基于車載LiDAR數據的單株樹提取

楊莎莎，李永強，李框宇，毛 杰

(河南理工大學 測繪與國土信息工程學院，河南 焦作 454000)

基于車載LiDAR數據的單株樹提取

楊莎莎，李永強，李框宇，毛 杰

(河南理工大學 測繪與國土信息工程學院，河南 焦作 454000)

車載LiDAR數據能提供地物表面不同視角且具有容易獲得高密度點云數據等優點，能為樹木信息的精細提取提供有力保障。基于不同地物具有不同特征等性質，從車載LiDAR數據中對地物進行識別，將三維圖形投影到二維平面上進行識別、分離、去噪及細化，運用Matlab編程實現對車載LiDAR數據中樹木信息的提取。用全站儀對測區樹木進行實地測量并進行定量分析，結果表明，方法可以較好地分離出構成樹木的激光掃描點，達到樹木提取的目的。

車載LiDAR；樹木信息；Matlab；定量分析

車載激光掃描具有數據獲取速度快、精度高、成本低、不受天氣和光照影響等特點，對于城市環境地物信息獲取具有明顯優勢，“是當今測繪界最為前沿的科技之一”[1]。車載LiDAR系統在車輛正常行進過程中快速獲取道路兩側地物詳盡的三維空間信息，行道樹的所有信息(包括樹干、樹冠等)都能被詳盡記錄下來。然而由于樹木形態的多樣性及在車載LiDAR點云中的空間復雜性等因素，目前從點云中進行數據信息提取的研究成果有限。相關研究有：基于機載LiDAR點云的城區樹木提取[2]，該方法利用機載LiDAR點云濾波生成DTM，從而提取出地物點，在此基礎上對地物點運用區域增長法及梯度閾值分割相結合的方法實現樹木信息的提取；聯合影像數據的車載LiDAR點云中樹木的提取[3]，該方法將影像數據與點云數據同時處理，先將數據分為地面數據與非地面數據，從非地面數據中基于高程對點云進行分層、分割并初步提取出樹木，在此基礎上對單棵樹進行分離以獲取樹高及樹冠區信息；基于機載LiDAR和航空影像城區樹木的提取[4]，同樣針對城區樹木特點，計算點與點之間的相似性，運用兩步算法，即先利用區域增長法將LiDAR點云數據分割成塊，并計算每一塊的特征向量，在此基礎上采用支持向量機(SVM)算法對點云數據進行分類，最后有效地將樹木信息提取出來；基于車載LiDAR點云數據的單株行道樹信息提取方法[5]，采用史文中等人的基于投影點密度的車載激光掃描距離圖像分割方法，并提出基于分層格網點密度進行單株樹信息提取，主要包括樹高、冠幅等特征信息。另外，Martin 和 Arun Kumar[6]基于移動LiDAR數據提取出樹木的參數并且建立模型，但是實驗證明該方法只有在相鄰樹木互不遮擋的情況下才有效。針對不同地物具有不同屬性的特性，本文提出一種聯合高程、投影面積、投影點密度的方法，實現車載LiDAR點云中樹木的提取。

1 車載LiDAR系統獲取樹木點云

車載LiDAR系統是多傳感器集成的綜合數據采集系統，以車輛為承載平臺，將POS系統、激光掃描系統、影像系統等高度集成起來。其中車載線陣激光掃描儀是主要傳感器，以極高的速度獲取道路兩側地物詳盡的三維空間點云信息，POS系統為各傳感器提供精確的位置和姿態信息，是點云坐標解算和影像參數解算的主要依據，影像系統獲取道路兩側地物高清的影像信息(全景照片/立體相對等)。圖1為車載LiDAR系統組成示意圖。

由于樹木在空間上的結構特征使得傳統數據獲取方式具有一定的局限性，而車載LiDAR系統是一種新型空間三維信息獲取工具，適合于如樹木這種空間分布不連續且結構復雜地物的三維空間信息采集。數據獲取方式具有以下優點：①樹木在空間分布上具有離散性。相對于傳統的數據獲取方式其結構過于復雜，后期運用數據建模或者模擬場景時很難達到理想效果，而車載LiDAR系統在獲取數據時可以從各個角度進行采集，獲取點云數據密度大，信息量比較豐富;②在高程上比其它地物明顯增高，但是要比建筑物低，而車載激光掃描技術可以利用自身CCD相機拍攝地物表面紋理信息，可以輔助后期點云數據處理，且該系統利用全球導航衛星GPS及慣性測量系統確保各個測量單元的同步性，是系統獲取高精度信息坐標的有力保證;③從整體上來講，其上端點云比較離散且密度相對較小，下端分布集中且密度較大，且一般呈干狀分布。若將其XOY面投影將會出現一個長寬大致相等或近似圓形的外包圍盒，中間局部密度較大，與其它地物明顯不同。綜上可知，運用車載LiDAR系統獲取樹木的點云數據量大且豐富，有利于后續處理的可視化表達。

