應用車載雙激光雷達系統構建的林分高度測算方法

宋佳音 趙越 宋文龍 周宏威 馬強 尹天瑞 池志祥 張曉鵬

摘 要：為解決林分高度難以直接測量，避免受到環境因素的影響，研究人員從三維點云數據來獲取林分高度。該文提出一種車載雙激光雷達系統，雙雷達分別完成林分數據掃描和地圖構建的工作，在點云數據處理中，使用遞進式點云濾波方法，選取適合林分點云數據的處理條件，對林分點云數據進行還原，使得到的林分點云數據更好地進行配準、特征提取和可視化，并測量林分高度。實驗結果與現場實測數據進行比較表明，該文提出的方法對林分高度測量誤差為0.072～0.316 m，平均相對誤差為1.46%，具有精度高、受人為操作影響小、數據獲取效率高等優勢，且測量儀器輕便、成本低，適用于野外調查。該方法能夠用于提高林業研究中林分結構參數的測量精度和效率。

關鍵詞：激光雷達;森林遙感;林分高度;點云處理;融合濾波

中圖分類號：S758??? 文獻標識碼：A?? 文章編號：1006-8023（2022）02-0080-07

Stand Height Measurement Method Constructed by

Vehicle-mounted Dual LiDAR System

SONG Jiayin1， ZHAO Yue1， SONG Wenlong1*， ZHOU Hongwei1， MA Qiang1，

YIN Tianrui1， CHI Zhixiang1， ZHANG Xiaopeng2

（1.College of Mechanical and Electrical Engineering， Northeast Forestry University， Harbin 150040，China;

2.Comba Telecom Systems Limited， Guangzhou 510000， China）

Abstract：In order to solve the difficulty of directly measuring the stand height and avoid being affected by environmental factors， forest researchers obtained the stand height from 3D point cloud data. In this paper， a vehicle-mounted dual lidar system was proposed. The dual lidars completed the work of forest stand data scanning and map construction， respectively. In the point cloud data processing， the progressive point cloud filtering method was used to select the processing suitable for the forest stand point cloud data. Restore the stand point cloud data， so that the obtained stand point cloud data can be better registered， feature extraction and visualization， and the stand height can be measured. The comparison between the experimental results and the field measured data showed that the method proposed in this paper had a measurement error of 0.072-0.316 m for stand height， and the average relative error was 1.46%. Moreover， the measuring instrument was light and low in cost， and was suitable for field investigation. This method can be used to improve the measurement accuracy and efficiency of stand structure parameters in forestry research.

Keywords：LiDAR; forest remote sensing; stand height; point cloud processing; fusion filtering

0 引言

森林作為陸地生態系統的主體具備固碳能力，在全球碳循環中具有重要地位。林分高度是生態系統模型的重要輸入參數之一，是研究森林生物量與生產力的關鍵因素，因此林分高度的測量是研究全球碳循環、能量平衡的前提條件，然而樹木作為林分的基本組成單元，呈現三維空間不規則分布，決定了林分高度精確測算難度大。

林分高度最初通過卡尺或者測高尺等測量工具進行測量，這些方法獲得信息單一、測量難度大、準確性低，無法保證測量精度，在復雜的森林環境下，林業調查者很難直接達到樹木所需測量的位置，使直接接觸測量無法實現，因此，非接觸測量得到了發展。隨著技術的進步，越來越多的非接觸測量方法和測量設備出現，目前常用的非接觸測量林分高度方法主要有布魯萊斯測高器測量和超聲波測高器測量，布魯萊斯測高器構造簡單，在測量時需要提前測出儀器到待測樹木的距離，存在讀數誤差及測量精度低、應用不便等缺點;超聲波測高器是利用超聲波測距搭配旋轉角度計算林分高度，該方法測量步驟較繁瑣，并且超聲波測高器受人為因素和風速的影響，在每次測量中都有很大的差異，測量精度低。因此，林分高度的測量仍然是專家學者們努力改進的問題。

為提高測量精度，研究人員利用電子經緯儀和全站儀進行了林分高度測量，這些儀器使測量精度大大提高，但這些測量儀器尺寸普遍偏大，攜帶不便，無法在一些復雜的環境中開展林業調查工作。遙感技術的應用為森林資源核查提供了快速高效、全面可靠的技術保障，利用野外的光譜信息獲取森林中的空間分布、識別林型和估算林地生物量，并對森林質量進行評估，還能對森林的病蟲害進行監測。遙感領域中激光雷達技術的出現，對光學遙感技術的不足提供了有效的補充。激光雷達對林冠層有很強的穿透能力，并通過計算激光脈沖發射和返回的時間差，分析返回的激光雷達數據能夠準確地獲取森林三維空間結構及林下地形的詳細信息。

