高级检索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

利用无人机高分辨率影像进行树木高度提取

杨坤 赵艳玲 张建勇 陈超 赵鹏鹏

杨坤, 赵艳玲, 张建勇, 陈超, 赵鹏鹏. 利用无人机高分辨率影像进行树木高度提取[J]. 北京林业大学学报, 2017, 39(8): 17-23. doi: 10.13332/j.1000-1522.20160428
引用本文: 杨坤, 赵艳玲, 张建勇, 陈超, 赵鹏鹏. 利用无人机高分辨率影像进行树木高度提取[J]. 北京林业大学学报, 2017, 39(8): 17-23. doi: 10.13332/j.1000-1522.20160428
YANG Kun, ZHAO Yan-ling, ZHANG Jian-yong, CHEN Chao, ZHAO Peng-peng. Tree height extraction using high-resolution imagery acquired from an unmanned aerial vehicle (UAV)[J]. Journal of Beijing Forestry University, 2017, 39(8): 17-23. doi: 10.13332/j.1000-1522.20160428
Citation: YANG Kun, ZHAO Yan-ling, ZHANG Jian-yong, CHEN Chao, ZHAO Peng-peng. Tree height extraction using high-resolution imagery acquired from an unmanned aerial vehicle (UAV)[J]. Journal of Beijing Forestry University, 2017, 39(8): 17-23. doi: 10.13332/j.1000-1522.20160428

利用无人机高分辨率影像进行树木高度提取

doi: 10.13332/j.1000-1522.20160428
基金项目: 

国家自然科学基金项目 41371502

详细信息
    作者简介:

    杨坤。主要研究方向:土地复垦与生态重建。Email:ykvolcano@sina.com   地址:100083 北京市海淀区学院路丁11号中国矿业大学(北京)

    通讯作者:

    赵艳玲,教授,博士生导师。主要研究方向:土地复垦与生态重建及3S技术应用。Email:zhaoyl7677@163.com   地址:同上

  • 中图分类号: S771.5

Tree height extraction using high-resolution imagery acquired from an unmanned aerial vehicle (UAV)

  • 摘要: 无人机遥感技术在树木参数获取中具有重要作用。为探讨利用无人机高分辨率影像提取树高的可行性,本文选择邱集煤矿矿区森林公园为研究区,采用Pix4D软件对无人机采集的高分辨率影像进行处理,生成研究区正射影像和三维点云;利用最大类间方差法将三维点云分割为树木点云及树下地面点云两部分,由此提取树木顶端高度和地面平均高度,并将地面平均高度视为树木根部的高度,得到树木高度。研究表明:最大类间方差法能够准确分割树木点云和地面点云;利用无人机高分辨率影像进行树高提取是可行的,树木高度测量绝对误差小于80cm、相对误差绝对值最大为16.2%、标准误差为36.3cm;同时,树冠的形状会对树高测量造成影响,阔卵形树冠的法国梧桐和圆锥形树冠的圆柏高度标准误差分别为29.2和50.9cm,两者树高测量值与真实值决定系数分别为0.9920和0.8894,阔卵形树冠的法国梧桐测高精度明显高于圆锥形树冠的圆柏测高精度。
  • 图  1  大疆M100无人机

    Figure  1.  DJI M100 unmanned aerial vehicle(UAV)

    图  2  无人机航线和相机拍照位置

    Figure  2.  UAV flight route and camera position

    图  3  树高提取工作流程

    Figure  3.  Workflow of extracting tree height

    图  4  研究区点云数据

    Figure  4.  Point cloud data of the study area

    图  5  样本树木地面点云与树木点云的分割

    Figure  5.  Segmentation results of ground and tree point cloud of 6th tree

    图  6  各实验树木高度误差

    Figure  6.  Height error of the experimental trees

    图  7  不同树种的树木测量高度与真实高度比较

    Figure  7.  Comparison of measured tree height and real tree height of different tree species

