基于地面激光雷达点云的树木冠层变化定量分析

采用切片形式的Alpha Shape 3D法估算树木冠层体积,从不同相对位置分析体素空间分布状态的变化.基于网格模型提取变化点云,研究冠层组分的空间变化,以受台风玛利亚破坏树木冠层为例,应用所提出的方法进行定量分析.通过多角度分析可知,该台风对目标树木总体破坏较小,树木冠层垂直方向的中下部受损较大,枝叶受损多集中于距离冠层中心水平方向2.0～2.5 m区间.分析结果表明,该定量分析方法可以反映树木冠层分布及体积变化情况.     

基于TLS数据的杨树削度方程建立及材积估算

【目的】削度方程可以很好地描述树干直径随树高变化的情况,基于地基激光雷达(terrestrial laser scanner, TLS)的高精度三维点云数据建立准确的削度方程并进行立木材积估算,对活立木尺度的材积估计具有重要意义。【方法】以江苏省黄海海滨国家森林公园杨树人工林为研究对象,获取4块样地的TLS点云数据,通过MATLAB 2020a软件计算点云平坦度和法向量以提取单木主干,采用圆拟合方法进行不同高度处的直径拟合,利用32株样木的数据,选取6种削度模型进行建模,得到杨树树干削度方程最优拟合模型,并进行材积估算。【结果】利用TLS数据提取的胸径能替代实测胸径,其平均误差小于0.90 cm。通过对6种模型的拟合优度检验,Schumacher and Hall模型为该地区杨树削度方程最优拟合模型,模型的决定系数R²=0.984,均方根误差为1.00 cm,相对百分误差为2.79%,平均预估误差为0.271%。利用Schumacher and Hall 削度方程最优拟合模型进行活立木材积的估算,经与二元材积方程估计结果进行对比,其相对差异为3.34%,二者在统计上无显著差异。【结论】该方法可以减少地面调查对树木造成的永久性破坏,为人工林的蓄积量调查提供有效的技术支持。     

基于林地激光点云的树木胸径自动提取方法

提出了一种基于随机RANSAC模型的树木胸径自动提取算法。首先,采用布料模拟滤波（CSF）算法对林地点云数据进行滤波,获取树木、地面数据与数字地面模型（DEM）并提取树木胸径处点云,然后进行欧式距离聚类,最后基于随机random sample consensus（RANSAC）模型拟合树木模型,实现自动化的树木胸径提取。使用上海市青浦区某区域两林区样地的地面激光点云数据对该算法进行验证,与实际人工测量树木胸径的平均偏差分别为0.79cm和0.52cm。实验对比结果表明,该算法在精度与时间性能上均优于基于Hough变换的算法与基于最小二乘的算法。     

基于激光点云的树木三维几何建模系统的设计与实现

根据树木的几何拓扑原理,直接利用地面激光扫描仪扫描获得的活立木点云数据,提出了一种基于点云数据的树木三维高精度、真实感的快速重建技术,重点解决了树木骨架点的提取、枝条系统分级重建、模型交互式编辑等关键技术.应用结果表明,基于点云的树木三维几何建模系统能够克服传统树木建模精度低、效率低、形态逼真度差等不足,依据点云数据能快速高效地重建出忠实于现实树木形态结构的三维真实感模型.系统具有良好、灵活的交互性以及较强的实用性,可广泛应用于森林资源管理、精准农业、古树名木管理、园林规划设计等领域.     

基于三维点云的工程结构平面分割及表面检测

为了实现对工程结构各平面更加全面、快速、准确的数字化检测,本文提出了一种基于三维点云的工程结构平面自动分割及表面检测方法。首先,通过无人机重建满足工程检测精度要求的高精度三维点云模型;其次,融合体素降采样方法、随机采样一致性(RANSAC)方法和基于密度的聚类算法(DBSCAN),快速、精准、自动地分割工程结构的特征平面,避免手动分割过程中存在的结果不确定及计算效率低的问题;第三,通过设计的精细分割算法有效剔除特征平面周围的噪点,准确提取结构特征平面点云,计算分析特征平面点云,数字化描述结构的表面形状;最后,通过一个在建地铁车站深基坑工程实例,系统地验证了该方法的有效性和准确性。研究结果表明：设计的三维点云平面自动分割算法能够实现工程结构各个平面快速准确的自动分割,自动分割与手动分割结果的交并比接近90%;针对工程结构平面的表面检测算法能够实现结构表面形状的准确测量,有效映射结构物理表面的状态。     