隨著科技的發展和信息技術的日益完善，林業研究與調查工作也步入信息化時代。一些學者和林業工作者將三維激光掃描技術、機載激光雷達技術和航空攝影等先進技術應用到林分高度測量上，進行了一些有意義的嘗試。應用機載激光雷達以及高分辨率數碼影像技術分析闊葉林群落垂直結構，可以較好地進行植被三維特征的提取并應用于森林生態系統檢測模擬;然而，隨著對數據精度要求越來越高，機載激光雷達的飛行成本也更大，同時，機載激光雷達還存在懸停掃描抖動的問題。相比機載激光雷達，地基激光雷達具有掃描狀態穩定，掃描成本低的優勢，近幾年地基激光雷達發展迅速，應用到了林業研究中的很多方面;但地基激光雷達仍存在很多缺陷，如自動化程度低、掃描范圍受限、當樹木分布較為密集時，周圍的噪點會增多等問題。

本文提出一種車載雙激光雷達系統，雙激光雷達分別完成林分掃描與地圖構建的工作，自主搭建的激光雷達裝置，具有體積小、易于攜帶和成本低等優點。同時提出一種林分點云數據融合濾波方法，提高了點云數據的精度及實用性，為林業研究與調查工作提高了測量精度和效率。

1 樣地概況與設備

1.1 樣地概況

研究區位于哈爾濱市城市林業示范基地，地理坐標為45°43′10″ N，126°37′15″ E，研究區海拔為134～163 m，屬溫帶季風氣候，夏季溫暖多雨，冬季寒冷多雪。蒙古櫟林區林分郁閉度為0.8，且林分僅有喬木層，無灌木層和草本層，林區總占地面積為0.35 hm2，林區內共有蒙古櫟886株，平均樹高為14 m，平均胸徑為14 cm，最大胸徑為18 cm，活立木儲蓄量為65.6 m3。這種林分狀況代表了典型的溫帶森林或自然生長的普通城區森林，實驗樣地如圖1所示。

1.2 車載雙激光雷達系統

本研究利用自主設計的車載雙激光雷達系統完成數據采集，車載雙激光雷達系統核心處理器為STM32和Arduino芯片，林分掃描激光雷達和SLAM地圖構建與導航激光雷達分別安裝在小車頂部和中部，林分掃描激光雷達型號為LIDAR Lite V3（Garmin臺灣生產），最遠有效探測距離為4 000 cm，測量精度為10 mm，更新速度為500 Hz，波束寬度為0.5°，雷達波長為905 nm，供電電源為5 V，利用垂直與水平的雙舵機控制轉動，完成樣地內的樹木三維信息的采集，雷達掃描范圍呈1/4球體，實驗選取的蒙古櫟平均樹高為14 m，最遠有效探測距離為4 000 cm的LIDAR Lite V3可以掃描到樹冠頂部。SLAM地圖構建與導航激光雷達型號為LIDAR Delta 2A，有效測量半徑為800 cm，測量精度為20 mm，供電電源為5 V，LIDAR Delta 2A在研究中配合小車完成SLAM地圖構建與導航工作。

LIDAR Lite V3和舵機牢固地安裝在一起，并通過振動阻尼元件固定在履帶車框架下。舵機和激光雷達以相對于履帶車框架法向90°角，避免LIDAR Lite V3采集林分信息時受到車體影響，車載雙激光雷達系統如圖2所示。

2 林分高度測算方法

樣地選取為哈爾濱市城市林業示范基地蒙古櫟林區的一片區域，測算開始前，首先對區域內的100棵蒙古櫟進行標記和編號，再對車載雙激光雷達系統進行路線規劃，林分高度測算流程如圖3所示。

2.1 掃描數據獲取

車載雙激光雷達系統的運行按照標定點自動進行，LIDAR Lite V3由操作人員使用筆記本電腦操控開始掃描，人工操作保證了LIDAR Lite V3獲取林分數據的準確性。試驗區參考樹總數為100棵，掃描共選取16個標定點，每2個相鄰采樣點之間間隔為10 m，LIDAR Lite V3掃描過程中履帶車為靜止狀態，單次掃描結束后前往下一標定點，直到車載雙激光雷達系統完全穿過林區，標定點與路徑規劃如圖4所示。

