林业科学  2016, Vol. 52 Issue (3): 121-128   PDF    
DOI: 10.11707/j.1001-7488.20160315
0

文章信息

刘金鹏, 张怀清, 刘闽, 李永亮
Liu Jinpeng, Zhang Huaiqing, Liu Min, Li Yongliang
基于地面激光扫描数据的单木分枝结构参数自动提取
Automatic Extraction of Individual Tree Branch Structure Parameters from Terrestrial Laser Scanning Data
林业科学, 2016, 52(3): 121-128
Scientia Silvae Sinicae, 2016, 52(3): 121-128.
DOI: 10.11707/j.1001-7488.20160315

文章历史

收稿日期:2015-04-14
修回日期:2015-08-04

作者相关文章

刘金鹏
张怀清
刘闽
李永亮

基于地面激光扫描数据的单木分枝结构参数自动提取
刘金鹏, 张怀清, 刘闽, 李永亮    
中国林业科学研究院资源信息研究所 北京 100091
摘要:【目的】应用地面激光扫描(TLS)数据提取单木点云骨架模型,提出一种基于骨架模型的单木分枝结构及枝长、分枝角度信息自动提取方法,为单木参数化建模与森林可视化模拟提供数据基础,并丰富林业参数调查手段。【方法】应用地面激光扫描仪器FARO,以1/4分辨率、测速244 000点·s-1获取试验区3株单木的点云数据。首先,采用SkelTre算法对带有噪声的TLS数据生成骨架模型;然后,基于该骨架模型和图深度优先搜索算法提出一种自动提取分枝结构的方法,根据骨架模型邻边的拓扑关系搜索与各个分枝相连接的节点,每个节点中包含该节点主导方向、邻边个数及位置的属性,通过这些属性判定节点是否为分枝节点;由于分枝节点存在一定的位置误差,因此采用圆柱拟合法修正着枝点处分枝的延伸方向,降低应用原始骨架模型估计的分枝角度值的误差,以获取较为精确的分枝角度θ;最后,根据修正后的角度大小划分不同级别的分枝结构,通过计算分枝的骨架线段总长度,估计分枝的枝长并与野外实测值进行对比验证。【结果】试验单木的分枝结构明确,实现了枝长与角度的自动获取,共提取出22条一级枝、43条二级枝;枝长的实测值与估计值回归方程为Y=1.003X+0.03,R2=0.998,二者的均方根误差为0.029 m;骨架模型估计的分枝角度与实测角度的回归方程为Y=0.672X+16.779,R2=0.356,二者的均方根误差为20.45°;应用圆柱拟合法修正后的分枝角度与实测角度的回归方程为Y=1.008X+0.18,R2=0.975,二者的均方根误差为3.44°。【结论】基于骨架模型并以拟合圆柱法修正分枝角度提取单木形态结构参数的算法能够比较准确地提取单木分枝结构,枝长的提取精度较高,圆柱拟合法能够有效改善骨架模型估计角度的精度。
关键词地面三维激光扫描    骨架模型    枝长    形态结构    分枝角度    
Automatic Extraction of Individual Tree Branch Structure Parameters from Terrestrial Laser Scanning Data
Liu Jinpeng, Zhang Huaiqing, Liu Min, Li Yongliang     
Research Institute of Forest Resource Information Techniques, CAF Beijing 100091
Abstract: [Objective] Using terrestrial laser scanning(TLS) data to extract skeleton of individual tree and developing an automatic measurement algorithm of branch structure based on skeleton model for parameterized modeling and visualization simulation of forest.[Method] We applied FARO terrestrial laser scanner, with a quarter of the resolution, speed 244 000 s-1 to obtain three trees' TLS data. Firstly, skeleton model was generated by SkelTre algorithm using TLS data with noise. Then, we developed a new method to extract branch structure with depth first search algorithm. According to the skeleton model, we searched the branch nodes connecting parent branch with child branch. Each node contained some information about this dominated direction, number of different branches and those coordinates. Due to the position error caused by skeletonization, we adopted the cylinder fitting to correct the extension direction of the branches and reduce the error of the branches' angle estimated by the skeleton model. Finally, we extracted the morphological structure based on the revised branches' angle through verification of total length of the estimated and measured branches.[Result] The experimental trees' branch structure was clear. Branch length and angle were all automatically determinated. Primary branches extracted were totally 22 and the secondary branches were 43. Regression equation of the estimated and measured length was Y=1.003X+0.03 which performed with R-squared of 0.998. The root mean square error (RMSE) between estimated length and measured length was 0.029 m. Moreover, regression equation of the branch angle estimated and measured by skeleton model was Y=0.672X+16.779, which performed with R-squared of 0.356 and RMSE of 20.45°. Nevertheless, regression equation of the branch angle estimated and measured by cylinder fitting was Y=1.008X+0.18, it performed with R-squared of 0.975 and RMSE of 3.44°.[Conclusion] The algorithm of estimation and extraction based on cylinder fitting could accurately determine branch structure on individual tree. Furtherly, the extracted branches' length performed high precision and cylinder fitting method could effectively improve accuracy of the branch angles estimated by skeleton model.
Key words: terrestrial laser scanning    skeleton model    branch length    morphological structure    branch angle    