    表  1  树木高度提取结果

    Table  1.   Extraction results of tree height

    树木编号
    Tree serial No.
    树种
    Tree species
    真实树高
    Real tree height/m
    测量树高
    Measured tree height/m
    误差
    Error/cm
    相对误差
    Relative error/%
    1 圆柏Sabina chinensis 4.557 4.178 -37.9 -8.3
    2 圆柏S. chinensis 4.690 3.929 -76.1 -16.2
    3 圆柏S. chinensis 4.727 4.391 -33.6 -7.1
    4 圆柏S. chinensis 4.661 4.026 -63.5 -13.6
    5 圆柏S. chinensis 5.222 4.495 -72.7 -13.9
    6 圆柏S. chinensis 5.875 5.513 -36.2 -6.2
    7 圆柏S. chinensis 5.458 5.324 -13.4 -2.5
    8 圆柏S. chinensis 5.435 5.036 -39.9 -7.3
    9 法国梧桐Platanus acerifolia 6.929 6.515 -41.4 -6.0
    10 法国梧桐P. acerifolia 7.427 7.301 -12.6 -1.7
    11 法国梧桐P. acerifolia 7.968 7.861 -10.7 -1.3
    12 法国梧桐P. acerifolia 6.577 6.489 -8.8 -1.3
    13 法国梧桐P. acerifolia 7.927 7.579 -34.8 -4.4
    14 法国梧桐P. acerifolia 7.516 7.245 -27.1 -3.6
    15 法国梧桐P. acerifolia 8.816 8.630 -18.6 -2.1
    16 法国梧桐P. acerifolia 8.358 8.232 -12.6 -1.5
    17 法国梧桐P. acerifolia 6.744 6.417 -32.7 -4.8
    18 法国梧桐P. acerifolia 6.437 5.997 -44.0 -6.8
    19 法国梧桐P. acerifolia 11.017 10.851 -16.6 -1.5
    20 法国梧桐P. acerifolia 12.223 11.736 -48.7 -4.0
    21 法国梧桐P. acerifolia 6.786 6.504 -28.2 -4.2
    22 法国梧桐P. acerifolia 8.797 8.405 -39.2 -4.5
    23 法国梧桐P. acerifolia 8.482 7.869 -61.3 -7.2
    24 法国梧桐P. acerifolia 13.347 13.269 -7.8 -0.6
    25 法国梧桐P. acerifolia 12.595 12.553 -4.2 -0.3
    26 法国梧桐P. acerifolia 5.046 4.702 -34.4 -6.8
    27 法国梧桐P. acerifolia 5.296 5.207 -8.9 -1.7
    28 法国梧桐P. acerifolia 5.828 5.977 14.9 2.6
    29 法国梧桐P. acerifolia 5.271 5.493 22.2 4.2
    30 法国梧桐P. acerifolia 5.081 5.290 20.9 4.1
    下载: 导出CSV

    表  2  树木高度误差绝对值范围统计

    Table  2.   Error absolute value range statistics of tree height

    误差绝对值范围
    Error absolute value range/cm
    树木数量
    Tree number
    占比
    Proportion/%
    0~10 4 13.3
    10~20 7 23.3
    20~30 4 13.3
    30~40 8 26.7
    40~50 3 10.0
    >50 4 13.3
    下载: 导出CSV

    表  3  不同树种高度标准误差

    Table  3.   Root mean square error (RMSE) of tree height of different tree species

    树种
    Tree species
    树冠形状
    Canopy shape
    高度标准误差
    RMSE of height/cm
    决定系数
    Coefficient of determination
    圆柏Sabina chinensis 圆锥形Conical 50.9 0.889 4
    法国梧桐Platanus acerifolia 阔卵形Oval 29.2 0.992 0
    下载: 导出CSV
  • [1] 汪小钦, 王苗苗, 王绍强, 等.基于可见光波段无人机遥感的植被信息提取[J].农业工程学报, 2015, 31(5):152-159. doi:  10.3969/j.issn.1002-6819.2015.05.022

    WANG X Q, WANG M M, WANG S Q, et al. Extraction of vegetation information from visible unmanned aerial vehicle images[J]. Transactions of the Chinese Society of Agricultural Engineering, 2015, 31(5): 152-159. doi:  10.3969/j.issn.1002-6819.2015.05.022
    [2] SELKOWITZ D J, GREEN G, PETERSIN B, et al. A multi-sensor lidar, multi-spectral and multi-angular approach for mapping canopy height in boreal forest regions[J]. Remote Sensing of Environment, 2012, 121(2):458-471. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=db33fbff1b96c1197c85bc14ff04d38c
    [3] 侯红亚, 王立海, 徐华东, 等.目测法估测树高的误差分析[J].森林工程, 2012, 28(2):6-8. doi:  10.3969/j.issn.1001-005X.2012.02.002

