種新興的數(shù)據(jù)獲取方式，能夠在大范圍內(nèi)快速獲取行道樹(shù)目標(biāo)表面的空間信息數(shù)據(jù)，具有動(dòng)態(tài)、實(shí)時(shí)、高密度、高精度、快速不接觸、便于數(shù)字化和自動(dòng)化的明顯優(yōu)勢(shì)，適用于城市空間信息的快速準(zhǔn)確獲取。將車載三維激光掃描系統(tǒng)應(yīng)用于城市園林行業(yè)的行道樹(shù)采集，可以實(shí)現(xiàn)大范圍、全面快速地獲取行道樹(shù)空間及屬性信息。

3.1 基于車載三維激光掃描系統(tǒng)行道樹(shù)采集工藝流程

根據(jù)采集區(qū)域道路分布特點(diǎn)、基礎(chǔ)數(shù)據(jù)、采集工具、數(shù)據(jù)處理手段等各方面因素，基于車載三維激光掃描系統(tǒng)行道樹(shù)采集工藝流程如圖2所示：

圖2 基于車載三維激光掃描系統(tǒng)行道樹(shù)采集工藝流程圖

3.2 外業(yè)采集

車載三維激光掃描系統(tǒng)，如圖3所示，主要由幾部分構(gòu)成：①衛(wèi)星定位系統(tǒng)GPS；②慣性測(cè)量裝置；③激光掃描儀；④CCD相機(jī)及光學(xué)相機(jī)；⑤同步控制器；⑥系統(tǒng)搭載平臺(tái)(如中小型汽車)。

圖3 車載三維激光掃描系統(tǒng)

外業(yè)采集階段的工作流程主要是：①車輛行進(jìn)過(guò)程開(kāi)啟GPS全球定位系統(tǒng)，利用差分算法計(jì)算出車輛精確的三維坐標(biāo)信息，同時(shí)獲取測(cè)量原點(diǎn)的大地坐標(biāo)；②利用GPS、IMU測(cè)量掃描時(shí)的基準(zhǔn)姿態(tài)，獲取三維激光掃描儀在大地坐標(biāo)系統(tǒng)下的姿態(tài)參數(shù)(航向角、俯仰角、翻滾角)；③開(kāi)啟三維激光掃描儀，在車輛行進(jìn)過(guò)程中發(fā)射脈沖對(duì)目標(biāo)地物進(jìn)行掃描，獲取激光點(diǎn)云數(shù)據(jù)；④同時(shí)開(kāi)啟CCD相機(jī)和全景相機(jī)采集目標(biāo)地物的影像信息；⑤獲取的坐標(biāo)數(shù)據(jù)、全景照片、行駛里程等信息以特定格式輸出，保存在硬盤(pán)上。

3.3 內(nèi)業(yè)處理

3.3.1 數(shù)據(jù)預(yù)處理

(1)數(shù)據(jù)解算

數(shù)據(jù)解算的工序主要包括4個(gè)部分：一是差分GPS處理；二是軌跡文件解算；三是點(diǎn)云數(shù)據(jù)輸出；四是全景照片輸出。具體的處理流程如圖4所示：

圖4 數(shù)據(jù)解算工藝流程圖

此工序最終提交的成果是采集區(qū)域經(jīng)質(zhì)檢合格的激光點(diǎn)云數(shù)據(jù)和街景全景照片文件。

(2)精度檢核

數(shù)據(jù)解算完成后，要對(duì)照檢核資料，對(duì)激光點(diǎn)云數(shù)據(jù)進(jìn)行精度檢查。發(fā)現(xiàn)精度不達(dá)標(biāo)的數(shù)據(jù)，要根據(jù)情況安排數(shù)據(jù)糾正，確保點(diǎn)云數(shù)據(jù)精度滿足項(xiàng)目?jī)?nèi)業(yè)采集作業(yè)需求。

點(diǎn)云數(shù)據(jù)精度檢核的過(guò)程采用檢核軟件進(jìn)行處理，將矢量的地形圖與點(diǎn)云數(shù)據(jù)進(jìn)行套合，利用人工檢查兩套數(shù)據(jù)套合情況。誤差大于 50 cm，即視為問(wèn)題數(shù)據(jù)，安排進(jìn)行數(shù)據(jù)糾正處理。糾正完成后，再次進(jìn)行精度檢核，直至點(diǎn)云數(shù)據(jù)精度達(dá)到項(xiàng)目要求為止，進(jìn)入下一采集流程。

3.3.2 數(shù)據(jù)采集

(1)數(shù)據(jù)預(yù)處理

運(yùn)用數(shù)據(jù)預(yù)處理系統(tǒng)將外業(yè)采集的數(shù)據(jù)進(jìn)行傳感器數(shù)據(jù)時(shí)空數(shù)據(jù)融合、空間坐標(biāo)轉(zhuǎn)換、全景影像解析、原始點(diǎn)云及真彩點(diǎn)云的輸出，如圖5、圖6所示。