車載雙激光雷達系統掃描首先由LIDAR Delta 2A完成地圖構建，確定運行軌跡，再利用林分掃描激光雷達掃描森林，收集野外林分數據。由操作人員控制履帶車在掃描林地巡回移動，放慢履帶車的移動速度，將有利于獲取更完整的林區地圖，林區地圖構建完成后，操作人員選取起止點，履帶車可自動完成導航，并躲避途中遇到的障礙。林分掃描激光雷達使用LIDAR Lite V3掃描儀和2個舵機搭建，2個舵機分別控制水平和豎直方向。林分掃描激光雷達的掃描速度可調節，生成點云所需要的工作時間與生成點云的密度成正相關。舵機的角度變換設置為1時，0～180°視野掃描耗時6.5 min，此時在距離掃描儀10 m的水平和垂直方向上提供10.53 mm的點間距。采用多掃描方法，共進行32次掃描，車載雙激光雷達系統4 h內可完成地圖構建與林分掃描，地圖構建與林分掃描示意圖如圖5所示。

2.2 林分點云數據處理

掃描數據獲取過程中，由于受到設備震動、環境光線、風和飛蟲等干擾因素的影響，使得點云數據中存在噪聲。為獲取林分有效信息，實現林分信息的配準和特征提取，保證測量精度，需要剔除噪聲。本文提出采用梯度-SOR遞進式濾波方法，完成點云數據處理，處理軟件為Matlab 2019b，運行平臺為Windows 10系統。

在進行濾波之前，先將獲取的原始點云數據單位由方位角、天頂角、距離轉換為直角坐標系下的X、Y、Z坐標，同時將反射距離大于4 000 cm的點云和反射距離等于1 cm的點云作為噪聲過濾。

2.2.1 地面點處理

原始點云數據包含地面點云數據和林分點云數據，為獲取林分有效信息，需將地面點云與林分點云清晰分割，故對原始點云數據進行梯度條件濾波，首先為LIDAR Lite V3獲取的點云數據添加Scalar標量字段，接著計算梯度字段，梯度字段按照歐氏距離的計算方法計算，添加Scalar標量字段與梯度字段計算使用CloudCompare（三維點云處理軟件）完成，此時梯度字段值表示的是點云中2個相鄰點之間的傾斜度，計算梯度字段后，將梯度字段的值位于0～0.2的點云去除，濾波效果如圖6所示，梯度字段的值位于0～0.2的點云為圖中藍色的點。

由圖6可以看出，梯度條件濾波對樹木和地面的分割效果良好，但在樹木周圍仍存在很多噪點，需要進一步處理。

2.2.2 林分結構還原

為將樹木周圍的噪點剔除，采用SOR（Statistical Outlier Removal）濾波方法，SOR濾波也稱基于空間分布的去噪濾波。SOR濾波的具體步驟如下：首先，需要設置用于計算平均距離的鄰域點的個數k和標準差倍數閾值λ參數，當該點與其鄰域中各點的平均距離大于μ±σλ（μ為估計的平均距離;σ為估計的標準差），則該點被認為是不屬于林分點云，并且遠離林分點云的孤點，并刪除該數據點。假設空間點p與其相鄰的n個鄰域點構成原始林分點云集Dn，則離群點就是與n個鄰域點的距離大于閾值μ±σλ的點。本文中設置鄰域點的個數k=6，標準差倍數閾值λ=1，經濾波處理后，可以清晰地將樹木從復雜環境中提取出來，完成林分結構還原。SOR濾波效果如圖7所示。

2.3 林分高度提取與結果分析

為了驗證本文提出的林分高度測算方法的精度，對100棵樹木進行測量，林分高度提取實驗設備包括雙雷達履帶車（LIDAR Lite V3和LIDAR Delta 2A）、筆記本電腦以及全站儀（南方NTS-362）。LIDAR Lite V3每次掃描得到32 581個點，累計掃描32次，點云數據處理在Windows10系統平臺上進行，處理軟件為Matlab 2019b以及CloudCompare。將經遞進濾波后的點云數據使用CloudCompare軟件的Point picking工具識別和提取林分高度，林分高度提取如圖8所示。

從圖9和圖10可以看出，利用本文提出的方法測算林分高度比較符合實地測量值，但普遍低于實地測量值，這是由于地基激光雷達在密度較高的森林中掃描樹冠困難造成的。通過計算分析得到，在蒙古櫟林區中測量的100顆樹中，測量誤差在0.172～0.316 m，最高相對誤差為2.23%，最低相對誤差為1.27%，平均相對誤差為1.46%，從而得出本文提出的應用雙激光雷達系統構建的林分高度測算方法測量精度較高，滿足國家森林資源調查中允許測量林分高度不超過5%的誤差要求，并且測量時操作簡單，受人為因素影響較小。

