機載LiDAR點云數據在校園喬木提取中的應用

孫峰，張文春

（吉林建筑大學 測繪與勘查工程學院，吉林 長春 130118）

0 引言

喬木是樹木資源的重要組成部分，在美化校園環境和維持校園碳氧平衡等方面發揮著重要的作用。為了開發利用好喬木資源，為樹木資源管理提供基礎資料，喬木的準確參數（如位置、胸徑、高度等）是不可缺少的［1］。高精度的單木識別是獲取單木和森林結構參數的重要前提，單木識別包括單木位置識別和樹高、胸徑提取［2］。在城區植被提取方面，SECORD等［3］利用機載LiDAR點云數據和遙感影像相結合的方式進行城區植被參數的提取；張齊勇等［4］提出一種基于區域生長和梯度分割的樹木提取算法。隨著科技的發展，獲取喬木參數的方式也越來越多，傳統的測量方法，如鋼卷尺法、全站儀法等，雖然可以提供準確的結果，但是需要耗費大量的時間和精力，并且效率較低，測量的數據量有限，容易出現誤差［5］。機載LiDAR系統作為一種新的地理空間信息獲取模式，因其數據采集外作業高效且簡單化、數據后處理周期短、外作業時受天氣和陽光等環境影響較小等特點而被廣泛應用于森林參數估計領域、林業及生態學領域［6］。魏學禮等［7］和李超等［8］基于實例詳細介紹三維激光掃描儀在林業調查中的應用情況，從數據采集、數據處理到有效信息提取的全過程探索不同儀器在植被掃描中的應用。本文介紹一種基于機載LiDAR提取喬木的方法，通過與全站儀測量進行比較，證明機載LiDAR測量喬木的準確性和實用性，為使用點云數據進行智慧校園建設打下基礎。

1 基于機載LiDAR的喬木提取方法

1.1 機載三維激光雷達技術原理

機載激光探測及測距系統（Light Detection and Ranging，LiDAR）是一種集合激光測距技術、高精度動態載體姿態測量技術和高精度動態差分定位技術于一體、能快速獲取地面點三維坐標的測量裝置［9-10］。機載激光雷達作為一種先進的、具有多種功能的主動遙感技術（包括激光掃描、GPS定位、高精度的動態載體姿態測量等），可以提供準確、可靠、可視化的信息［11］，其測量原理如圖1所示。

圖1 機載三維激光雷達技術測量原理

1.2 目標點云聚類提取方法

目標點云聚類提取方法是將采集的原始點云數據利用CSF過濾算法分離地面點，再通過聚類的方式劃分為若干相似的子集的點云聚類［12］。由于不同的地物有不同的特征，因此可對其進行分類提取，分類結果有建筑物、植被及其他地物。本文提出一種歐氏距離聚類方法［13-14］，它適用于具有明顯分塊的點云，并且不需要預先確定目標類的數量。使用這種方法時，需要注意控制距離的閾值（L），過大的閾值有可能會導致聚類結果不準確；過小的閾值則會導致點云類數量增加，從而提高后續數據處理的復雜度。歐氏距離聚類法的應用步驟如下。

（1）建立K維樹，設全部點云為Z。

（2）從點云中隨機抽取一個點，將其稱為m，使用K維樹確定距離該點不超過閾值L的點，將其稱為點集t，點云計算公式為

其中：Xm和Xt分別表示點m和n的坐標。

（3）在Y中選擇另一個點，重復步驟（2）更新Y，直到Y再也沒有新點加入。

（4）重復執行上述3個步驟，直至所有元素都被歸類，從而實現聚類的目的。

采用逐步排除的方法刪選不同的地物，分步驟依次提取喬木點云數據。分離策略包括高差、形態、投影、面積4個方面。獲得每個聚類單元之后計算投影跨度、高差和投影面積，通過對投影面積的計算濾除噪聲。統計每個聚類單元內點云高程的最大值和最小值，計算出最大高程，然后對地物、桿狀物經過篩選、優化、精分離等步驟提取點云［13］。

1.3 喬木參數提取

（1）喬木位置。通過空間擬合圓的方法計算距離地面1.3m處的喬木點云切片（如圖2所示）的中心坐標，計算方程式如下。

圖2 掃描喬木的點云切片

空間平面方程為

空間圓球方程為

其中：a、b、c是空間平面方程的系數，（a0，b0，c0）是圓心的坐標，R是圓球的半徑，x、y、z是弧頂的部分點數據。

（2）胸徑。喬木的胸徑不全是理想化的圓狀結構，使用點云聚類提取法提取喬木胸徑，取距離地面1.3m處的喬木的直徑作為喬木的胸徑值，具體流程如下：①水平“切割”，生成輪廓線，對高程為1.3m的區域的喬木進行水平投影，得到平面上喬木點云切片的幾何輪廓；②將得到的喬木點云切片輪廓導入CloudCompare軟件，計算其樹木胸徑切片輪廓線長度，記為S，根據喬木胸徑切片輪廓線長度圍成圓。喬木胸徑計算公式為D=S/π。

