一种基于LiDAR点云数据的三维绿量估算及管理方法
文献发布时间:2023-06-19 09:35:27
技术领域
本发明涉及使用LiDAR点云数据估算城市三维绿量的方法,尤其涉及一种可用于GIS平台对三维绿量进行矢量化管理分析的方法。
背景技术
随着人们对绿地功能认识的增加及数据的丰富,城市绿地研究从简单的植被制图发展到绿地空间的量化研究。常用的公共绿地面积、绿化覆盖率、绿地率等指标是从二维的面积或覆盖率来评价绿地,可在宏观上衡量城区的绿化面积及大致的分布格局,有一定的指导意义。然而,城市绿地空间是三维的,仅从二维覆盖面积出发的评价方法并不能描述绿地组成及其空间结构,也很难反映不同绿化结构的生态功能水平。
已有研究表明,不同的植物类型及分层结构在固碳、降噪等方面的能力是不同的,导致覆盖同样面积的一片草地和乔灌草复层结构,产生的生态效益是截然不同的。植被结构越复杂,层次越丰富,生态功能越强。因此发展更全面立体的绿化评价指标,实现客观准确的绿地量化评估成为城市规划的一个迫切要求。三维绿量(LVV,living VegetationVolume)作为城市绿化体系的第一立体指标,可在立体水平上反映城市植被的空间结构差异,更全面、准确地评价城市绿地的生态效益,指导不同城市功能区的绿化结构设计。
早期我国三维绿量测算主要依靠大量实测来实现,将树冠视为规则的几何形状,如球形、锥形等,通过实测了树木的冠径及冠高,代入几何公式计算得到,准确但费时费力,推广困难。目前常用的基于遥感影像的绿量估算方法可在实测建立了分树种的冠径-冠高模型的基础上,借助于遥感影像识别树种及冠径,使估算过程半自动化。然而这仍然需要大量的人工实测数据,且建立的模型具有地域性。
因此,现有技术有待于更进一步的改进和发展。
发明内容
鉴于上述现有技术的不足,本发明提供的一种基于LiDAR点云数据的三维绿量估算及管理方法,在自动识别单棵树木、灌木及草地点云的基础上,分别针对树冠及低矮植被(灌木、草地)实现了准确的绿量估算,可支持GIS平台上三维绿量的分析管理。
为解决上述技术问题,本发明方案包括:
A、选用已标识植被点云的LiDAR点云数据作为数据源;
B、针对植被点云,采用自上而下的分割方法,依次实现单棵树木、灌木、草地点的分离提取;
C、对单棵树木点云,利用垂直方向上的点云分布特点自动检测到树冠位置,进而计算得到树冠点云的体积,即树冠三维绿量;
D、灌木及草地点云,则视为不规则圆柱体计算其体积。
E、将树木、灌木、草地的三维绿量作为矢量文件的属性输入,可在GIS平台实现三维绿量的管理分析。
所述的三维绿量估算方法,其中,所述步骤A具体的包括:基础数据为机载激光雷达点云数据,经过了航线拼接、去噪的预处理,参照航拍影像人工实现了地面点及植被点云的识别,并且通过地面点插值生成的数字地面模型(DEM)进行了点云的高度归一化,即去除地形对点云高度的影响。
所述的三维绿量估算方法,其中,所述步骤B具体的包括:针对归一化后的植被点云,选择最高点作为最高的那棵树的树顶点,参照树冠半径设定树间距阈值,从该树顶点出发向下生长出属于该棵树的所有点云,标记为同一棵树后移除,继而选择剩余点中最高的点为第二高树的树顶点,逐次实现所有单棵树木点云的标记。
所述的三维绿量估算方法,其中,所述步骤B具体的还包括:针对剩余的低矮植被点,按照归一化高度值在0.5~2m间统一识别为灌木点,归一化高度值在0.5m以下的识别为草地点。
所述的三维绿量估算方法,其中,所述步骤C具体的包括:将单棵树木点云按高度在垂直方向上排序,计算该排序曲线的转折点即获得冠高的位置。
所述的三维绿量估算方法,其中,所述步骤C具体的还包括:针对获得的树冠点云,利用三维凸包法计算点云的外包体积,即树冠绿量。
所述的三维绿量估算方法,其中,所述步骤D具体的包括:针对灌木及草地点云呈斑块状分布的特点,通过自动追踪各个斑块边界可得到斑块面积,各斑块内平均归一化高度作为斑块高度,可以各个斑块为单位计算得到灌木及草地类低矮植被点的三维绿量。
所述的三维绿量估算方法,其中,所述步骤E具体的包括:单棵树木的树冠绿量作为属性赋给树顶点,灌木及草地的绿量分别赋给各个低矮植被斑块,可在GIS平台上实现城市三维绿量的管理分析。
