一種基于車載三維激光掃描的行道樹數據采集處理方法研究

吳建

(福州市勘測院，福建 福州 350008)

1 引 言

隨著城市化進程的加快，城市邊界迅速外擴，城市的規模越來越大，隨之而來的便是城市道路長度的急劇增長，城市道路綠化建設的突飛猛進。行道樹作為城市道路綠化的骨架，是園林景觀的一種特殊類型，在城市道路綠化中具有不可替代的作用。行道樹不僅是重要的街道景觀，對城市環境還具有遮陽降溫、吸附過濾粉塵、降低噪音、美化市容、組織交通的重要作用。近年來福州城市綠化工作效果顯著，行道樹數量呈現倍數增長，這對城市園林綠化養護工作來說是一個嚴峻的考驗。如何在大范圍、呈零散分布狀態的城市道路中快速、高效、準確地獲取行道樹的位置、樹種、胸徑、冠幅等重要信息，成為擺在綠化養護工作者面前的首道難題。

測繪是以計算機技術、光電技術、網絡通信技術、空間科學、信息科學為基礎，以全球導航衛星定位系統(GNSS)、遙感(RS)、地理信息系統(GIS)為技術核心，將地面已有的特征點和界線通過測量手段獲得反映地面現狀的圖形和位置信息，供工程建設的規劃設計和行政管理之用。現代測量技術的發展，為綠化養護工作者獲取行道樹信息提供了多種解決方案。新興的激光探測與測量技術(LiDAR)是一種主動遙感技術，車載三維激光掃描系統利用先進的遙感技術，通過傳感器發出的激光脈沖，測定傳感器與目標物之間的距離，探測目標的位置；同時通過車載全景相機，獲取車輛行走路線的全景影像，獲取目標物的特征信息。這項技術在行道樹采集中的應用，對城市的綠化養護、生態保護、智慧城市建設都將具有重要的實際意義。

2 行道樹采集技術分析

行道樹的采集方式多種多樣，從測繪學的范疇來分析，主要有實地測量、高分辨率遙感影像采集、激光雷達測量等。這幾類方式其作業特點和優缺點不盡相同。

2.1 實地測量

實地測量是測繪工作中常用的一種方法，其目的是通過借助各種測量工具，對自然地理要素或者地表人工設施的形狀、大小、空間位置及其屬性等進行測定、采集并繪制成圖。用于測量的工具有皮尺、測距儀、經緯儀、全站儀等，現在在現場測繪中使用比較普遍的是全站儀。全站儀是一種集光、機、電為一體的高技術測量儀器，是集水平角、垂直角、距離(斜距、平距)、高差測量功能于一體的測繪儀器系統。對于面積小、分布范圍集中的研究區域，實地測量是一種較好的、低成本獲取樹木數據的方法，它可以實地觀察測量現場狀況，直接獲取行道樹的樹種、胸徑等信息，測量精度高、信息獲取準確。但是，如果研究區域是范圍廣、地塊分散、位置偏遠等這些情況，實地測量由于需人工逐一采集、交通通勤等因素，將非常耗時且成本高昂。

2.2 高分辨率遙感影像采集

高分辨率遙感就是對遙感數據質量和數量要求很高的遙感技術。高分辨率遙感影像的主要特征是：地物紋理信息豐富；成像光譜波段多；重訪時間短。高分辨率遙感影像主要有衛星影像和機載影像。這兩種影像都能提供二維的樹冠信息，也能夠根據樹冠中心外圍明亮程度的不同，來識別單株樹木的邊界用于提取。高分辨率遙感影像采集技術在大范圍獲取綠地覆蓋上擁有生產成本低、采集效率高、易于實現等優點。但是，這種方式對于成片連蔭的行道樹，提取其樹干中心位置的準確度不高，也無法準確獲取樹木胸徑、樹高等詳細信息。而且，全自動的遙感影像分析處理技術還存在很多需要解決的問題，生產實現還比較困難。