    HOU H Y, WANG L H, XU H D, et al. Error analysis of tree height estimation based on eye measurement[J]. Forest Engineering, 2012, 28(2):6-8. doi:  10.3969/j.issn.1001-005X.2012.02.002
    [4] 冯仲科, 隋宏大, 邓向瑞, 等.三角高程法树高测量与精度分析[J].北京林业大学学报, 2007, 29(增刊2):31-35. http://www.cnki.com.cn/Article/CJFDTOTAL-LDGH200906005.htm

    FENG Z K, SUI H D, DENG X R, et al.Survey and precision analysis of tree height by trigonometric leveling[J]. Journal of Beijing Forestry University, 2007, 29(Suppl.2):31-35. http://www.cnki.com.cn/Article/CJFDTOTAL-LDGH200906005.htm
    [5] 冯仲科, 赵英琨, 邓向瑞, 等.三维前方交会法测量树高及其精度分析[J].北京林业大学学报, 2007, 29 (增刊2):36-39. http://www.cnki.com.cn/Article/CJFDTEMP-BJLY2007S2009.htm

    FENG Z K, ZHAO Y K, DENG X R, et al. Measurement and precision analysis of tree height by 3D forward intersection[J].Journal of Beijing Forestry University, 2007, 29 (Suppl.2):36-39. http://www.cnki.com.cn/Article/CJFDTEMP-BJLY2007S2009.htm
    [6] 冯仲科, 韩熙春, 周科亮, 等.全站仪固定样地测树原理及精度分析[J].北京测绘, 2003(1):28-30. doi:  10.3969/j.issn.1007-3000.2003.01.008

    FENG Z K, HAN X C, ZHOU K L, et al. The analysis of forestry measuration principle and precision in fixed samples by total station[J].Beijing Surveying and Mapping, 2003(1):28-30. doi:  10.3969/j.issn.1007-3000.2003.01.008
    [7] 谢鸿宇, 温志庆, 钟世锦, 等.无棱镜全站仪测量树高及树冠的方法研究[J].中南林业科技大学学报, 2011, 31(11):53-58. doi:  10.3969/j.issn.1673-923X.2011.11.011

    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[J]. Journal of Central South University of Forestry and Technology, 2011, 31(11):53-58. doi:  10.3969/j.issn.1673-923X.2011.11.011
    [8] 王智超, 冯仲科, 闫飞, 等.全站仪测树的内外业一体化方法研究[J].西北林学院学报, 2013, 28(6):134-138. doi:  10.3969/j.issn.1001-7461.2013.06.27

    WANG Z C, FENG Z K, YAN F, et al. Integrated indoor and field forest measurement by using total station[J].Journal of Northwest Forestry University, 2013, 28(6):134-138. doi:  10.3969/j.issn.1001-7461.2013.06.27
    [9] DEMETRIOS G, JEREMYS F, VIEENTES M. Challenges to estimating tree height via LiDAR in closed-canopy forests: a parable from Western Oregon[J]. Forest Science, 2010, 56(2):139-155. http://cn.bing.com/academic/profile?id=4cafa9f5e90a42a92cfd9dcd94bd044c&encoded=0&v=paper_preview&mkt=zh-cn
    [10] ANDERSEN H E, REUTEBUCH S E, MEGAUGHEY R J. A rigorous assessment of tree height measurements obtained using airborne lidar and conventional field methods[J]. Canadian Journal of Remote Sensing, 2006, 32(5):355-366. doi:  10.5589/m06-030
    [11] 邓向瑞, 冯仲科, 马钦彦, 等.三维激光扫描系统在立木材积测定中的应用[J].北京林业大学学报, 2007, 29(增刊2):74-77. http://www.cqvip.com/QK/95250X/2007S2/3000298662.html