圖5 原始點(diǎn)云數(shù)據(jù)

圖6 全景影像照片

(2)數(shù)據(jù)加工整理

運(yùn)用點(diǎn)云數(shù)據(jù)處理系統(tǒng)對(duì)預(yù)處理后數(shù)據(jù)進(jìn)行交互式編輯，針對(duì)不同區(qū)域進(jìn)行相應(yīng)的抽稀、分塊、加密及濾波。

(3)樹(shù)木分割點(diǎn)云算法

樹(shù)木信息的提取包含兩類，一類是位置信息的提取，一類是屬性信息的提取。提取過(guò)程通過(guò)自動(dòng)提取和人工輔助相結(jié)合的方式進(jìn)行。本研究采用的點(diǎn)云分割算法直接在已建立的空間投影格網(wǎng)上進(jìn)行，通過(guò)啟發(fā)式搜索算法得到樹(shù)干的準(zhǔn)確位置，引入?yún)^(qū)域競(jìng)爭(zhēng)溢水策略正確區(qū)分實(shí)際樹(shù)冠。

①樹(shù)干位置識(shí)別算法

在傳統(tǒng)的二維圖像尋找局部極值算法上，根據(jù)本次的實(shí)際情況加入了點(diǎn)云三維信息的判斷準(zhǔn)則，使樹(shù)干位置的識(shí)別更加準(zhǔn)確。為了便于識(shí)別算法的運(yùn)行，我們將掃描區(qū)域分為若干個(gè)固定大小的網(wǎng)格區(qū)域。由于在進(jìn)行激光三維掃描時(shí)，樹(shù)干的位置會(huì)反射出較多的點(diǎn)數(shù)目，因此樹(shù)干所在網(wǎng)格的點(diǎn)云密度就比相鄰網(wǎng)格更高，樹(shù)干位置識(shí)別問(wèn)題可以轉(zhuǎn)化為通過(guò)算法模型尋找局部密度最大值。搜索算法如下：

//外循環(huán)

loop do

//隨機(jī)選取一個(gè)初始網(wǎng)格

randomly select a startGrid；

//設(shè)當(dāng)前網(wǎng)格為初始網(wǎng)格

currentGrid=startGrid；

//內(nèi)循環(huán)

loop do

//搜索鄰域L

L=NEIGHBORS(currentGrid)；

nextHeight==一INF；

nextGrid=NULL；

//往鄰域中最好的網(wǎng)格移動(dòng)

for all X in L

if(Height(x)>nextHeight)

nextGrid=x：

nextHeight 2 Height(x)；

if(nextHeight<=Height(x)、

//找不到更好的鄰域時(shí)記錄當(dāng)前鄰域

Store currentGrid as peak；

currentGrid==nextGrid；

Endloop

End 100D until certain iteration times met

隨機(jī)選取一個(gè)初始網(wǎng)格，設(shè)定為當(dāng)前網(wǎng)格，算法模型對(duì)當(dāng)前網(wǎng)格的鄰近網(wǎng)格進(jìn)行搜索。若某個(gè)鄰近網(wǎng)格點(diǎn)云密度高于當(dāng)前網(wǎng)格，則當(dāng)前網(wǎng)格往鄰近網(wǎng)格移動(dòng)，密度高的即成為當(dāng)前網(wǎng)格。一次搜索過(guò)程就是尋找最高點(diǎn)云密度網(wǎng)格的過(guò)程，當(dāng)前網(wǎng)格必定是此輪搜索中最高密度的網(wǎng)格，它將被標(biāo)識(shí)為候選樹(shù)干位置網(wǎng)格。下一次的搜索開(kāi)始于重新選擇的初始網(wǎng)格，設(shè)定合適的迭代次數(shù)，使重復(fù)搜索抵達(dá)迭代次數(shù)。迭代次數(shù)的高低決定搜索算法的遺漏率，次數(shù)越高，遺漏率越低。

②樹(shù)干位置判斷準(zhǔn)則

進(jìn)行搜索算法選擇后，尋找到了所有樹(shù)干位置的候選網(wǎng)格，但是并不是說(shuō)檢測(cè)的所有極值都是樹(shù)干位置，也有可能是樹(shù)冠的局部極大位置。因此，需要設(shè)置一定的判斷準(zhǔn)則，來(lái)輔助去除干擾信息。