2.3 激光雷達測量

激光雷達技術是激光技術與雷達技術相結合的一種主動遙感技術，近年來發展十分迅速。該技術通過發射機發出的激光脈沖來測定傳感器與測量目標物之間的距離，進而探測目標的位置、運行速度等特征。激光雷達工作方式有兩種，采用連續波或者脈沖，對應的有兩種探測方法，外差探測與直接探測。激光掃描技術獲取的數據成果被廣泛應用于城市規劃、水利工程、農業開發、環境監測、資源勘探、防震減災、土地利用、交通通訊等各方面，為科學研究、國民經濟和社會發展提供了重要的原始資料，取得良好的經濟效益，展示良好的應用前景。其高精度、低成本、快速度、高密集的特點，使之成為測量應用中深受歡迎的高新技術。

3 基于車載三維激光掃描系統行道樹采集方案

移動測量系統是一種高效、快速、高集成度的海量點云數據采集手段，廣泛應用于數字化城市建設中。隨著測量技術的不斷革新，車載移動測量設備不論在硬件配置，還是軟件配套上都在不斷提高，相機像素從百萬級別提高到了千萬級，數據采集精度也有了較大的提高。根據載體不同，可以分為船載、機載、地面、車載、背包和手持型等。移動測量系統如圖1所示。

圖1 移動測量系統

車載激光掃描是一種新興的數據獲取方式，能夠在大范圍內快速獲取行道樹目標表面的空間信息數據，具有動態、實時、高密度、高精度、快速不接觸、便于數字化和自動化的明顯優勢，適用于城市空間信息的快速準確獲取。將車載三維激光掃描系統應用于城市園林行業的行道樹采集，可以實現大范圍、全面快速地獲取行道樹空間及屬性信息。

3.1 基于車載三維激光掃描系統行道樹采集工藝流程

根據采集區域道路分布特點、基礎數據、采集工具、數據處理手段等各方面因素，基于車載三維激光掃描系統行道樹采集工藝流程如圖2所示：

圖2 基于車載三維激光掃描系統行道樹采集工藝流程圖

3.2 外業采集

車載三維激光掃描系統，如圖3所示，主要由幾部分構成：①衛星定位系統GPS；②慣性測量裝置；③激光掃描儀；④CCD相機及光學相機；⑤同步控制器；⑥系統搭載平臺(如中小型汽車)。

圖3 車載三維激光掃描系統

外業采集階段的工作流程主要是：①車輛行進過程開啟GPS全球定位系統，利用差分算法計算出車輛精確的三維坐標信息，同時獲取測量原點的大地坐標；②利用GPS、IMU測量掃描時的基準姿態，獲取三維激光掃描儀在大地坐標系統下的姿態參數(航向角、俯仰角、翻滾角)；③開啟三維激光掃描儀，在車輛行進過程中發射脈沖對目標地物進行掃描，獲取激光點云數據；④同時開啟CCD相機和全景相機采集目標地物的影像信息；⑤獲取的坐標數據、全景照片、行駛里程等信息以特定格式輸出，保存在硬盤上。

3.3 內業處理

3.3.1 數據預處理

(1)數據解算

數據解算的工序主要包括4個部分：一是差分GPS處理；二是軌跡文件解算；三是點云數據輸出；四是全景照片輸出。具體的處理流程如圖4所示：

圖4 數據解算工藝流程圖

此工序最終提交的成果是采集區域經質檢合格的激光點云數據和街景全景照片文件。

(2)精度檢核

數據解算完成后，要對照檢核資料，對激光點云數據進行精度檢查。發現精度不達標的數據，要根據情況安排數據糾正，確保點云數據精度滿足項目內業采集作業需求。

點云數據精度檢核的過程采用檢核軟件進行處理，將矢量的地形圖與點云數據進行套合，利用人工檢查兩套數據套合情況。誤差大于 50 cm，即視為問題數據，安排進行數據糾正處理。糾正完成后，再次進行精度檢核，直至點云數據精度達到項目要求為止，進入下一采集流程。