    DENG X R, FENG Z K, MA Q Y, et al. Application of 3D laser scanning system in measuring standing volume[J].Journal of Beijing Forestry University, 2007, 29(Suppl.2):74-77. http://www.cqvip.com/QK/95250X/2007S2/3000298662.html
    [12] 吴宾, 余柏蒗, 岳文辉, 等.一种基于车载激光扫描点云数据的单株行道树信息提取方法[J].华东师范大学学报(自然科学版), 2013(2):38-49. doi:  10.3969/j.issn.1000-5641.2013.02.005

    WU B, YU B L, YUE W H, et al. Method for identifying individual street trees from the cloud data of the vehicle-borne laser scanning points[J].Journal of East China Normal University(Natural Science), 2013(2):38-49. doi:  10.3969/j.issn.1000-5641.2013.02.005
    [13] 金伟, 葛宏立, 杜华强, 等.无人机遥感发展与应用概况[J].遥感信息, 2009(1):88-92. doi:  10.3969/j.issn.1000-3177.2009.01.017

    JIN W, GE H L, DU H Q, et al. A review on unmanned aerial vehicle remote sensing and its application[J].Remote Sensing Information, 2009(1):88-92. doi:  10.3969/j.issn.1000-3177.2009.01.017
    [14] 张园, 陶萍, 梁世祥, 等.无人机遥感在森林资源调查中的应用[J].西南林业大学学报, 2011, 31(3):49-53. doi:  10.3969/j.issn.2095-1914.2011.03.011

    ZHANG Y, TAO P, LIANG S X, et al. Research on application of UAV RS techniques in forest inventories[J].Journal of Southwest Forestry University, 2011, 31(3):49-53. doi:  10.3969/j.issn.2095-1914.2011.03.011
    [15] ZARCO-TEJADA P J, DIAZ-VARELA R, ANGILERI V, et al. Tree height quantification using very high resolution imagery acquired from an unmanned aerial vehicle (UAV) and automatic 3D photo-reconstruction methods[J]. European Journal of Agronomy, 2014, 55(2):89-99. http://d.old.wanfangdata.com.cn/NSTLQK/NSTL_QKJJ0232587279/
    [16] 李明泽, 范文义, 张元元.基于全数字摄影测量的林分立木高度量测[J].北京林业大学学报, 2009, 31(2):74-79. doi:  10.3321/j.issn:1000-1522.2009.02.011

    LI M Z, FAN W Y, ZHANG Y Y. Measuring heights of standing trees based on digital photogrammetry[J].Journal of Beijing Forestry University, 2009, 31(2):74-79. doi:  10.3321/j.issn:1000-1522.2009.02.011
    [17] 樊江川.无人机航空摄影测树技术研究[D].北京: 北京林业大学, 2014. http: //cdmd.cnki.com.cn/Article/CDMD-10022-1014327664.htm

    FAN J C. Study of the tree measurement technology by UAV aerial photography[D]. Beijing: Beijing Forestry University, 2014. http: //cdmd.cnki.com.cn/Article/CDMD-10022-1014327664.htm
    [18] 曹明兰, 张力小, 王强.无人机遥感影像中行道树信息快速提取[J].中南林业科技大学学报, 2016, 36(10): 89-93. http://d.old.wanfangdata.com.cn/Periodical/znlxyxb201610016

    CAO M L, ZHANG L X, WANG Q.Rapid extraction of rural house information from UAV remote-sensing images[J]. Journal of Central South University of Forestry and Technology, 2016, 36(10): 89-93. http://d.old.wanfangdata.com.cn/Periodical/znlxyxb201610016
    [19] 阳树洪.灰度图像阈值分割的自适应和快速算法研究[D].重庆: 重庆大学, 2014. http: //cdmd.cnki.com.cn/Article/CDMD-10611-1014042922.htm

