在前面的第一期案例中，我们讲到了这款软件在林木信息提取中的应用，今天，我们刚好拿到了一组背包式激光雷达数据，我们乘热打铁，来看一下基于点云进行单株果树的提取案例。
试验背景
果树能够为人类提供可使用的果实、种子，是一类极其重要的经济作物。随着当前数字农业、智慧农业的发展，以实现果园精准管理为目标的果树单株标识、冠幅、高度、生物量等参数精确提取日益重要。目前，激光雷达技术被越来越多的应用于林业资源调查；同样，激光雷达技术也可以用于果树资源的监测和调查。但是，果树与林木也有着显著的区别。概念上，林木是指树林和森林中的树木，果树是指果实主要供食用的树木。形态上，林木的树杆与枝杈的区分度通常很大、树杆通常比枝杈粗壮、树杆通常比枝杈更长、树冠的整体性突出；而果树的树杆与茎枝的可区分度通常较小、树杆通常比枝杈更短、茎枝叶的空间分布比较零散、树冠的整体特征不明显。
因此，目前已有的以林木资源调查为导向的激光雷达点云数据处理和信息提取方法不能有效的用于果树激光雷达点云的处理和信息提取。点云催化剂软件中专门设计了面向果树激光雷达点云的处理和信息提取的相关算法。本文以基于背包激光雷达点云的单株果树信息提取为例进行点云催化剂软件中相关功能的介绍。
试验数据
该点云数据由数字绿土的LiBackpack50背包激光雷达扫描系统获取，包含35636437个激光脚点，其平均点间隔为0.45cm，如图1所示。点云数据保存为标准格式las（1.2版本），文件大小为1.19G。相应的试验区域东西宽67.4m、南北宽83.5m，该试验区位于山东省栖霞市，区域的地形平坦，区域内仅仅包含苹果树这一种类型的地物。
图 1 试验采用的点云数据（侧视图）
技术路线
综合背包激光雷达点云特点和苹果树参数提取的需求，设计了下述点云数据处理分析的流程提取单株果树的位置、胸径、树高、株数等参数，如图2所示。
图 2 基于背包激光雷达点云提取林木参数的技术流程图
具体步骤包括：
（1）粗差识别和剔除
激光雷达点云中一般存在粗差，粗差往往会降低后续的点云处理和分析的效率、精度。为此，首先要将点云数据中粗差识别出来、并在后续处理中将粗差予以排除。本试验数据中找出了75个明显的高位粗差点，花费时间为15.01s，粗差剔除后的结果如图3所示。
图 3 高位粗差剔除后的点云数据（侧视图）
（2）地面点识别和数字高程模型生成
通过点云催化剂中的不规则三角网渐进加密滤波算法（界面如图4所示）将数据中的地面点和非地面点予以分离。本试验中，使用不规则三角网渐进加密滤波算法处理35636362个激光脚点的时间花费为142.65s，使用滤波中识别的地面点生成测区的数字高程模型（DEM），如图5所示。
图4 点云催化剂软件中不规则三角网渐进加密滤波算法界面
图5 点云催化剂软件自动提取的试验区域数字高程模型（左为顶视图、右为透视图）
（3）生成归一化数字表面模型
要测量果树的参数信息，很重要的一步就是生成测区的DEM、并利用DEM对点云进行归一化处理、生成归一化数字表面模型（nDSM）。nDSM可以消除地形起伏对果树提取的一些负面影响。点云催化剂软件中，生成归一化nDSM无需栅格化过程，而是基于点云实现的。将点云中地面点的nDSM赋值为0；对于任何一个非地面点，查找其临近的若干地面点、并利用临近地面点内插出该地物点的DEM值，利用该非地面点的原始高程值减去内插DEM值得到该点的nDSM值。本试验数据生成nDSM的时间花费为306.74s。
（4）单木分割和信息提取
对nDSM高于一定阈值（本试验中该阈值取0.1）的点，采用点云催化剂的果树单木分割算法进行单株果树的识别和参数提取。点云催化剂软件中，果树单木分割算法的界面如图6所示。该算法涉及四个参数：邻接点个数（单位：个）、平均冠幅半径（单位：m）、平均树杆半径（单位：m）、单株果树的最少点数（单位：个）。本实验数据的分割结果如图8所示。提取的单株果树参数包括水平位置、树高、冠幅直径、冠幅面积。本实验数据提取的果树参数信息如图9所示。本试验数据进行单木分割和信息提取时间花费为702.01s。