地面激光扫描(terrestrial laser scanning,TLS)是一种获取真实物体表面信息并以空间点云坐标形式保存的技术,能够有效实现三维实体的空间建模和表面特征获取。近年来,地面激光扫描技术在林业测量方面开始得到推广,如Bienert等(20062007)、Király等(2010)Srinivasan等(2015)应用地面激光扫描技术提取树高、胸径等参数并建立单木模型均取得了良好效果。

单木的三维骨架模型能够直观反映树木的形态结构及拓扑关系,对获取单木的形态结构参数以及进行有关树木生长模拟及可视化研究具有重要作用。图形学与遥感技术的发展为获取树木三维骨架模型提供了基础。目前点云骨架化方法可以归纳为水平集方法、聚类法、基于图论的方法及拉普拉斯算子法。Verroust等(2000)较早提出了利用水平集法从点云数据中提取骨架曲线的方法。Livny等(2010)应用水平集方法提出了一种基于圆柱模型的树木结构重建方法,但该算法需对所有坐标点建立拓扑图,算法的执行效率不高。Gorte等(2004)基于体元化方法重建单木的拓扑结构,将空间散乱点云栅格体元化,通过空间聚类提取树干及树枝厚度至一个体元并识别它们之间的拓扑结构,但聚类法识别的拓扑结构通常与聚类距离相关,使得识别误差较大。Bucksch等(2008)基于图削减法提出了CAMPINO算法,该算法基于几何法并且生成Reeb图(Reeb,1946),实现了带有大量噪声的树木点云地骨架化。基于拉普拉斯算子的算法源于Tagliasacchi等(2009)的思想,Cao等(2010)在其基础上改进了该算法使得数据不再需要点云法矢信息。Su等(2011)使用此算法对农作物和树木的点云数据进行骨架化处理,效果显著。

在国内,应用三维激光扫描数据重建树木拓扑并且进行树木结构参数提取的研究较少,测树因子的研究多数集中于在林分尺度下应用地面激光雷达数据对单木位置、胸径和树高的提取。倪文俭等(2010)提出了一种基于树干点云垂直连续分布特征的树干识别方法,并应用该方法提取了单木位置、胸径和树高,最后将所提取的结构参数与实地测量数据进行对比,结果具有较好的一致性。王宁宁等(2015)应用三维激光扫描数据获取杨树树冠特征参数,根据枝长、分枝角度、方位角等参数分析树冠结构,但是缺乏从树木拓扑结构方面的分析,参数提取依赖于手动交互获取,工作量较大。