基于Potree结构的建筑物激光点云与BIM点云的变化检测

建筑变化检测可对建筑管理及决策提供有力支持。目前建筑变化检测的难点是完成检测任务所需计算成本高。为了提高检测效率,提出一种基于Potree结构的建筑物激光点云与建筑信息模型(building information modelling, BIM)点云的变化检测方法。该方法将实时获取的激光点云,与建设初期规划的BIM进行比较,检测和识别出二者之间的差异,作为建筑变化检测的结果。实验结果表明,与基于可修改嵌套八叉树结构方法比较,本文提出的方法在保证完整性、准确度等不损失的情况下,在时间复杂度上降低了22.05%。     

基于自适应阈值的循环增长地面点云分割算法

在坡度、路面起伏不平的场景中,针对单一阈值敏感性不足,多阈值简单组合存在冗余计算,且影响分割精度和鲁棒性的问题,提出了一种基于阈值自适应选取的点云分割方法。该方法在栅格分割中引入循环增长判断,以兼顾局部特征与全局特征,设计了一种触发式双特征判断机制,并通过拟合地面波动幅度自适应确定分割的高度阈值提高算法的分割效率和分割精度。最后基于开源数据集进行了仿真测试,验证了所提算法在地面点云分割中的精确性和时效性。     

基于多尺度网格的点云自适应坡度滤波算法

文章针对基于坡度滤波算法在地形复杂地区中难以合理设置滤波阈值的问题,提出了一种基于多尺度网格的点云自适应坡度滤波的算法.首先在构建的多尺度的虚拟网格内选取最优点作为初始地面种子点,计算网格的点云空间占比并划分网格语义属性,然后利用地形计算因子求得每个网格的坡度分类阈值,再按网格尺度由大到小的方式对整体点云进行坡度滤波,...     

基于森林连清数据的林分直径结构生长规律研究

根据连续清查的固定样地及样木检尺有关数据,选择人工起源的同龄纯杉木样地２２６块,采用三参数Ｗｅｉｂｕｌｌ分布对每块样地的直径分布进行拟合,通过对分布参数与林分年龄的变化关系分析,提出大地域上林分直径结构生长的普遍规律。     

基于机器学习算法的樟子松立木材积预测

【目的】 通过非线性和多种机器学习算法构建并对比不同的立木材积模型,为樟子松(Pinus sylvestris var. mongolica)立木材积的精准预测提供理论依据。【方法】 以大兴安岭图强林业局184株樟子松伐倒木数据为基础,建立非线性二元材积模型(NLR),并通过十折交叉检验和袋外数据(OOB)误差检验的方法得到3种最优机器学习算法,包括:反向神经网络(BP)、ε-支持向量回归(ε-SVR)和随机森林(RF)。对比分析不同模型间的差异,得到最优立木材积模型。【结果】 机器学习算法在立木材积的拟合和预测中均优于传统二元材积模型,具体拟合结果排序为RF>BP>ε-SVR> NLR。其中RF的决定系数(R²)比传统模型的提高了2.00%,均方根误差(RMSE)、相对均方根误差(RMSE%)、平均绝对误差(MAE)分别降低了22.90%、22.93%、36.34%,且与真实值相比平均相对误差(MRB)的绝对值更低,证明了RF在立木材积预测中的优越性。【结论】 机器学习算法作为一种新兴的建模方法可以有效地提高立木材积的预测精度,为森林资源的精准调查和经营管理提供新的解决方案。     

基于地面激光点云数据的单木三维重建方法

目的 使用地面三维点云数据,提出一种单株树木三维网格模型重建方法,为精准获取测树因子提供技术支撑。 方法 对获取的点云进行预处理,使用k-d树构建近邻关系图,用Dijkstra算法求算出子图的根。检测出有效路径后,使用探测半径计算关键路径。计算树枝骨架,然后对初始骨架进行Bezier曲线半径平滑,得到平滑的骨架,再将骨架连接,使用半径平滑和圆柱拟合减少点云密度小造成的拟合不足的情况,能够最大限度保留树枝的细节。结果 使用3株落叶松点云数据构建了树枝树干表面网格模型,重建了树木三维结构。将树干、树枝的三维网格模型与点云匹配后,效果较好;所构建的模型能够进行细小枝条的重建,而不是模拟细枝,通过观察重建结果,一级枝的重建效果非常好,大的二级枝也能得到很好的展示;整套算法计算快速,计算时间与枝条的复杂程度、连接关系有关。结论 基于关键路径探测的方法能够很好地构建树木的三维网格模型,可以用于单株树木测树因子的精确提取。     

地面三维激光扫描点云配准的最佳距离

分析点云配准的原理,在此基础上推导出点云配准误差传播模型.利用该模型解算了配准后的点位误差,将该误差作为衡量点云配准好坏的指标.为评估地面三维激光扫描测距的变化给点云配准误差造成的影响,设计了一套试验方案,在地面三维激光扫描仪测距精度内对不同距离进行了严格的试验.根据提取的靶心和点云配准误差传播模型,计算得出不同距离下的点云配准精度,从而分析得出点云配准精度的扫描最佳距离.结果表明点云误差传播模型正确,试验方法良好.     