    YANG S H. Study on the adaptive and fast algorithm of gray scale image thresholding[D]. Chongqing: Chongqing University, 2014. http: //cdmd.cnki.com.cn/Article/CDMD-10611-1014042922.htm
  • [1] 李鹏飞, 郭小平, 顾清敏, 张昕, 冯昶栋, 郭光.  基于可见光植被指数的乌海市矿山排土场坡面植被覆盖信息提取研究 . 北京林业大学学报, 2020, 42(6): 102-112. doi: 10.12171/j.1000-1522.20190252
    [2] 朱方嫣, 沈文娟, 李明诗.  基于WorldView2和GF-2的面向对象多指标综合植被变化分析 . 北京林业大学学报, 2019, 41(11): 54-65. doi: 10.13332/j.1000-1522.20180435
    [3] 孙钊, 潘磊, 孙玉军.  基于无人机影像的高郁闭度杉木纯林树冠参数提取 . 北京林业大学学报, 2019, 41(10): 1-7. doi: 10.12171/j.1000-1522.20190386
    [4] 杨铭, 张晓丽, 霍朗宁, 高凌寒.  森林区域机载LiDAR点云数据的改进八叉树滤波算法研究 . 北京林业大学学报, 2018, 40(11): 102-111. doi: 10.13332/j.1000-1522.20180130
    [5] 马得利, 孙永康, 杨建英, 史常青, 张艳, 张春禹.  基于无人机遥感技术的废弃采石场立地条件类型划分 . 北京林业大学学报, 2018, 40(9): 90-97. doi: 10.13332/j.1000-1522.20180051
    [6] 陈冀岱, 牛树奎.  多时相高分辨率遥感影像的森林可燃物分类和变化分析 . 北京林业大学学报, 2018, 40(12): 38-48. doi: 10.13332/j.1000-1522.20180269
    [7] 张帆, 付慧, 杨刚.  低空林地航拍图像拼接的改进缝合线算法 . 北京林业大学学报, 2018, 40(5): 90-102. doi: 10.13332/j.1000-1522.20170372
    [8] 张一茗, 付慧.  基于间隙度的无人机林地航拍图像序列拼接方法 . 北京林业大学学报, 2017, 39(6): 107-115. doi: 10.13332/j.1000-1522.20170020
    [9] 刘金鹏, 张怀清, 刘闽, 李永亮, 李伟娜.  基于点云骨架的单木分枝参数提取研究 . 北京林业大学学报, 2016, 38(10): 15-20. doi: 10.13332/j.1000-1522.20150490
    [10] 何游云, 张玉波, 李俊清, 王卷乐.  利用无人机遥感测定岷江冷杉单木树干生物量 . 北京林业大学学报, 2016, 38(5): 42-49. doi: 10.13332/j.1000-1522.20150383
    [11] 卢军, 张会儒, 雷相东, 杨英军, 王全军.  长白山云冷杉针阔混交林幼树树高--胸径模型 . 北京林业大学学报, 2015, 37(11): 10-25. doi: 10.13332/j.1000-1522.20140429
    [12] 解潍嘉, 黄侃, 李瑞平, 孙浩, 扈晶晶, 黄华国.  应用高分辨率卫星数据估算阔叶红松林乔木多样性 . 北京林业大学学报, 2015, 37(3): 20-26. doi: 10.13332/j.1000-1522.20140306
    [13] 李滨, 杨笑天, 王述洋.  基于FLUENT的森林防火小型无人机的机身仿真优化研究 . 北京林业大学学报, 2015, 37(11): 115-119. doi: 10.13332/j.1000-1522.20150132
    [14] 詹慧娟, 解潍嘉, 孙浩, 黄华国.  应用ENVI-met 模型模拟三维植被场景温度分布 . 北京林业大学学报, 2014, 36(4): 64-74.
    [15] 李丹, 庞勇, 岳彩荣, 赵旦, 徐光彩.  基于TLS数据的单木胸径和树高提取研究 . 北京林业大学学报, 2012, 34(4): 79-86.
    [16] 刘清旺, 李增元, 陈尔学, 庞勇, 武红敢.  利用机载激光雷达数据提取单株木树高和树冠 . 北京林业大学学报, 2008, 30(6): 83-89.
    [17] 吴露露, 罗旭, 张雁, 汪波, 冯仲科, .  中低分辨率遥感影像几何精校正 . 北京林业大学学报, 2008, 30(增刊1): 78-82.
    [18] 臧淑英, 王佳, 熊妮娜, 冯仲科, .  应用高分辨率遥感影像与GIS技术建立林场级森林资源管理信息系统 . 北京林业大学学报, 2008, 30(增刊1): 46-50.
    [19] 吴露露, 袁伟志, 罗旭, 冯仲科, 李雪梅, .  基于高分辨率卫星影像绿色信息提取的最佳假彩色合成方法及评价研究 . 北京林业大学学报, 2008, 30(增刊1): 62-67.
    [20] 李吉跃, 赵燕东, 郑凌凌, 张灿, 张求慧, 李雪萍, 谭炳香, 温俊宝, 刘金福, 冯夏莲, 常德龙, 程占红, 徐文铎, 吴斌, 齐春辉, 段爱国, 邹大林, 李贤军, 匡文慧, 
    ZHAOGuang-jie, 李雪峰, 鲁绍伟, 王玉涛, 刘常富, 王云琦, 张路平, 何正权, 韩烈保, 洪伟, 王玉杰, 韩士杰, 赵广杰, 张建国, 何兴元, 张树文, 吴斌, 宋湛谦, 朱天辉, 何承忠, 李吉跃, 翟洪波, 温俊宝, LUOWen-sheng, 余新晓, 何友均, 白陈祥, 李增元, 吴庆利, 骆有庆, 张志毅, 童书振, 张养贞, 黄文豪, 陈尔学, 刘凤芹, 李俊清, 梁小红, 姜伟, 骆有庆, 匡秋明, 郭忠玲, FurunoTakeshi, ]魏晓霞, 林秦文, 何静, ]陈玮, 陈发菊, 赵桂玲, 梁宏伟, 李颖, 曾会明, RENQian, 郑兴波, 庞勇, 许志春, 张军, 崔国发, 张振明, 胡伟华, 安新民, 许志春, 张璧光, 杨凯, 雷渊才, 侯伟, 刘君, 郑杰, 赵广亮, 宋国正, 曹川健, PaulWolfgang, 李福海, 李凤兰, 董建生, 姚永刚, 张全来, 张有慧, 田桂芳, 李考学, 李永波, 赫万成, 李长明, 张世玺.  沈阳城市森林三维绿量测算 . 北京林业大学学报, 2006, 28(3): 32-37.
  • 加载中
图(7) / 表 (3)
计量
  • 文章访问数:  797
  • HTML全文浏览量:  180
  • PDF下载量:  31
  • 被引次数: 0
出版历程
  • 收稿日期:  2016-12-29
  • 修回日期:  2017-05-27
  • 刊出日期:  2017-08-01