3 結論

森林監測已經成為科學界關注的熱點之一。森林生態系統在全球碳平衡和減緩全球氣候變化方面具有不可替代的作用，林分高度作為森林碳儲的重要指標是森林研究的熱點。本文應用車載雙激光雷達系統構建了一種林分高度測算方法，該方法具有以下優點。

（1）使用的測量設備操作簡單，自動化程度高，可應用于野外作業，且隨著遙感設備和電子技術的快速發展，該設備仍有較大改進空間。

（2）可以還原林分結構，通過遞進式濾波方法，分別針對地面噪點和樹木周圍的噪點進行濾波處理，保證了測量精度。

（3）該方法同樣適用于其他林分結構參數的測量，如冠幅和胸徑等，本文僅以林分高度為例。

本研究存在的不足是當樹木密度大、遮擋嚴重時，無法準確掃描樹冠，針對該問題，在今后的研究中可以考慮使用無人機進行數據融合配準，對樹冠部分進行完整的還原。

【參 考 文 獻】

陳劍.森林、林業與生態文明建設.現代園藝，2018，41（11）：153-154.

CHEN J. Forest， forestry and ecological civilization construction . Xiandai Horticulture， 2018， 41（11）： 153-154.

HUANG Y D， LI M Z， REN S Q， et al. Impacts of tree-planting pattern and trunk height on the airflow and pollutant dispersion inside a street canyon. Building and Environment， 2019， 165： 106385.

XU Y L， LI C， SUN Z C， et al. Tree height explains stand volume of closed-canopy stands： evidence from forest inventory data of China. Forest Ecology and Management， 2019， 438： 51-56.

鄢前飛.林業數字式測高測距儀的研制.中南林業科技大學學報，2007，27（5）：66-70.

YAN Q F. The development of digital forestry measuring instrument for height and distance. Journal of Central South University of Forestry & Technology， 2007， 27（5）： 66-70.

李亞東，馮仲科，曹明蘭，等.Android智能手機樹高測量APP開發與試驗.中南林業科技大學學報，2016，36（10）：78-82.

LI Y D， FENG Z K， CAO M L， et al. Development and test of android smartphone tree height measurement APP. Journal of Central South University of Forestry & Technology， 2016， 36（10）： 78-82.

李明澤，范文義，張元元.基于全數字攝影測量的林分立木高度量測.北京林業大學學報，2009，31（2）：74-79.

LI M Z， FAN W Y， ZHANG Y Y. Measuring heights of standing trees based on digital photogrammetry. Journal of Beijing Forestry University， 2009， 31（2）： 74-79.

謝鴻宇，溫志慶，鐘世錦，等.無棱鏡全站儀測量樹高及樹冠的方法研究.中南林業科技大學學報，2011，31（11）：53-58.

XIE H Y， WEN Z Q， ZHONG S J， et al. Measure method research of tree height and tree crown by non-prism total station. Journal of Central South University of Forestry & Technology， 2011， 31（11）： 53-58.

杜鵬志，曾偉生，馮仲科，等.利用電子經緯儀測量林木樹高和材積的精度分析.林業資源管理，2016，45（2）：45-48，55.

DU P Z， ZENG W S， FENG Z K， et al. Precision analysis on tree height and stem volume measurements using electronic theodolite. Forest Resources Management， 2016， 45（2）： 45-48， 55.

武紅敢，王晗，常原飛，等.芻議枯死松樹的天空地協同監測技術體系建設.中國森林病蟲，2020，39（3）：35-39.

WU H G， WANG H， CHANG Y F， et al. Monitoring system construction of dead pine through synergy observation of spaceborne， airborne， and ground remote sensing. Forest Pest and Disease， 2020， 39（3）： 35-39.

王楠，甕岳太，楊光，等.火干擾對興安落葉松森林土壤微生物群落的影響.東北林業大學學報，2020，48（5）：21-28.

WANG N， WENG Y T， YANG G， et al. Effects of fire disturbance on soil microbial community of Larix gmelini forest. Journal of Northeast Forestry University， 2020， 48（5）： 21-28.

云增鑫，鄭光，馬利霞，等.聯合主被動遙感數據定量評價林下植被對葉面積指數估算的影響.遙感技術與應用，2019，34（3）：583-594.

YUN Z X， ZHENG G， MA L X， et al. Evaluate quantitatively effects of understory on leaf area index （LAI） estimation combining active and passive remote sensing data. Remote Sensing Technology and Application， 2019， 34（3）： 583-594.