一种人口迁移行为的动力学模拟与结构熵分析

人类行为研究一直是复杂系统关注的焦点,其动力学研究主要用以揭示人类行为发生的时空分布规律.人类行为的发生既有个体性也有群体性,目前的研究主要集中于前者.本文在一个二维网格上构建了受自然因素制约的人口迁移模型.结合“推拉理论”,模型中侧重考虑了不同区域农业经济发展水平,迁入地数量及区域间距离对迁移人口规模的影响.利用模型模拟了迁出及迁入区人口及人均粮食产量的变化趋势,并探讨了迁移发生过程中的熵变.结果表明,熵变呈先增后减趋势,说明系统人口迁移行为的发生经历了从无序到有序的发展进程.结合人口规模斑图进一步说明人口理性回迁是引起熵减的直接原因.     

区间参数结构的动力特性及静响应分析

确定区间参数结构动力特性和静响应最值可以很好地解决某些结构的不确定问题。结构的动力特性和静响应往往与参数之间存在着密切的联系,给出它们之间的内在联系可以使得区间参数结构的动力特性和静响应最值计算变得简单、有效。文中通过公式推导弹性模量E和质量密度ρ与结构动力特性和静响应相关的结论,并以桁架结构的动力特性作为算例,分别计算了单工况荷载作用下,加载点方向和非加载点方向的位移最值,比较了它们的参数取值,并验证了弹性模量E与加载点方向位移的关系。     

无单元法应用于欧拉梁的动力特性分析

基于广义移动最小二乘法建立了同时考虑挠度和转角双变量的无单元法用于欧拉梁的动力计算.与传统有限元法相比,该方法只需输入节点信息无需定义单元,具有前处理简单的优势;与只考虑挠度的单变量无单元法相比,该方法具有更高的插值精度.运用双变量无单元法计算了4种不同边界条件欧拉梁的自振圆频率和振型,通过与理论解、有限元解、单变量无单元解的比较,表明无单元法在动力分析中的应用是可行的,欧拉梁的计算同时考虑挠度和转角双变量是必要的,该法在高阶振型计算中具有精度优势.     

基于盾构隧道环缝点云的中轴线提取方法

为了降低盾构隧道中轴线提取对原始点云预处理的要求,引入了点云特征提取方法。 首先, 以基于距离差特征的裂缝点云提取方法,识别盾构隧道管片拼接处的环缝点云;然后,以最小二乘 法对提取的环缝内散点进行环缝曲线拟合;最后,在环缝曲线的基础上提取隧道中轴线。 实验结果 表明:基于距离差特征的点云提取方法能够有效识别环缝点云,并在环缝点云的基础上拟合得到隧 道中轴线。 与传统提取方法相比,该方法更加快捷,且提取的中轴线更具有空间感。     

基于激光点云的事故车辆曲面重建方法

交通事故分析再现离不开事故车辆曲面模型,变形的车身成了重建的障碍。利用三维激光扫描技术这一新方法快速、高效地获取事故现场激光点云并进行预处理;针对正面碰撞后车身前部保留1/3以上未变形区域的事故车辆,综合车身尺寸、车轮型号等提取用于绘制变形曲面特征点的尺寸基准,根据变形程度划分三个重建区域,按照特征点、特征曲线、曲面的顺序,从未变形区域开始,经由过渡区域至变形区域逐步重建车身前部曲面模型。通过实例重建模型与原车身的偏差分析显示,正偏差均值1.36 cm,负偏差均值-1.14 cm,都较小,同时曲面各处正或负偏差集中于偏差值较小的区间内。表明按本文方法直接利用变形车辆就可重建出具有足够精度的车身曲面模型。该模型经进一步处理后,可用于搭建多刚体—有限元耦合车辆模型。     

基于逐点交汇的双星无源定位方法及误差分析

为了利用双星自身运行轨迹及对空间飞行器的观测数据实现对目标的准确定位,建立基于测向公垂线中点的两站侧向交叉定位模型,逐点交汇定位求解目标运行轨迹,然后对误差偏移量进行分析,发现选取测向公垂线中点作为观测目标位置的偏移量不稳定,不符合系统误差稳定性的要求。基于此,将各观测线的公垂线集合所组成的曲面近似展成平面矩形,化空间曲线轨道为平面直线,重新建立逐点定位模型,并进行误差的评估;修正数据后重新定位精度明显提高。