智能手机辅助的多测站地面激光扫描森林调查方法研究

Terrestrial laser scanning (TLS) is an important technique for forest inventory and this project focuses on the existing problems in the field work and data post-processing stage. First, focusing on the problems of the large amount of field work and automatic registration, a fast point cloud registration method using the data measured by smartphone is studied by theoretical analysis and field practice, to reduce the requirement of additional equipment and human resource and improve the operational efficiency. Then, considering the large density variation, the mathematical relation between point density and scanning distance is explored and a density-adaptive feature extraction and selection method is proposed, to search for an optimal feature combination and classification method under forested environment. Lastly, based on the stem points, the distribution characteristics of misclassification points are analyzed and the precisely extracted stems are obtained; focusing on the precisely extracted stem points, related forest parameters are extracted in terms of varieties of scenes, e.g., stem position, DBH and CHM et al. This project provides the theoretical basis and technical support to the multi-sensor operation system and TLS data post-Processing and is of great significance to the engineering application.

地面激光扫描是森林调查中的重要技术手段，本项目着眼于其在野外作业、数据后处理中有待提高的环节展开研究。首先，针对野外作业量大和森林点云自动配准难的问题，将智能手机纳入扫描作业体系，采用理论分析与森林作业结合的方法，探索基于智能手机量测数据的森林点云自动配准方法，以简化作业中的设备和人力需求，提高森林点云配准效率。其次，考虑到地面激光点云密度变化大的特性，量化点云密度与扫描距离之间的关系，研究密度变化对森林点云分类精度的影响，探索适用于森林场景的密度自适应特征提取、选择和分类方法。最后，以分类得到的树干点为研究对象，分析误分类点的空间分布特点，探索树干点的精化方法；基于精化后的树干点，在不对地形条件、树干走向做出假设的前提下，探索场景通用的树干位置、胸径、树冠高程模型等森林参数提取方法。本项目可为森林调查中的多设备作业体系和森林点云后处理方法提供理论依据和技术支撑，具有重要的工程和应用意义。

地面激光扫描是森林调查的重要技术手段之一。林下数据采集通常需要多站扫描和配准才能获取目标场景的完整点云数据，使用辅助信息简化配准过程是一种常用的配准思路，但这种方法往往需要额外的测量设备，限制了方法的适用性；单木识别是地面激光点云提取森林参数的必要步骤，地面激光点云密度变化大，为林下单木识别带来了不同测距邻域尺度不统一、密度相关参数或阈值设置需多次调试等困难。针对上述问题，本项目首先面向角分辨率未知的点云数据，提出一种使用随机邻域分析的角分辨率估算方法，通过分析任意点与其邻域点间的水平和竖直角间隔还原相邻扫描线间的水平和竖直夹角，即水平和竖直角分辨率；基于估算得到的角分辨率，提出一种密度自适应的邻域构建方法和单木点簇筛选方法，基本思路为使用角分辨率、扫描距离等参数估算不同位置的理论点间距，以理论点间距为基准构建动态邻域和过滤阈值，分别用于特征提取和单木点簇筛选；同时面向特征提取过程，以单木精度取代常用的单点精度作为导向，评估面向森林点云的特征组合有效性，寻找适合单木检测的特征类别和特征组合；最后，以单木提取结果为基础，提取单木位置点作为配准基元，并将智能手机纳入外业数据采集流程，同时提出智能手机定位定向数据辅助的森林点云配准方法。本研究提出的角分辨率估算方法可以提高使用角分辨率作为输入参数的密度自适应方法的适用范围，在此基础上提出的密度自适应单木提取方法提高了远距离下的单木检测精度；智能手机辅助的森林点云配准方法可以降低林下扫描的额外设备携带需求，提高林下作业效率，为多设备结合的森林调查体系提供了一种可行的作业思路。