利用无人机高分辨率影像进行树木高度提取

doi: 10.13332/j.1000-1522.20160428
    基金项目:

    国家自然科学基金项目 41371502

    作者简介:

    杨坤。主要研究方向:土地复垦与生态重建。Email:ykvolcano@sina.com   地址:100083 北京市海淀区学院路丁11号中国矿业大学(北京)

    通讯作者: 赵艳玲,教授,博士生导师。主要研究方向:土地复垦与生态重建及3S技术应用。Email:zhaoyl7677@163.com   地址:同上
  • 中图分类号: S771.5

摘要: 无人机遥感技术在树木参数获取中具有重要作用。为探讨利用无人机高分辨率影像提取树高的可行性,本文选择邱集煤矿矿区森林公园为研究区,采用Pix4D软件对无人机采集的高分辨率影像进行处理,生成研究区正射影像和三维点云;利用最大类间方差法将三维点云分割为树木点云及树下地面点云两部分,由此提取树木顶端高度和地面平均高度,并将地面平均高度视为树木根部的高度,得到树木高度。研究表明:最大类间方差法能够准确分割树木点云和地面点云;利用无人机高分辨率影像进行树高提取是可行的,树木高度测量绝对误差小于80cm、相对误差绝对值最大为16.2%、标准误差为36.3cm;同时,树冠的形状会对树高测量造成影响,阔卵形树冠的法国梧桐和圆锥形树冠的圆柏高度标准误差分别为29.2和50.9cm,两者树高测量值与真实值决定系数分别为0.9920和0.8894,阔卵形树冠的法国梧桐测高精度明显高于圆锥形树冠的圆柏测高精度。