分枝角度是枝与其着生基枝之间的夹角,其大小影响分枝的长势和树冠的形状。在植株培育和可视化模拟方面,主枝与中心干、侧枝与主枝的分枝角度十分重要,因此本文应用SkelTre算法(Bucksch,2010)生成单木点云骨架模型,提出一种应用圆柱拟合法对着枝点处分枝的延伸方向进行修正,并在此基础上估计枝长、分枝角度等参数验证其参数精度,从而自动提取单木分枝结构的方法。

本研究避免了对空间点云数据的分块、重组等步骤,便于综合现有分散的单木参数提取方法,使之应用在基于骨架模型的单木测树因子提取研究上,为单木形态参数的自动获取提供了新的思路。

1 材料与方法 1.1 试验材料

试验地位于北京市怀柔区(116°44′E,40°18′N),试验区分布有油松(Pinus tabulaeformis)、毛白杨(Populus tomentosa)、臭椿(Ailanthus altissima)、樱桃(Cerasus pseudocerasus)等多种不同年龄的树种。为了便于分枝枝长参数的测量,本研究从试验区中选取1株4年生3.5 m高、胸径3.1 cm的毛白杨,1株5年生4.5 m高、胸径4.4 cm的毛白杨1株3年生1.6 m高、胸径2.3 cm的樱桃作为试验材料,应用测高尺测量3株树木的树高,用胸径尺测量树木的胸径,以分枝枝条延伸方向为轴测量分枝偏移轴向的夹角作为分枝角度进行研究,分枝枝长和角度如图 1所示。

图 1 分枝枝长和角度 Fig. 1 Branch length and angle

骨架化及参数自动提取程序的运行平台为Microsoft Windows 7,集成开发环境为Visual Studio2010,语言为C#。

1.2 TLS数据获取及处理

外业使用的地基激光扫描仪器为FaroLS120三维激光扫描仪。试验于2014年4月13日在北京怀柔森林可视化试验区进行。设置FaroLS120激光扫描仪参数,选择1/4分辨率、测速244 000点·s-1;对试验样木(毛白杨与樱桃)设立4个测站,分别从东、东南、西北、西南方向进行扫描,扫描仪距离树干1~1.4 m。为了最大限度地覆盖单木表面,各个测站的重叠度均大于50%。

完成单木所有测站的扫描后,应用Faro Scene 软件进行各测站点云图的空间配准,导出点云坐标文件(*.xyz)。将坐标文件导入到Geomagic Studio软件中手动删除样木周围的扫描点,分离出样木的点云数据并去除噪点。

1.3 SkelTre算法与圆柱拟合算法

Bucksch等(2010)在总结CAMPINO算法(Bucksch,2008)之后,提出了一种基于图论的快速点云骨架化方法。该算法的重点是基于点云的等长空间剖分,通过自定义邻边生成和合并规则构建三维空间体元(立方体),并合并具有相同延伸方向的邻边形成基于Reeb图(Reeb,1946)的以线段连接表示的点云骨架模型,算法简单且程序执行效率较高,适合计算带有噪声的树木骨架模型。算法涉及的重要定义有邻边标记向量(Label)、类内距di和类间距dij、顶点方向(Vdir)、顶点维度(Vdim)、重要的合并规则E-Pair以及V-Pair。

圆柱拟合(cylinder fitting)算法根据表面点云的近似规则性,利用表面点云的管状分布特性结合广义最小二乘法计算表面点云至圆柱旋转中轴距离最小的柱面模型,其优势在于能够最大限度地利用表面点云以提高计算的可靠性。本文中圆柱模型包括7个参数,分别为底面圆心坐标Pc(x,y,z)、方向向量Dr(dirX,dirY,dirZ)、圆柱半径R。拟合流程如图 2所示。

图 2 圆柱拟合流程 Fig. 2 The flow chart of cylinder fitting algorithms
1.4 分枝结构提取

本文的参数提取试验过程全部在Visual Studio 2010 平台上独立开发完成。分枝结构及参数估计的算法主要分为点云骨架化过程和基于拓扑结构的参数提取过程(图 3)。