（3）樹高。喬木高度計算公式為H=Hmax-Hmin，Hmax和Hmin分別代表點云數據在Z軸上的最高值和最低值。

2 研究區域數據提取

2.1 數據采集

本文利用大疆無人機進行外業掃描，數據采集時間為2022年6月。測區為吉林省長春市吉林建筑大學北校區，占地面積為548 000m2，采集目標為學校主干道的2個小路段。路段1為學校西南門至2餐廳路段，全長389m；路段2為學校西門至1餐廳路段，全長216m。規劃路線后使用無人機勻速采集數據，用時0.5 h。用全站儀在5 h內準確測量出該地區喬木的位置和樹高，用卷尺在5 h內準確測量出該地區喬木的胸徑；將全站儀、卷尺獲取喬木參數的實測數據為真實值，對比分析機載LiDAR提取喬木的數據和實測喬木數據的差異，本次采樣地共實測喬木153棵。

2.2 數據預處理

獲取的點云數據中含有噪聲數據，需要對原始點云數據進行點云去噪、點云濾波、高程歸一化等預處理操作；獲取測區點云喬木的絕對坐標，將除噪后的點云數據進行融合、切割，減少輸出文件數量及去除無關物體。為了快速地提取喬木信息，需要對點云數據進行分類處理，獲取喬木點云數據。實例驗證表明，通過TBC軟件可以迅速、有效地提取喬木的信息。

2.3 喬木點云的聚類提取

抽稀、濾波后的整體點云數據經過CSF濾波算法處理后，從原始的點云數據集中提取出地物的信息，這些信息集包含道路、樹木及路燈等。在道路環境中各喬木之間都有固定的較遠距離，確立一個L的閾值后，設定其聚類距離的閾值L為2m，這樣可以更好地識別出喬木。通過本文“1.2小節”的點云聚類提取步驟獲取聚類后的喬木點云集。將路段1和路段2所有的喬木點云數據進行逐次編號，采用全站儀與機載LiDAR掃描儀對喬木進行測量對比，最后的成果數據經整理后以表格的形式輸出。

3 成果分析

對獲取的點云數據進行分類，提取喬木點云，然后分析擬合后各截面的中心點坐標（結果見表1）。

表1 全站儀與機載LiDAR掃描儀所測喬木中心位置對比分析 （單位：m）

將喬木最高點高程與地面點高程做差，即可得到喬木的高度信息。將提取到的喬木點云數據在距地面1.3m處做的切片直徑作為喬木的胸徑值。通過將喬木實測值x與喬木點云數據提取值y進行比較，繪制出散點圖。將兩者的關系進行比較，并使用相應的回歸方程描述它們之間的聯系（如圖3和圖4所示）。其中，胸徑一元線性回歸模型方程為y=1.001 2x-0.017 5，復相關系數R2=0.987 7；樹高一元線性回歸模型方程為y=1.017 4x-0.480 4，復相關系數R2=0.981 4。2個模型的復相關系數都接近1，說明使用空間擬合圓算法進行的胸部檢測能很好地反映出它們之間的線性關聯。測量結果表明，機載LiDAR對喬木胸徑、樹高的提取方法可以代替鋼卷尺、全站儀對喬木胸徑、樹高參數的測量。

圖3 樹高回歸分析

圖4 胸徑回歸分析

用機載LiDAR提取路段1和路段2的樹高和胸徑數據與實測數據進行逐棵對比，計算樹高中誤差和標準差及胸徑均方根誤差（結果見表2）。從表2可以看出，研究選定的喬木樹高中誤差和標準差總體較好，但研究區內的4號喬木存在提取異常，經分析，原因可能是最小樹高的設置與實際情況存在較大差異，喬木被多次分割后發生錯誤提取的現象；此外，樹形起伏大的部位容易出現樹高提取誤差，該誤差應該與DEM（原始數據傳遞誤差）有關。根據《國家森林資源連續清查技術規定》，樹高小于10 cm時，測量誤差應小于3%；胸徑小于20 cm的大樹，胸徑測量誤差應小于0.3 cm，胸徑等于或超過20 cm的大樹，胸徑計算誤差應小于1.5%。表2中胸徑數據說明提取喬木參數時較為合理。由表1、表2的對比結果可以得出結論：全站儀方法與機載LiDAR掃描儀方法對喬木中心位置、胸徑及高度的測量結果基本一致，機載LiDAR的測量結果準確、可靠。相比全站儀方法，機載LiDAR獲取的數據量更快速、全面，測量結果更準確。

表2 喬木參數的掃描結果與卷尺、全站儀測量結果對比

4 結語

為充分利用校園喬木資源，必須精確、有效地收集喬木的參數信息。本文首先獲取吉林建筑大學校園內的點云喬木數據，對喬木進行聚類，其次使用空間擬合圓算法根據喬木的結構特征建立截面擬合，提取、計算喬木的胸徑、樹高，采用先取樣再計算的方法對喬木進行機載三維技術掃描，最后將掃描結果與人工測量的方法進行對比分析。分析結果表明，喬木胸徑和樹高的復相關系數都接近1，通過機載LiDAR掃描儀可以迅速、準確地獲取樹木的參數。這種方法的效率遠遠高于全站儀，不僅實現了對喬木參數的高精度提取，而且極大地加快了計算喬木信息的速度。