3.3.2 數據采集

(1)數據預處理

運用數據預處理系統將外業采集的數據進行傳感器數據時空數據融合、空間坐標轉換、全景影像解析、原始點云及真彩點云的輸出，如圖5、圖6所示。

圖5 原始點云數據

圖6 全景影像照片

(2)數據加工整理

運用點云數據處理系統對預處理后數據進行交互式編輯，針對不同區域進行相應的抽稀、分塊、加密及濾波。

(3)樹木分割點云算法

樹木信息的提取包含兩類，一類是位置信息的提取，一類是屬性信息的提取。提取過程通過自動提取和人工輔助相結合的方式進行。本研究采用的點云分割算法直接在已建立的空間投影格網上進行，通過啟發式搜索算法得到樹干的準確位置，引入區域競爭溢水策略正確區分實際樹冠。

①樹干位置識別算法

在傳統的二維圖像尋找局部極值算法上，根據本次的實際情況加入了點云三維信息的判斷準則，使樹干位置的識別更加準確。為了便于識別算法的運行，我們將掃描區域分為若干個固定大小的網格區域。由于在進行激光三維掃描時，樹干的位置會反射出較多的點數目，因此樹干所在網格的點云密度就比相鄰網格更高，樹干位置識別問題可以轉化為通過算法模型尋找局部密度最大值。搜索算法如下：

//外循環

loop do

//隨機選取一個初始網格

randomly select a startGrid；

//設當前網格為初始網格

currentGrid=startGrid；

//內循環

loop do

//搜索鄰域L

L=NEIGHBORS(currentGrid)；

nextHeight==一INF；

nextGrid=NULL；

//往鄰域中最好的網格移動

for all X in L

if(Height(x)>nextHeight)

nextGrid=x：

nextHeight 2 Height(x)；

if(nextHeight<=Height(x)、

//找不到更好的鄰域時記錄當前鄰域

Store currentGrid as peak；

currentGrid==nextGrid；

Endloop

End 100D until certain iteration times met

隨機選取一個初始網格，設定為當前網格，算法模型對當前網格的鄰近網格進行搜索。若某個鄰近網格點云密度高于當前網格，則當前網格往鄰近網格移動，密度高的即成為當前網格。一次搜索過程就是尋找最高點云密度網格的過程，當前網格必定是此輪搜索中最高密度的網格，它將被標識為候選樹干位置網格。下一次的搜索開始于重新選擇的初始網格，設定合適的迭代次數，使重復搜索抵達迭代次數。迭代次數的高低決定搜索算法的遺漏率，次數越高，遺漏率越低。

②樹干位置判斷準則

進行搜索算法選擇后，尋找到了所有樹干位置的候選網格，但是并不是說檢測的所有極值都是樹干位置，也有可能是樹冠的局部極大位置。因此，需要設置一定的判斷準則，來輔助去除干擾信息。

如果在一個較小的范圍同時搜索到兩個樹干位置，則保留高程較高的那個位置。因為車載激光雷達掃描的行道樹分布比較均勻，在較小范圍內一般不會出現兩株樹干，高程較高的往往是樹干位置，高程較低的一般對應樹冠局部極大位置。

在一個候選樹干位置網格中，如果網格內高密度點在垂直空間上存在斷層，則判定為非樹干位置。因為假定激光掃描密度夠高且未被遮擋，掃描到的樹干點應均勻分布在垂直空間上，所以點云在樹干位置垂直空間分布上應該是連續的。

一些被搜索算法模型誤檢測的低矮灌木叢，需要將其剔除。可以設定判斷規則，如果候選樹干位置網格內點云最大高程值小于設定的樹木最小高程閾值，則判定為非樹干點云。

(4)樹木信息采集

經過自動提取，已經獲取了行道樹的點位數據，通過人工干預，對程序誤判定的樹木位置進行修正。獲得準確的樹木點位信息后，返回激光點云數據及全景照片，在判定為行道樹的位置，進行樹干1.2米高度位置胸徑的測量和行道樹照片的截取。通過截取的行道樹照片，程序分析其紋理、色彩，進行樹種的判定。