English Abstract

杨坤, 赵艳玲, 张建勇, 陈超, 赵鹏鹏. 利用无人机高分辨率影像进行树木高度提取[J]. 北京林业大学学报, 2017, 39(8): 17-23. doi: 10.13332/j.1000-1522.20160428
引用本文: 杨坤, 赵艳玲, 张建勇, 陈超, 赵鹏鹏. 利用无人机高分辨率影像进行树木高度提取[J]. 北京林业大学学报, 2017, 39(8): 17-23. doi: 10.13332/j.1000-1522.20160428
YANG Kun, ZHAO Yan-ling, ZHANG Jian-yong, CHEN Chao, ZHAO Peng-peng. Tree height extraction using high-resolution imagery acquired from an unmanned aerial vehicle (UAV)[J]. Journal of Beijing Forestry University, 2017, 39(8): 17-23. doi: 10.13332/j.1000-1522.20160428
Citation: YANG Kun, ZHAO Yan-ling, ZHANG Jian-yong, CHEN Chao, ZHAO Peng-peng. Tree height extraction using high-resolution imagery acquired from an unmanned aerial vehicle (UAV)[J]. Journal of Beijing Forestry University, 2017, 39(8): 17-23. doi: 10.13332/j.1000-1522.20160428
  • 植被是陆地生态系统最重要的组成部分,在维护生态系统平衡、涵养水源、保持水土等方面都具有重大作用[1]。植被冠层高度作为重要的生态指标,为从事森林生态、水文及生物物理等相关领域的科研人员提供重要的信息[2]。因此,在植被资源调查时,测定树木高度成为一项必需的工作。目前,测量树高除采用目测法[3]等简易方法和专业树高测量仪器外,以经纬仪[4-5]、全站仪[6-8]为工具的测量方法也得到广泛使用。随着遥感技术的发展,激光雷达也越来越多地被应用在树高测量中。Demetrios等[9]使用无人机搭载的激光雷达对树冠覆盖度高的雨林进行树高测量。Andersen等[10]同时采用野外传统测量方法和机载激光雷达测量树高,对其精度进行严格的检验。Selkowitz等[2]采用融合多角度和多光谱数据的激光雷达数据来重建树木模型,绘制森林树木的树冠高度图。邓向瑞等[11]利用三维激光扫描系统在标准地内按径阶对疏林立木进行三维扫描,获取基本测树因子(包括立木的胸径、树高、冠幅)及立木材积,并对比发现扫描获取的基本测树因子和扫描材积均满足精度要求。吴宾等[12]提出一种基于分层网格点密度的单株树木信息提取方法,从车载激光扫描点云数据中提取出组成单株行道树的激光点云,并获取树高等特征信息。激光雷达在测量树高时具有较高的精度,但价格高昂、操作复杂等缺点严重制约其自身的推广应用。

    近年来,拥有灵活、操作简单、价格适中等特点的无人机正越来越多地应用在各种研究实践中,而无人机与遥感技术的结合,即无人机遥感,具有低成本、低损耗、可重复使用且风险小等诸多优势,已广泛应用于资源勘测、气象观测及处理突发事件等领域[13]。在林业监测中,无人机遥感能充分发挥优势,方便根据需要设计飞行区域、航线、高度等[14]。Zarco-Tejada等[15]利用无人机搭载消费级数码相机采集林区高分辨率影像,通过自动化三维重构的方法生成林区数字表面模型获取树木高度,且精度较高。李明泽等[16]利用实验林场航片,通过内定向、相对定向和绝对定向构建测区立体像对模型,基于该模型利用专业数字摄影测量平台量取样木高度。樊江川[17]利用设计的无人机航空影像处理软件分析影像光谱及纹理特征,获取森林主要特征参数(单木树高、单木冠幅、林分郁闭度和林分蓄积量等)。曹明兰等[18]利用无人机遥感系统采集影像并生成数字表面模型、数字高程模型及正射影像,提取城市行道树高度等信息。上述研究通常利用研究区的数字表面模型或单株树木的立体像对来提取树木高度,但采用数字表面模型将会导致树木部分细节丢失并造成误差,而采用单株树木立体像对提取树高则导致了人为误差的增加。

    为充分反映树木细节,减少人为误差,本文利用无人机获取研究区高分辨率影像,对研究区进行三维重构,得到三维点云和正射影像,将三维点云分割为树木点云及树下地面点云,并对这两部分点云进行相关处理,从而得到树木的高度。