圖1 車載LiDAR系統

2 原理與步驟

2.1 實現原理

樹木是城市地表信息的重要組成部分，在城市三維重建及可視化中不可缺少。因此，本文提出一種聯合高程、投影面積、投影點密度的方法，實現對車載LiDAR點云中樹木信息的提取。

由于車載LiDAR點云的數據量大且復雜，導致數據后續處理速度慢，因此在對樹木信息提取之前首先要濾除數據量比例較大的地面點，即濾波。在城市和郊區等地形起伏較小的地方，其地形可以看作是連續分布的曲面，在局部范圍內，該曲面可以近似為平面[7]。濾波時本文采用最小二乘法對地面點進行平面擬合，使得一定高程范圍內的點到擬合平面的距離平方和最小，并基于高程去除地面點。平面擬合模型為[8]

z+Vz=a+bx+cy.

式中：x，y為自變量，且不含誤差；z為因變量；a，b，c為擬合平面待求參數。在包含誤差的情況下對平面待求參數利用最小二乘準則進行解算得出

濾波后的點云成為一個個失去連接紐帶的數據塊，將數據塊投影到XOY平面上，對其進行格網劃分、編號并統計每個網格內點云數目。由樹木空間分布特征可知，樹木點云投影后平面上將出現一個長寬大致相等或者近似圓形的外包圍盒，且中間局部網格內投影點密度具有較周圍明顯增大的趨勢，投影點密度即包圍盒單位面積內所含投影點的個數。

2.2 操作步驟

通過上述原理結合實際進行驗證，具體流程如圖2所示，具體步驟如下：

1)地面點濾除。車載激光掃描系統獲取的點云數據是單個點的三維坐標信息，具有空間離散性，但是屬性相同的地物被掃描點與點之間存在緊密聯系[9]，各類地物由于地面這條紐帶而束縛在一起，因此在對樹木點云信息提取之前需要對點云數據進行濾波。

2)點云投影。聯合高程信息設置閾值，將大部分地面干擾點濾除，通過式(1)將分割后的點云數據投影到XOY平面上，對其進行格網劃分、編號，并統計每個網格內點云數目。

(1)

3)投影面積及投影點密度分析。擬合平面上的地面點云去除之后，將投影后呈現在二維平面點云的投影面積大小、形狀編號以及內點云數目等與地物空間分布特性相結合進行分析，初步確定行道樹分布的位置。

4)樹木信息提取。根據步驟3)的分析結果，得到行道樹在二維平面的大致位置，設定最大投影X坐標、最小X坐標、最大Y坐標、最小Y坐標為閾值(本實驗設置的是Xmin=0，Xmax=26；Ymin=0，Ymax=30)，對樹木大致位置進行圈定。

5)模型細化。對于提取之后的樹木，有噪聲點存在的情況需要繼續進行分析并濾波，將多余不屬于行道樹的地物進行進一步濾除，并將提取的行道樹與實際場地樹木進行比較，檢驗是否與實際場景相吻合。

6)單株樹提取。根據數據分割之后的二維顯示圖，針對其中投影面積近似圓形并與周圍其它區域無關聯的樹木進行單株樹木提取(對于樹木緊密相連的有待于進一步研究)。

7)針對實驗與分析過程中出現的問題，進行進一步改進。

圖2 操作流程圖

上述對于樹木信息提取的操作步驟路線如圖3所示。

圖3 操作步驟路線圖

3 實驗分析與檢核

3.1 實驗分析

為驗證算法的有效性，本文選用某高校采集的部分數據為研究對象對算法進行驗證，圖4為原始點云圖像。按文中所述原理對地面點擬合，對整個場景中點云分類并賦予不同地物不同顏色，結果如圖5所示。

圖4 原始點云圖像

圖5 點云分類后圖像

圖5中紫色(1處)點云為地面點，綠色(2處)點云為灌木及樹木，紅色(3處)點云為路燈。上述結果濾除地面點示意圖如圖6所示，對樹木信息進行提取并細化三維效果如圖7所示。

圖6 去除地面點效果圖

圖7 樹木信息細化效果圖

通過細化之后樹木的形態表現得更加清晰，而在實際應用中無論是對樹木進行數字化還是對其進行建模都是針對單棵樹進行研究，為后續研究基于上述結果的二維顯示圖選擇其中投影面積近似圓形，與周圍其它區域無相聯(對于樹木緊湊型還有待于進一步研究)的樹木進行單株提取，但是由于樹冠部分點云密度不大使得樹冠形態表現的比較稀疏，地面上還存在少量的噪聲點，如圖8所示。

圖8 單棵樹木提取示意圖

3.2 精度檢核

針對本文算法所提取出的樹木，利用其高度信息對算法精度進行檢核。從試驗區選取30棵樹并對其進行編號，利用TerraScan中View Laser作為檢測本文算法提取樹木的樹高信息，同時利用全站儀實地對這30棵樹木進行量測作為實測樹高,具體結果如表1所示[10]。