如果在一個(gè)較小的范圍同時(shí)搜索到兩個(gè)樹(shù)干位置，則保留高程較高的那個(gè)位置。因?yàn)檐囕d激光雷達(dá)掃描的行道樹(shù)分布比較均勻，在較小范圍內(nèi)一般不會(huì)出現(xiàn)兩株樹(shù)干，高程較高的往往是樹(shù)干位置，高程較低的一般對(duì)應(yīng)樹(shù)冠局部極大位置。

在一個(gè)候選樹(shù)干位置網(wǎng)格中，如果網(wǎng)格內(nèi)高密度點(diǎn)在垂直空間上存在斷層，則判定為非樹(shù)干位置。因?yàn)榧俣す鈷呙杳芏葔蚋咔椅幢徽趽酰瑨呙璧降臉?shù)干點(diǎn)應(yīng)均勻分布在垂直空間上，所以點(diǎn)云在樹(shù)干位置垂直空間分布上應(yīng)該是連續(xù)的。

一些被搜索算法模型誤檢測(cè)的低矮灌木叢，需要將其剔除?？梢栽O(shè)定判斷規(guī)則，如果候選樹(shù)干位置網(wǎng)格內(nèi)點(diǎn)云最大高程值小于設(shè)定的樹(shù)木最小高程閾值，則判定為非樹(shù)干點(diǎn)云。

(4)樹(shù)木信息采集

經(jīng)過(guò)自動(dòng)提取，已經(jīng)獲取了行道樹(shù)的點(diǎn)位數(shù)據(jù)，通過(guò)人工干預(yù)，對(duì)程序誤判定的樹(shù)木位置進(jìn)行修正。獲得準(zhǔn)確的樹(shù)木點(diǎn)位信息后，返回激光點(diǎn)云數(shù)據(jù)及全景照片，在判定為行道樹(shù)的位置，進(jìn)行樹(shù)干1.2米高度位置胸徑的測(cè)量和行道樹(shù)照片的截取。通過(guò)截取的行道樹(shù)照片，程序分析其紋理、色彩，進(jìn)行樹(shù)種的判定。

(5)人工交互檢查及屬性完善

通過(guò)程序進(jìn)行的自動(dòng)提取成果，會(huì)存在錯(cuò)誤、遺漏等問(wèn)題，人工介入的目的在于對(duì)自動(dòng)采集的行道樹(shù)位置及屬性信息進(jìn)行查缺補(bǔ)漏，并進(jìn)行檢查，補(bǔ)充無(wú)法自動(dòng)完成的信息。

3.4 數(shù)據(jù)建庫(kù)

數(shù)據(jù)整合入庫(kù)的流程如圖7所示：

圖7 數(shù)據(jù)入庫(kù)流程圖

(1)數(shù)據(jù)質(zhì)量檢查

數(shù)據(jù)入庫(kù)前，依據(jù)要求制定質(zhì)量檢查細(xì)則，對(duì)數(shù)據(jù)質(zhì)量要求進(jìn)行全面質(zhì)量檢查，并記錄檢查結(jié)果。質(zhì)量檢查主要包括：圖形數(shù)據(jù)位置精度檢查、屬性數(shù)據(jù)完整性和正確性檢查、圖形和屬性圖數(shù)據(jù)一致性檢查、完整性檢查，檢查合格的數(shù)據(jù)方可入庫(kù)，不合格的數(shù)據(jù)退回重新編輯處理，再進(jìn)行質(zhì)量檢查。

(2)數(shù)據(jù)庫(kù)參數(shù)設(shè)置

根據(jù)數(shù)據(jù)庫(kù)需求，對(duì)數(shù)據(jù)庫(kù)參數(shù)進(jìn)行配置，輸入各種建庫(kù)參數(shù)。主要的參數(shù)包括：數(shù)據(jù)結(jié)構(gòu)組織、坐標(biāo)系、投影帶、計(jì)量單位、符號(hào)等。

(3)數(shù)據(jù)入庫(kù)

進(jìn)行數(shù)據(jù)的入庫(kù)，包括：圖形數(shù)據(jù)、元數(shù)據(jù)等?？砂磫我仡惾霂?kù)，或一次選擇多個(gè)要素類入庫(kù)。

(4)數(shù)據(jù)安全設(shè)置

對(duì)用戶權(quán)限進(jìn)行設(shè)置，遵循權(quán)限最小化原則，刪除或鎖定無(wú)關(guān)用戶。對(duì)密碼策略進(jìn)行設(shè)置，包括：密碼長(zhǎng)度、字符組成、有效期等進(jìn)行設(shè)置。對(duì)日志進(jìn)行設(shè)置，對(duì)用戶登錄、操作等進(jìn)行記錄。