范偉偉，劉浩然，徐永勝，等.基于地基激光雷達和手持式移動激光雷達的單木結構參數提取精度對比.中南林業科技大學學報，2020，40（8）：63-74.

FAN W W， LIU H R， XU Y S， et al. Comparison of extraction precision of individual tree structure parameters based on terrestrial laser scanning and hand-held mobile laser scanning. Journal of Central South University of Forestry & Technology， 2020， 40（8）： 63-74.

穆喜云，劉清旺，龐勇，等.基于機載激光雷達的森林地上碳儲量估測.東北林業大學學報，2016，44（11）：52-56.

MU X Y， LIU Q W， PANG Y， et al. Forest aboveground carbon storage using RF algorithmic model and airborne LiDAR data. Journal of Northeast Forestry University， 2016， 44（11）： 52-56.

宋佳音，張曉鵬，宋文龍，等.應用半球圖像構建的立木高度測算方法.東北林業大學學報，2020，48（6）：61-65.

SONG J Y， ZHANG X P， SONG W L， et al. Measuring standing wood height with hemispherical image. Journal of Northeast Forestry University， 2020， 48（6）： 61-65.

聶佩晗，繆慧敏，張雅婷，等.線激光三維測量裝置研制.林業機械與木工設備，2021，49（8）：36-40.

NIE P H， MIAO H M， ZHANG Y T， et al. Development of line laser 3D measuring device. Forestry Machinery & Woodworking Equipment， 2021， 49（8）： 36-40.

解宇陽，王彬，姚揚，等.基于無人機激光雷達遙感的亞熱帶常綠闊葉林群落垂直結構分析.生態學報，2020，40（3）：940-951.

XIE Y Y， WANG B， YAO Y， et al. Quantification of vertical community structure of subtropical evergreen broad-leaved forest community using UAV-Lidar data. Acta Ecologica Sinica， 2020， 40（3）： 940-951.

趙穎慧，楊海城，甄貞，等. 基于ULS、TLS和超聲測高儀的天然次生林中不同林冠層樹高估測. 南京林業大學學報（自然科學版）， 2021， 45（4）： 23-32.

ZHAO Y H， YANG H C， ZHEN Z， ed al. Tree height estimations for different forest canopies in natural secondary forests based on ULS， TLS and ultrasonic altimeter systems.Journal of Nanjing Forestry University （Natural Science Edition）， 2021， 45（4）： 23-32.

姚相坤，蒼甜甜，張一帆，等.基于地基激光雷達構建人工林樹高模型的研究.森林工程，2022，38（01）：93-100.

YAO X K， CANG T T， ZHANG Y F， et al. Research on constructing tree height model of artificial forest based on ground-based lidar. Forest Engineering， 2022， 38（1）：93-100.

田方.基于機載激光雷達的密林山區測繪研究.自動化技術與應用，2021，40（11）：86-88，108.

TIAN F. Research on surveying and mapping of dense forest mountain area based on airborne lidar. Techniques of Automation and Applications， 2021， 40（11）： 86-88， 108.

羅洪斌，岳彩榮，張國飛，等.機載激光雷達在不同區域尺度森林葉面積指數反演中的應用.西部林業科學，2021，50（4）：33-40.

LUO H B， YUE C R， ZHANG G F， et al. Application of airborne LiDAR in inversion forest leaf area index at different regional scales. Journal of West China Forestry Science， 2021， 50（4）： 33-40.

蔡碩，邢艷秋，端木嘉龍.背包式激光雷達濾除低強度點云提取林木胸徑.森林工程，2021，37（5）：12-19.

CAI S， XING Y Q， DUANMU J L. Backpack lidar filtering low-intensity point cloud to extract tree diameter at breast height. Forest Engineering， 2021， 37（5）：12-19.

ANDERSON C T， DIETZ S L， POKSWINSKI S M， et al. Traditional field metrics and terrestrial LiDAR predict plant richness in southern pine forests. Forest Ecology and Management， 2021， 491： 119118.

NGUYEN V T， CONSTANT T， COLIN F. An innovative and automated method for characterizing wood defects on trunk surfaces using high-density 3D terrestrial LiDAR data. Annals of Forest Science， 2021， 78（2）： 1-18.

孫心雨，田佳榕，徐雁南，等.基于地基激光雷達的道路生態景觀評價：以黃海海濱國家森林公園為例.生態與農村環境學報，2020，36（11）：1477-1484.

SUN X Y， TIAN J R， XU Y N， et al. Evaluation of ecological landscape of road based on terrestrial laser scanning： a case study of Huanghai national forest park. Journal of Ecology and Rural Environment， 2020， 36（11）： 1477-1484.