對其進行定量分析，以本文算法提取樹木的樹高為自變量x，實測樹高為因變量y，對樹高進行一元線性回歸擬合，結果如圖9所示[11]。

圖9 兩種方法提取樹高相關分析

從圖9中可以看到，本文算法提取樹高與實測樹高進行線性回歸擬合時，相關因子R2高達0.9833，說明本文算法提取樹木的高度信息和實測數據相差很小。但是不排除個別超出限差的情況，分析原因主要有兩點：①車載激光掃描系統在獲取數據時受掃描角度的限制，對于樹頂較尖的樹木無法達到樹頂位置[12]，提取的樹木達不到實際高度；②可能受噪聲點影響或者樹木過于密集而造成“混淆點”的增多，使得算法提取的樹木比實際樹木要高[10]。從整體上來看，本算法能夠有效地從植被信息中提取出樹木，且經檢驗提取出的樹木的高度信息比較接近實際值。

表1 本文算法提取樹高與實測樹高結果對比 m

4 結束語

本文結合實際車載LiDAR數據對所提出的算法進行驗證，對單棵樹木進行提取及分析。從實驗結果來看，獲取的樹木信息比較接近實際情況，具有一定的實用性，為車載LiDAR數據的應用拓展了新領域。

由于本次試驗過程中，選取的場地為校園內某一段較為理想區域，道路上沒有車輛行人的過多干擾，樹木周圍的其它地物特征較為容易提取。在實際情況中復雜程度比較高，例如樹木形態的復雜性(樹木過于緊湊、外形非近似圓形等)、實際地形的多變性以及車載LiDAR數據在采集過程中實際情況的復雜性，因此，本實驗所用的方法有待于進一步改善和提高，以適應不同的情況。

[1]李德仁.移動測量技術及其應用[J].地理空間信息,2006,4(4):1-5.

[2]張齊勇,岑敏儀,周國清,等.城區LiDAR點云數據的樹木提取[J].測繪學報,2009,38(4):330-335.

[3]R ZHONG,et al.A method for extracting trees from vehicle-borne laser scanning data,Mathematical and Computer Modelling,doi:10.1016/j.mcm.2012,12.038.

[4]J SECORD,A ZAKHOR.Tree Detection in Urban Regions Usin g Aerial LiDAR and Image Data[C].//IEEE Southwest Symposium on Image Analysis and Interpretation,2006.Denver:Institute of E2 lectrical and Electronics Engineers,2006:86290.

[5]吳賓,余柏蒗,岳文輝,等.一種基于車載激光掃描點云數據的單株行道樹信息提取方法[J].華東師范大學學報:自然科學版,2013,2(38):38-49.

[6]R MARTIN, P A KUMAR.Tree modeling from mobile laser scanning data-sets[J].The Photogrammetric Record 2G,(135) (2011) 3G1-372.

[7]張皓,張永生,劉軍,等.一種基于平面擬合的LiDAR點云濾波方法[J].測繪科學,2009,34(4):141-143.

[8]葉珉呂,花向紅,陳西江,等.基于正交整體最小二乘平面擬合的點云數據去噪方法研究[J].測繪通報,2013(11):37-39.

[9]李婷,詹慶明,喻亮.基于地物特征提取的車載激光點云數據分類方法[J].國土資源遙感,2012(1):17-21.

[10]楊伯鋼,馮仲科,羅旭,等.LIDAR技術在樹高測量上的應用與精度分析[J].北京林業大學學報,2007,(Z2):78-81.

[11]韓光瞬,馮仲科,劉永霞,等.三維激光掃描系統測樹原理及精度分析[J].北京林業大學學報,2005(Z2):187-190.

[12]HOLM G J,NILSSON H.Simulating the effects of lidar scanning angle for estimation of mean tree height and canopy closure[J].Can J Remote Sensin g,2003,29(5):623-632.

[責任編輯：張德福]

Tree extraction from vehicle-borne LiDAR data

YANG Sha-sha,LI Yongqiang,LI Kuang-yu,MAO Jie

(School of Surveying and Mapping and Land Information Engineering,He’nan Polytechnic University,Jiaozuo 454000,China)

Vehicle-borne LiDAR data can provide the feature on the surface of different angle of views and has a higher point density,which can provide powerful guarantee for information extraction of trees. Different features have different characteristics. Based on vehicle-borne LiDAR data, the features of the nature are identified, and the 3D graphics are projected into a two-dimensional plane for recognition, separation, denoisin g and refinement. The tree information from the vehicle-borne LiDAR data based on Matlab procedure.Usin g total station for trees in survey area to field measurements and quantitative analysis, the result shows that this method can better identify the composition of individual trees of laser scanning points, which basically achieves the purpose to extract the trees.

vehicle-borne LiDAR; tree information; matlab; quantitative analysis

2013-09-25

國家自然科學基金資助項目(41001304)；國家“十二五”科技支撐項目(2012BAH34B00)；河南理工大學博士基金(B2009-33)

楊莎莎(1989-)，女，碩士研究生.

P237

：A

：1006-7949(2014)08-0023-05