我们前几期关于点云催化剂软件的应用案例中所用的数据基本是以地面三维激光扫描仪或者背包式/手持SLAM所获取的，今天，我们来看一下无人机机载LiDAR数据，应用于单木分割和林木参数的提取。
森林是陆地上最庞大、最复杂、多物种、多功能与多效益的生态系统，具有重要的生态、经济和社会价值。为了及时、准确地掌握森林资源信息，高效地进行森林资源管理，国内外林业资源管理机构已经组织开展了大量的森林资源调查工作。传统上，森林资源调查主要靠人工完成，耗时、费力、成本高。近年来，利用基于航空影像、卫星影像的光学遥感技术替代或补充了一些传统的以人工为主的森林调查，能够获取大区域内森林生长因子和生态、环境信息。然而光学遥感技术在获取森林三维结构参数上能力有限。
激光雷达遥感作为主动遥感技术可以有效穿透森林，在获取森林垂直结构参数方面有着其他光学遥感无法比拟的优势。机载激光雷达与地基激光雷达已经被广泛的应用于提取了森林垂直结构及水平分布参数和单木结构参数。通过激光雷达获取的森林点云数据反演森林参数具有简单方便、高精度、高时效性等优势，这使得激光雷达技术在林业调查中应用日益广泛。为此，我们开发了相应的林木参数信息提取模块，并集成到点云催化剂软件中。在第一个案例中，我们分享了基于背包激光雷达进行树干提取和参数提取的案例。背包或地基激光雷达主要用于获取树干相关的信息，但是背包或地基激光雷达系统无法获取完整的树冠信息，而机载、尤其是无人机激光雷达系统可以获取相对更完整的树冠信息，与背包或地基激光雷达形成优势互补的关系。本案例以无人机机载激光雷达进行单木分割和林木参数提取为例，进一步介绍点云催化剂中林木提取的相关功能。需要说明的是，本案例的单木分割算法与第一期案例分享的单木分割算法是不同的算法。
试验数据
使用了北科天绘的AP-3500三维激光扫描仪搭载到无人机平台上获取了近4平方公里的试验数据。AP-3500三维激光扫描仪具有设备轻巧、携带方便、高集成度、智能化操作、可搭载到无人机飞行平台、高效作业、高精度、可获取多回波点云数据、可穿透植被等特点。
试验数据获取过程中，共飞行了两个架次，两个架次对应的测区具有一定的重叠、重叠率约10%。第一个架次包含15条航线、第二个架次包含12条航线，每条航线对应一个las1.2格式点云文件。该试验区位于安徽省黄山市，区域内高山林立，树木茂密，仅有极少量的建筑物、但分布有大量的电力线路，测区的点云数据如图1所示。相应的试验区域东西宽1961.69m、南北宽1877.99m，高差为452.07m，该试验区域点云数据的平均点间隔为0.035m，27个las1.2格式文件的数据量为37.9G。
图1 试验区域和试验数据
技术路线
综合机载激光雷达点云特点和林木参数提取的需求，设计了下述点云数据处理分析的流程提取单株树木的位置、胸径、树高、株数等参数，如图2所示。
图2 点云催化剂软件中基于无人机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）点云数据的合并和分块
区域面积过大、点云数据过多的情况下，可以将测区的所有点云数据看作一个整体、并进行分块处理。另外，鉴于无人机激光雷达点云的高精度特征，无需进行条带平差工作，可以直接进行分块处理。点云催化剂软件中的分块处理工具的界面如图3所示。该工具将选中测区的所有待处理的点云文件，在指定块的长、宽和重叠区长度的情况下，将整个测区的点云数据按照指定块的长宽进行分块保存。分块重新组织了数据，后续的处理和信息提取可以针对每一块分别进行。注意，分块并不改变整个测区原始点云的数据量。使用点云催化剂软件对该试验区域的点云数据进行分块，共分为100块，时间花费为45分钟。
图3 点云催化剂软件中分块工具的界面
图4 某一块的激光雷达点云
（2）抽稀
单木提取的确需要密度较大的点云数据。但是，点云密度过大不仅浪费存储空间，而且浪费大量的计算资源、耗费更多的时间，并且高密度并不一定能够提高单木提取的精度。为此，在点云密度过大的情况下，可以进行抽稀处理。点云催化剂软件中点云抽稀的工具界面如图5所示。使用点云催化剂软件对该试验区域的点云数据进行抽稀时，点间隔设置为0.05m，抽稀后100个las1.2格式文件的数据量为18.6G，相应的时间花费为42分钟。
图5 点云催化剂软件中点云抽稀工具的界面
（3）粗差识别和剔除
激光雷达点云中一般存在粗差，粗差往往会对后续的点云处理和信息提取带来负面效应，需要进行粗差的识别和剔除。点云催化剂软件中的滤波算法对低位粗差敏感，其他算法对粗差不敏感。但是，本试验区的点云数据中没有明显的低位粗差，无需进行相关的处理。
（4）滤波