4 實(shí)例驗(yàn)證與效果分析

4.1 實(shí)驗(yàn)驗(yàn)證

在傳統(tǒng)的測(cè)樹(shù)方法中，胸徑測(cè)量的主要方式是使用圍尺、直徑卷尺等儀器進(jìn)行接觸式的人工實(shí)地測(cè)量；在樹(shù)高基本參數(shù)獲取過(guò)程中，甚至要采用目視估測(cè)法確定其數(shù)值。以上方法不僅費(fèi)時(shí)、費(fèi)力，而且測(cè)量精度不高。利用車載三維激光掃描技術(shù)獲取樹(shù)木的三維點(diǎn)云數(shù)據(jù)，利用點(diǎn)云處理軟件，可以在不傷害樹(shù)木的前提下快速、自動(dòng)、準(zhǔn)確地提取樹(shù)木形態(tài)結(jié)構(gòu)參數(shù)。

為了客觀真實(shí)評(píng)價(jià)車載三維激光掃描技術(shù)在行道樹(shù)采集應(yīng)用中的精度準(zhǔn)確性，特用傳統(tǒng)測(cè)樹(shù)方法在外業(yè)隨機(jī)抽選30棵不互相交錯(cuò)的樹(shù)作為檢核對(duì)比。由于樹(shù)高參數(shù)傳統(tǒng)方法采用目視估測(cè)方法，不具有對(duì)比性；本次將傳統(tǒng)測(cè)樹(shù)方法獲取30棵樹(shù)胸徑參數(shù)、位置信息與車載三維激光技術(shù)獲得的進(jìn)行對(duì)比，對(duì)比結(jié)果如表1、表2所示：

兩種方法胸徑結(jié)果及對(duì)比 表1

兩種方法樹(shù)木位置提取結(jié)果及對(duì)比 表2

4.2 效果分析

從表1可知，兩種方法對(duì)樹(shù)木胸徑結(jié)果提取中誤差 ±1.5 cm，滿足林業(yè)規(guī)范限差 ±10 cm；

傳統(tǒng)方法測(cè)量樹(shù)木底部中心點(diǎn)是在每棵樹(shù)底部周圍均勻打點(diǎn)3個(gè)計(jì)算其坐標(biāo)中心點(diǎn)，并以此值作為樹(shù)木的真實(shí)位置坐標(biāo)值，從表2可知，車載激光技術(shù)對(duì)樹(shù)木底部中心點(diǎn)提取與實(shí)際底部位置坐標(biāo)差值已經(jīng)達(dá)到厘米級(jí)。

為提高最終樹(shù)木采集的準(zhǔn)確性，可以采取相關(guān)措施來(lái)提高作業(yè)成效。首先是合理規(guī)劃作業(yè)路線，確保掃描的完整性，如提前規(guī)劃掃描線路、避開(kāi)早晚高峰期、根據(jù)實(shí)際情況進(jìn)行作業(yè)方案調(diào)整、往返行駛多次采集以提高掃描覆蓋度等；其次是改進(jìn)設(shè)備架設(shè)方法，提高外業(yè)三維激光掃描的覆蓋度；作業(yè)過(guò)程中，也要確?；炯茉O(shè)無(wú)失誤，信號(hào)接收良好。

5 結(jié)論與展望

基于車載三維激光技術(shù)獲得點(diǎn)云數(shù)據(jù)提取樹(shù)木參數(shù)信息是可靠的，適用于園林普查。車載三維激光技術(shù)容易受到地形、周圍環(huán)境限制，樹(shù)木密集相互遮擋會(huì)造成部分?jǐn)?shù)據(jù)的缺失，從而影響樹(shù)木參數(shù)的提取及可視化表達(dá)，所以在車載三維掃描采集數(shù)據(jù)之前，需要對(duì)預(yù)定測(cè)量掃描路線現(xiàn)場(chǎng)勘察，了解綠化情況，則可使用背包式移動(dòng)測(cè)量系統(tǒng)進(jìn)行有效的補(bǔ)充采集。多種類型的采集設(shè)備有效地進(jìn)行了互補(bǔ)，保證了數(shù)據(jù)采集的完整性和有效性。

車載三維激光技術(shù)快速獲取三維地理信息，已作為新興測(cè)量技術(shù)正在逐漸取代二維信息，可以極大地改善傳統(tǒng)園林綠化調(diào)查作業(yè)模式，獲取點(diǎn)云數(shù)據(jù)提取樹(shù)木參數(shù)信息滿足林業(yè)規(guī)范要求，從而可以取代費(fèi)用高、難度大、復(fù)雜化、周期長(zhǎng)的傳統(tǒng)人工實(shí)測(cè)方法；該技術(shù)可以有效解決園林綠化規(guī)劃、建設(shè)、管理、養(yǎng)護(hù)等一系列難題，提高了城市園林管理處的工作效率和服務(wù)水平。