图 3 骨架化流程 Fig. 3 The flow chart of skeletonization

1)骨架化 (1)输入预处理后的点云坐标文件(*.xyz);(2)给定点云体元化最小立方体边长L,计算各个立方体元内坐标点的类间距dij和类内距di,并按照1/4类间距不大于二者最大类内距的原则,即1/4×d12 ≤max(d1d2)初始化每个重心点邻边并标记Label;(3)计算各个网格重心点或顶点的方向Vdir(Vi);(4)按顶点维度Vdim从5到2循环搜索每个顶点的所有V-Pair 加入VpairList列表;(5)若未搜索到V-Pair,则搜索一对E-Pair 进行合并,将所有产生的V-Pair添加到VpairList中;(6)合并所有V-Pair,并返回步骤(4)。

2)分枝提取在生成单木骨架过程中,节点权重取决于体元内点云密度,在着枝点处的节点容易出现如图 6所示的位置偏移,造成分枝角度计算误差,因此,在形态参数提取之前需对该误差进行修正。分枝处点云分布在一定长度内可以近似为圆柱面,故应用圆柱拟合计算中轴向量修正分枝方向。输入点云坐标文件(毛白杨、樱桃)得到的骨架,其分枝和树干的骨架能够用于直接提取单木参数如分枝角度、枝长,并由此判断产生的分枝率和分枝等级。提取枝条的步骤如图 4

图 4 分枝提取流程 Fig. 4 The flow chart of extracting branches
图 6 着枝点位移 Fig. 6 The branch point displacement

(1)搜索骨架沿Z轴方向的最小值作为树根(root),根据图深度优先搜索法和骨架模型中节点的方向Vdir搜索邻边(图 5)。

图 5 分枝结构 Fig. 5 The branch structure

(2)当待定邻边只有1条时,存储当前该边为同级枝条。当邻边存在2条或者2条以上时,做如下判断:首先计算当前节点的顶点方向Vdir,然后判断与之相邻的边是否位于该顶点的主导方向上;若存在位于主导方向上的待定邻边,则确定该条待定边为同一级枝条,其他枝条为子枝;若主导方向上无待定边,则计算前一条边与所有待定邻边之间的夹角(θ)。

(3)为了避免分枝夹角计算误差(图 6),给定分枝处的一个经验值作为搜索半径r,该经验值为搜索枝条局部点以拟合圆柱模型的最大范围值,用以控制点云最近邻(KNN)搜索范围。由于试验所用单木的一二级分枝枝径差异不大,所以搜索半径选用0.05 m,获取着枝点处局部分枝。

(4)对步骤3)中的枝条表面点云采用圆柱面拟合,修正骨架线方向如图 7,并且计算步骤2)中的夹角。

图 7 修正角度 Fig. 7 Correction angle

(5)根据枝条延伸方向与分枝条的夹角大小判断分枝归属。由于大多数树木的分枝角度有近30°,45°,60°和90°几种方式(张国财等,2008),所以本试验中粗略给定当角度θ>35°作为子枝与分枝的区分条件:当θ>35°时,该枝条判定为子枝,否则为分枝本身所在枝条,从而提取分枝结构。

2 结果与分析 2.1 单木分枝结构

分枝结构是单木树冠研究的重要内容,对了解树冠形态和蓄积量估计具有重要作用。本文应用的算法对单木分枝结构提取的主要依据是枝条的延伸方向(骨架节点主导方向)及角度,当分枝节点处的邻边枝条与前一条边的分枝角度θ>35°时,单木提取结果见表 1,不同等级的枝条颜色表示为主干(红色)、一级枝(绿色)、二级枝(紫色)、三级枝(蓝色)。判定樱桃的分枝共3级,其中一级枝6条、二级枝6条、三级枝2条;2株毛白杨共2级分枝,其中一级枝16条、二级枝37条。

表 1 单木骨架及分枝结构 Tab.1 Individual-tree skeleton and branches
2.2 枝长与分枝角度估计

原始点云数据(毛白杨、樱桃)分枝清晰且易于测量,便于检验用于骨架化和分枝提取的精确性。应用本研究算法提取了原始数据中65条二级以上的枝条,其中一级枝22条、二级枝43条,计算每级枝条中所有线段的总长度作为提取后的估计值。