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6所示）将数据中的地面点和非地面点予以分离。试验中，对100个las文件采用了相同的滤波参数，其中，最大建筑物尺寸为21.0m、地形角度为80.0度、迭代角度为6度、迭代距离为0.6m、降低迭代角度的条件为2.0m。本试验中，整个试验区的全部点云的滤波耗时为101分钟，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7所示。本试验表明，点云催化剂中的不规则三角网渐进加密滤波具有高精度优点，具体表现在：（1）对山区、丘陵、地形断裂等多种地貌类型的适应性均特别好，在对近4平方千米试验区的100个文件使用同一套滤波参数的情况下，整个试验区的全自动滤波精度能够满足后续单木分割和参数提取的需求、无需任何人工干预，如图7（a）所示；（2）对于梯田中地形断裂区域、山区中地形断裂区域等特殊地貌的断裂线的保持效果极好，如图7（b）所示；（3）除了极个别的山顶和极少数部分山脊线有局部消平的现象，对山顶和山脊这两种特殊地形结构的保持状况很好，可不用人工干预滤波结果即可满足林木参数提的需求，如图7（c）所示；（4）由于河流区域的部分水面有激光雷达脚点、大部分水面区域没有激光雷达脚点、水面上有部分明显凸起的激光脚点、且没有明显的空间分布规律，本滤波算法对水面的处理效果有待进一步改进，但目前的滤波效果对林木提取的负面影响不显著，如图7（d）所示。
图6 点云催化剂软件中不规则三角网渐进加密滤波算法的界面
（a）试验区的DEM
（b）试验区的局部DEM
（c）试验区的局部DEM
（d）河流区域的DEM
图7 点云催化剂软件自动提取的试验区域数字高程模型（DEM）
（5）生成归一化的树冠高度模型
要进行单木分割和提取树木的参数信息，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，生成归一化的树冠高度模型（CHM）。CHM可以消除地形起伏对林木信息提取的一些负面影响。点云催化剂软件中，生成CHM无需栅格化过程，而是基于点云实现的。将点云中地面点的CHM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CHM值。本试验中生成CHM的时间花费为63分钟。
（6）树木点识别
基于CHM的值，设定CHM分布在一定范围之内的点为树木点，点云催化剂中相关工具的界面如图8所示。本试验中认为CHM分布在2.0至20.0m的点为树木点，相应的时间花费为46分钟。
图 8 点云催化剂中根据nDSM值进行植被识别工具的界面
（7）单木分割和林木参数提取
点云催化剂软件中，单木分割算法的界面如图9所示。该算法涉及4个参数：邻接点个数（单位：个）、平均冠幅半径（单位：m）、生长步长（单位：m）、单株树木的最少点数（单位：个）。本试验中，某一块点云数据的单木分割结果如图10所示。另外，提取的单株树木参数包括水平位置、树高、冠幅直径、冠幅面积，如图11所示。本试验数据进行单木分割和参数提取时间花费为241分钟。
图9 点云催化剂软件中林木单木分割算法界面
（a）单木分割结果（顶视图）
（b）单木分割结果（透视图）
（c）删除非树木点后显示的单木分割结果（透视图）
（d）删除非树木点后显示的单木分割结果（透视图）
图10 点云催化剂软件中森林区域的单木分割结果
图11 点云催化剂软件中林木参数提取结果
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403061颗树木，平均树高为8.48m、平均冠幅直径为3.15m、平均冠幅面积为11.05平方米，与实际情况基本相符。整个4平方千米范围试验数据处理和信息提取的累计花费时间8个小时58分钟，其中，单木分割和林木参数提取占用了241分钟、约占全部时间花费的42%。
另外，可以套用此案例的技术流程进行机载激光雷达获取的森林地区的高密度点云进行单木分割和参数提取。结合其他试验数据的结果，PCC软件中的“基于无人机激光雷达的单木分割和林木参数提取”技术流程和相应的算法具有下述特点：
全自动化的程度极高。整个数据处理和分析的过程涉及分块、粗差剔除、抽稀、滤波、CHM生成、树木点识别、单木分割和林木参数提取等8个步骤，8个步骤可以全部实现自动化的处理。
简单易用。面向单木分割和参数提取的激光雷达点云数据处理和分析的过程中，尽管涉及的8个步骤需要少量的参数输入，但这些参数的取值均有明确的物理含义、而且这些参数与点云的密度、精度、场景的林木基本情况等先验知识有关，易于操作人员使用。
直接对点云数据进行操作，无需栅格化处理。
对粗差，尤其是高位粗差，不敏感。如果点云数据中存在少量的高位粗差，无需进行高位粗差的剔除。
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