(5)人工交互檢查及屬性完善

通過程序進行的自動提取成果，會存在錯誤、遺漏等問題，人工介入的目的在于對自動采集的行道樹位置及屬性信息進行查缺補漏，并進行檢查，補充無法自動完成的信息。

3.4 數據建庫

數據整合入庫的流程如圖7所示：

圖7 數據入庫流程圖

(1)數據質量檢查

數據入庫前，依據要求制定質量檢查細則，對數據質量要求進行全面質量檢查，并記錄檢查結果。質量檢查主要包括：圖形數據位置精度檢查、屬性數據完整性和正確性檢查、圖形和屬性圖數據一致性檢查、完整性檢查，檢查合格的數據方可入庫，不合格的數據退回重新編輯處理，再進行質量檢查。

(2)數據庫參數設置

根據數據庫需求，對數據庫參數進行配置，輸入各種建庫參數。主要的參數包括：數據結構組織、坐標系、投影帶、計量單位、符號等。

(3)數據入庫

進行數據的入庫，包括：圖形數據、元數據等。可按單要素類入庫，或一次選擇多個要素類入庫。

(4)數據安全設置

對用戶權限進行設置，遵循權限最小化原則，刪除或鎖定無關用戶。對密碼策略進行設置，包括：密碼長度、字符組成、有效期等進行設置。對日志進行設置，對用戶登錄、操作等進行記錄。

4 實例驗證與效果分析

4.1 實驗驗證

在傳統的測樹方法中，胸徑測量的主要方式是使用圍尺、直徑卷尺等儀器進行接觸式的人工實地測量；在樹高基本參數獲取過程中，甚至要采用目視估測法確定其數值。以上方法不僅費時、費力，而且測量精度不高。利用車載三維激光掃描技術獲取樹木的三維點云數據，利用點云處理軟件，可以在不傷害樹木的前提下快速、自動、準確地提取樹木形態結構參數。

為了客觀真實評價車載三維激光掃描技術在行道樹采集應用中的精度準確性，特用傳統測樹方法在外業隨機抽選30棵不互相交錯的樹作為檢核對比。由于樹高參數傳統方法采用目視估測方法，不具有對比性；本次將傳統測樹方法獲取30棵樹胸徑參數、位置信息與車載三維激光技術獲得的進行對比，對比結果如表1、表2所示：

兩種方法胸徑結果及對比 表1

兩種方法樹木位置提取結果及對比 表2

4.2 效果分析

從表1可知，兩種方法對樹木胸徑結果提取中誤差 ±1.5 cm，滿足林業規范限差 ±10 cm；

傳統方法測量樹木底部中心點是在每棵樹底部周圍均勻打點3個計算其坐標中心點，并以此值作為樹木的真實位置坐標值，從表2可知，車載激光技術對樹木底部中心點提取與實際底部位置坐標差值已經達到厘米級。

為提高最終樹木采集的準確性，可以采取相關措施來提高作業成效。首先是合理規劃作業路線，確保掃描的完整性，如提前規劃掃描線路、避開早晚高峰期、根據實際情況進行作業方案調整、往返行駛多次采集以提高掃描覆蓋度等；其次是改進設備架設方法，提高外業三維激光掃描的覆蓋度；作業過程中，也要確保基站架設無失誤，信號接收良好。

5 結論與展望

基于車載三維激光技術獲得點云數據提取樹木參數信息是可靠的，適用于園林普查。車載三維激光技術容易受到地形、周圍環境限制，樹木密集相互遮擋會造成部分數據的缺失，從而影響樹木參數的提取及可視化表達，所以在車載三維掃描采集數據之前，需要對預定測量掃描路線現場勘察，了解綠化情況，則可使用背包式移動測量系統進行有效的補充采集。多種類型的采集設備有效地進行了互補，保證了數據采集的完整性和有效性。

車載三維激光技術快速獲取三維地理信息，已作為新興測量技術正在逐漸取代二維信息，可以極大地改善傳統園林綠化調查作業模式，獲取點云數據提取樹木參數信息滿足林業規范要求，從而可以取代費用高、難度大、復雜化、周期長的傳統人工實測方法；該技術可以有效解決園林綠化規劃、建設、管理、養護等一系列難題，提高了城市園林管理處的工作效率和服務水平。