图 8给出了原始单木测量得到的一二级分枝枝长与应用本研究算法提取的分枝枝长得到的估计值的散点分布关系。应用TLS数据估计得到的枝长与实测枝长的估计结果具有明显的线性关系。采用线性回归分析建立实测值与估计值之间的线性模型,得到表 2回归结果。由图 8中可知,实测值与估计值基本于Y=X直线两侧均匀分布。F值能够确定接受该回归方程,拟合优度R2为0.998,均方根误差为0.039 m,枝长实测值与估计值存在明显线性关系,且二者的值基本上沿Y=X分布表明二者数值接近,并且枝长实测与估计值的均方根误差为0.029 m。

图 8 枝长实测值与估计值回归分析 Fig. 8 Regression analysis of branch length measured and estimated

获取分枝角度,并取3次测角平均值作为枝条角度实测值α;计算试验中的65条子枝角度,记录分枝提取过程中直接应用骨架线估计的分枝角度值β与经过圆柱拟合法估计得到的分枝角度θ。对角度实测值α与估计值β以及实测值α与估计值θ进行回归分析得到如图 910所示结果。

图 9 分枝角度实测值α与估计值β回归分析 Fig. 9 Regression analysis of branch angle measured (α) and estimated (β)
图 10 分枝角度实测值α与估计值θ回归分析 Fig. 10 Regression analysis of branch angle measured (α) and estimated (θ) by cylinder fitting

图 9表 3可知,回归方程R2拟合优度较低,不能接受该模型,表明实测值与估计值二者不存在较强的线性关系,因此直接应用骨架模型计算得到的分枝角度与实际观测值α和估计值β之间相关性不强,骨架模型不足以直接用于提取分枝角度;而由图 10表 4可知,回归方程R2拟合优度高,能够接受该模型,并且实测值α与圆柱拟合估计值密切分布在Y=X直线两侧,二者线性相关性明显。经计算角度的骨架模型估计值β与实测值α以及圆柱拟合法θ与实测值α之间的均方根误差分别为20.45与3.44,可知圆柱拟合法估计的分枝角度具有较高精度。综上所述,应用圆柱拟合算法对分枝角度的估计有明显优势,能够弥补树木骨架模型在计算分枝角度时的估计误差,提高数据获取的精度。

表 2 枝长实测与估计值回归分析 Tab.2 Branch length measured and estimated regression analysis
表 3 角度实测值α与估计值β回归分析 Tab.3 regression analysis of branch angle measured (α) and estimated (β)
表 4 角度实测值α与估计值θ回归分析 Tab.4 Regression analysis of branch angle measured (α) and estimated (θ)
3 结论与讨论

本文基于SkelTre空间点云体元化和邻边合并的木骨架化理论,应用三维激光扫描仪获取了毛白杨和樱桃的点云数据,实现了单木的骨架化并明确提取了单木的分枝结构;通过枝长的实测值与估计值回归分析证明了该方法的准确性和实用性。主要结论如下:

1)采用拟合圆柱的方法修正分枝角度,弥补了提取基于骨架的分枝角度误差,为后续骨架的优化提供方法依据。

2)基于图和骨架的单木分枝结构和枝长提取算法具有较强的稳定性,对比枝长与角度实测值和提取的估计值证明该算法在参数提取方面具有较高精度。

3)本试验在获取单木拓扑结构的基础上为其他单木形态参数如枝径的提取提供了指导。地面激光扫描(TLS)技术在林业调查研究方面,其最大优势在于应用TLS数据获取单木参数的同时,对树木本身不造成伤害且方便对目标树木的持续观测。本文提出的算法能够简单自动化地提取单木形态结构及其参数,具有较高的精确度,但是该算法依赖于单木骨架模型;其中,单木体元化所使用的经验值仍需改进,需针对不同采样精度和树种实现体元大小的自适应变化;单木的分枝结构判定具有不同的标准,未来提取工作需要加入多种判定条件,以提高分枝判定的严谨性。本文算法对于提取单木的其他形态参数如枝径、树高等具有明显的适用性和潜在应用价值,如何实现单木形态参数的精确自动获取有待进一步研究。