本发明提供的一种基于LiDAR点云数据的三维绿量估算及管理方法,在自动实现单棵树木、灌木及草地点云分割的基础上,分别实现了树冠绿量及低矮植被绿量的自动化准确估算,并可通过对三维绿量的矢量化管理实现灵活的空间分析。该过程不需要借助人工实测数据,估算过程可完全自动化,且估算精度较高。解决了以往三维绿量估算方法费时费力的问题,适用于三维绿量这一三维绿化指标的推广应用。
附图说明
图1是本发明中三维绿量估算方法的示意图。
图2是单木分割效果示意。
图3是获取冠高位置示意。
图4是三维凸包法计算树冠体积的示意图。
具体实施方式
本发明提供了一种基于LiDAR点云数据的三维绿量估算及管理方法,为使本发明的目的、技术方案及效果更加清楚、明确,以下对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供的基于LiDAR点云数据的三维绿量估算及管理方法,在分割识别单棵树木点云及灌木、草地点云的基础上,分别实现了树冠绿量及低矮植被绿量的准确估算,可通过矢量化的管理实现三维绿量的评估分析,具体实施步骤为:
1、数据预处理
(1)基本预处理。本发明采用机载激光雷达点云数据为数据源,借助于TerroSolid软件,对获得的原始点云数据进行了航线拼接及点云去噪的预处理后,进行了LiDAR点云的地物分类工作,包括地面点及植被点的识别。其中,地面点可通过软件中自带的滤波算法自动实现,植被点的识别则需手动编辑属性实现,可参照航拍影像目视解译。最终通过多次生成地面及植被模型,检查有无点云错分现象。
(2)高程归一化。利用得到的地面点通过Kring插值可得到数字地面模型(DEM),将所有植被点减去对应的DEM值,可获得高程归一化后的植被点云,即点云的高度值是绝对的,不受地形影响。
2、植被点云的分割
本发明采用自上而下的单木分割策略,首先确定植被点云中的最高点,为最高的那棵树的树顶点。将该区域内的平均树间距设定为分割的距离阈值,从该树顶点出发按距离阈值生长,可获得属于该棵树的所有点云,标记为同一个treeID。将第一棵树的所有点云都移除后,继续寻找剩余植被点中的最高点,为第二高的那棵树的树顶点,并按照距离阈值生长出属于该棵树的所有点云,标记后移除。
重复此过程,直至所有树木点云都被分割到各个单株树木点云中,即完成了单木分割(见图2)。剩余的植被点云为低矮植被:灌木及草地的集合,根据阈值0.5m及2m(经验值)将 0.5m以下的植被点标记为草地,0.5m~2m之间的标记为灌木。
3、树冠绿量的估算
针对分割得到的单株树木点云,可逐株实现树冠绿量的计算。具体分为两步实施:
(1)获取树冠点云。
大部分机载激光雷达获取的树木点云仅有树冠点,仍有少数可能会包含少许树干点或者低矮植被点,直接计算高差可能会导致高估。因此本发明利用树木点云在垂直方向上树冠处点云较多,树干无点或者仅有少数点的分布特性,通过在树木点云的高程分布频率图上定位拐点(见图3)来实现树冠点云的提取,图中点云密集区域即为获得的树冠点云。
(2)计算树冠体积。
本发明采用三维凸包法这一计算几何的方法直接计算树冠点云的外包体积(见图4)。
4、低矮植被绿量的估算
以往城市三维绿量大多仅关注树冠绿量这一绿量主体,低矮植被较少考虑。少数计算低矮植被绿量的研究也多通过获取植被面积后,乘以设定的经验高度来计算。为了尽可能的提高估算精度,本发明考虑直接从点云出发,通过边界追踪得到包围一簇簇植被点的小斑块,再利用每个小斑块内植被点的平均高程作为这一小簇植被的高度,这样斑块面积及植被高度都可以从点云出发直接获得,相乘即可得到各个斑块的植被绿量。其中,植被斑块的获得可通过开源软件LASTOOLS中的lasboundary算法实现,通过设置保留空洞及各个斑块连接,可得到包围各个小簇植被点的多个植被斑块。最终通过将该斑块计算得到的绿量赋予该斑块对应的多边形,可实现在GIS平台上对于低矮植被三维绿量的灵活管理。
5、三维绿量的矢量化管理
为促使三维绿量的推广应用,实现其矢量化管理尤为重要。通过将各个单株的树冠绿量值作为属性赋给相应的树顶点可实现树冠绿量的管理分析,低矮植被绿量则通过将绿量值赋给该多边形斑块实现。
当然,以上说明仅仅为本发明的较佳实施例,本发明并不限于列举上述实施例,应当说明的是,任何熟悉本领域的技术人员在本说明书的教导下,所做出的所有等同替代、明显变形形式,均落在本说明书的实质范围之内,理应受到本发明的保护。
- 一种基于LiDAR点云数据的三维绿量估算及管理方法
- 基于车载激光扫描数据的单株树三维绿量自动估算方法