图6 点云催化剂软件中果树单木分割算法界面
（a）试验数据的单株果树识别结果（透视图）
（c）局部三颗果树分割效果（左图为顶视图、右图为透视图）
图7点云催化剂软件中果树单木分割结果
图 8 点云催化剂软件中果树的参数提取结果
试验结果
采用的电脑为一台配备了64G内存、32核CPU、64位操作系统的DellPrecision T7610工作站。
从该试验点云数据中共提取了137颗苹果树，平均树高为3.81m、平均冠幅直径为4.92m、平均冠幅面积为22.23平方米，与实际情况相符。
结合其他试验数据的结果，PCC软件中的“果树单木分割”算法具有下述特点：
算法所需的参数极少，仅仅需要4个参数、而且每个参数的物理含义明显、容易确定。
算法对参数的取值不敏感。试验数据确定后，参数取值在一定范围内波动、但又不明显偏离实景场景的真值的情况下，可以取得相似的识别效果。因此，该算法对用户的经验和知识要求不严格。
算法对点云数据的精度不敏感。算法可以对很厚的背包激光雷达点云进行果树的信息提取，提取的果树颗数信息对点云的精度不敏感。
算法对数据量不敏感。在计算机内存足够的情况下，算法不限定单个点云文件包含点的数量。即，算法处理的单个点云文件的大小受内存大小的限制、而不受算法本身的限制。
支持批量处理。配置好相应的文件后，可以实现对点云数据集的批量处理。
点云分割成果可以方便的导入其他的商业或者开源点云数据处理分析软件中浏览、编辑。
点云催化剂软件基于创新性的面向对象的点云分析理论，形成一套完整的从“点云→配准→点云分割→语义标注→单体化→3D建模→统计分析”的点云处理和分析技术流程，实现点云中地面点、树木、建筑物屋顶、车道线、交通标识线、杆状地物、建筑物立面等地理实体的自动、高效、高精度提取、矢量化与结构化表达。该软件包括点云去噪、点云分割、条带平差、滤波、分类、建筑物三维建模、电力线路三维重建、电力线路安全评估、单株树木提取和林木参数统计分析、单株农作物提取和农作物参数统计分析、矢量化成图等模块，为地形测绘、林业资源调查、农业资源调查、电力巡线、实景三维、室内三维重建、高精度地图制作等领域提供智能解决方案。“我们不生产点云数据，我们生产点云数据的智能处理分析软件，并提供由激光雷达数据到信息、知识、决策的增值服务”。
该软件由北京云想容科技有限公司（简称云想容）自主研发，公司是一家由激光雷达数据处理分析领域的资深科研人员创办的高新技术企业，我们天弘基业与云想容达成深度战略合作，集合两家的优势，从前端数据采集，数据处理，以及统计分析，将深耕激光点云的行业应用，提高我们的合作伙伴及用户在生产实践中的效果和效率，感兴趣的小伙伴可扫描下方二维码或直接电联我们，共同学习与交流。
天弘基业是世界领先的丹麦SKY-WATCH全系列无人机、瑞士senseFly eBee全系列无人机、意大利3DF Zephyr三维建模软件以及点云催化剂软件在中国区的总代理，DJI大疆京津冀地区行业一级代理，瑞士Pix4D航测处理软件行业代理，美国Stratasys3D打印机，北科天绘机载LiDAR，广州优飞无人机智能巡检系统金牌行业合作伙伴，专业提供各种无人机、机载LiDAR、多光谱相机、地面三维激光扫描系统、SLAM系统及3D打印机等全流程空间三维综合解决方案的定制开发、专业化技术培训、全方位技术支持及工程服务。业务涉及常规测量产品、无人机、摄影测量、环境保护、矿山监测、农林业、考古应用、电力、应急减灾等领域，同时承接航测、倾斜、考古、文物等三维建模工程业务，欢迎垂询！感兴趣的小伙伴可关注我们获得最新资讯和产品介绍！
天弘基业技术中心