参考文献(References)
[1] 倪文俭,过志峰,孙国清,等. 2010.基于地基激光雷达数据的单木结构参数提取研究.高技术通讯, (2):191-198.
(Ni W J, Guo Z F, Sun G Q, et al. 2010. Structure parameters extraction of individual tree based on terrestrial laser ladar data. Chinese High Technology Letters,(2):191-198[in Chinese]).(1)
[2] 王宁宁,尹文广,黄秦军,等. 2015.三维扫描技术在获取杨树树冠结构特征参数上的应用.林业科学,51(5):108-116.
(Wang N N, Yin W G, Huang Q J, et al. 2015. Application of 3-D scanning technology on acquiring poplar crown structure characteristic parameters. Scientia Silvae Sinicae,51(5):108-116[in Chinese]).(1)
[3] 张国财,原瑶,阳艳岚. 2008.树木分枝结构研究概述.林业科技情报, 40(1):8-9.
(Zhang G C, Yuan Y, Yang Y L. 2008.The trees branch structure research overview. Forestry Science and Technology Information, 40(1):8-9[in Chinese]).(1)
[4] Bienert A, Scheller S, Keane E, et al. 2006. Application of terrestrial laser scanners for the determination of forest inventory parameters. International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, 36:Part 5.(1)
[5] Bienert A, Scheller S, Keane E, et al. 2007. Tree detection and diameter estimations by analysis of forest terrestrial laser scanner point clouds.ISPRS Workshop on Laser Scanning 2007 and SilviLaser 2007 Espoo, Espoo, Finland, 12-14 September, 50-55.(1)
[6] Bucksch A, Lindenbergh R, Menenti M. 2010. SkelTre. The Visual Computer, 26(10):1283-1300.(2)
[7] Bucksch A, Lindenbergh R. 2008. CAMPINO-a skeletonization method for point cloud processing. ISPRS Journal of Photogrammetry and Remote Sensing, 63(1):115-127.(2)
[8] Cao J, Tagliasacchi A, Olson M, et al. 2010. Point cloud skeletons via laplacian based contraction. Published in Shape Modeling International Conference(SMI), 187-197.(1)
[9] Gorte B, Pfeifer N. 2004. Structuring laser-scanned trees using 3D mathematical morphology. International Archives of Photogrammetry and Remote Sensing, 35(B5):929-933.(1)
[10] Király G, Brolly G. 2010. Volume calculations of single trees based on terrestrial laser scanning. Silvilaser, Freiburg, Germany.(1)
[11] Livny Y, Yan F, Olson M, et al. 2010. Automatic reconstruction of tree skeletal structures from point clouds. ACM Transactions on Graphics (TOG), 29(6):151.(1)
[12] Reeb G. 1946. Sur les points singuliers d'une forme de pfaff completement intégrable ou d'une fonction numérique. CR Acad Sci Paris, 222:847-849.(2)
[13] Srinivasan S, Popescu S C, Eriksson M, et al. 2015. Terrestrial laser scanning as an effective tool to retrieve tree level height, crown width, and stem diameter. Remote Sensing, 7(2):1877-1896.(1)
[14] Su Z, Zhao Y, Zhao C, et al. 2011. Skeleton extraction for tree models. Mathematical and Computer Modelling, 54(3):1115-1120.(1)
[15] Tagliasacchi A, Zhang H, Cohen-Or D. 2009. Curve skeleton extraction from incomplete point cloud. ACM Transactions on Graphics (TOG)-Proceedings of ACM,28(3):71.(1)
[16] Verroust A, Lazarus F. 2000. Extracting skeletal curves from 3D scattered data. The Visual Computer, 16(1):15-25.(1)