    • 研究区位于山东省德州市齐河县邱集煤矿(36° 26′07″~36°30′57″N,116°23′45″~116°31′07″E),是矿区森林公园中的一个区域。该区域属黄河下游冲积平原,地势平坦,土质肥沃,气候适宜,光照充足。区域内主要有法国梧桐(Platanus acerifolia)、圆柏(Sabina chinensis)及其他景观灌木,林分郁闭度较低,多数树木未与其他树木树冠相连。

    • 本次实验采用大疆M100四旋翼无人机(图 1)。该无人机最大载重为1.5kg,最大飞行高度为500m,GPS模式下无负载最大飞行速度为17m/s。无人机搭载大疆X3云台相机,有效像素1240万,单个像素大小为1.55μm,传感器焦距为3.6mm,快门速度为8~1/8000s,照片最大分辨率为4000×3000。

      图  1  大疆M100无人机

      Figure 1.  DJI M100 unmanned aerial vehicle(UAV)

      研究区航空影像选择在天气晴朗、无风的条件下进行采集。无人机起飞前,在航线规划软件中设定详细的飞行计划,包括飞行方向、飞行航线和飞行高度等。此次实验的飞行高度为60m,飞行路线的航向重叠度和旁向重叠度分别为85%和75%,足够的重叠度满足航空摄影测量的要求。本次飞行共拍摄66张航空影像,影像采集过程共耗时6min,覆盖面积为1.73hm2。无人机航线和相机拍摄点位置如图 2所示。

      图  2  无人机航线和相机拍照位置

      Figure 2.  UAV flight route and camera position

    • 为获得实验所必需的三维点云和正射影像,必须使用专业的影像处理软件对所摄影像进行处理。本文采用Pix4D软件处理航拍影像,软件的处理过程主要包括:1)对航空影像进行筛选,去除模糊、偏色等不合格影像;2)将合格影像导入到Pix4D软件中,软件将自动提取影像及相机的相关信息;3)进行预处理,检查待校正拼接影像的重叠度是否合格;4)进行空中三角测量,提取和匹配影像特征点,生成加密点云数据;5)重建区域三维模型,生成数字表面模型和正射影像等。整个处理过程采取全自动处理方式,快速生成实验所需的研究区三维点云和正射影像数据。

      本文提取树木高度所使用的是树冠顶端与每株树木周围地面点的相对高差,所以实验并未布设地面控制点。实验所使用的无人机自带GPS模块,航拍影像中包含拍摄点坐标信息,而数据处理结果的坐标则由拍摄点坐标信息决定。

    • 生成三维点云和正射影像后,在ENVI LiDAR软件中打开三维点云文件,结合正射影像,通过目视解译,找出实验样本树木点云的大致位置。使用合适的矩形圈定整株树木,从而筛选出样本树木点云。当样本树木与其他树木树冠相连时,尽可能将其他树木的树冠部分排除在矩形区域外,同时该矩形区域里要有数量适中的地面点云,为提取树木根部高度做准备。

      树下地面点云与树木点云的分割是本次实验的关键,其分割的准确度直接影响树高提取的精度。在图像分割领域中,阈值分割以其极致简约和高度实用的特性而得到广泛应用[19]。本文将树下地面点云和树木点云与一幅背景与目标反差较大的图像进行类比,树木三维点云分割与图像分割非常相似。因此,本文引用阈值分割原理对地面和树木三维点云进行分割。点云分割所采用的阈值分割是较为常见的最大类间方差法,即OTSU法。本文所采用方法具体数学表达式如下。

      假设阈值tt在点云高度最大值Zmax和最小值Zmin之间,点云高度值Zi不大于t的有{Z1, Z2, …, Zl},大于t的有{Zl+1, Zl+2, …, Zn}。阈值t将点云分为地面点云G(ground)和树木点云T(tree)两类,因此其中一个点云被分到这两类的概率分别为:

      $$ {P_{\rm{G}}}\left( t \right) = \frac{l}{n},{P_{\rm{T}}}\left( t \right) = \frac{{n - l}}{n} $$ (1)

      式中:PG(t)为点云被分到地面点云的概率,PT(t)为点云被分到树木点云的概率。

      树木点云高度均值为μT(t),地面点云高度均值为μG(t),而所有点云的高度均值为μ。两类点云的高度均方差分别为:

      $$ \begin{array}{l} \mathit{\sigma }_{\rm{G}}^2\left( t \right) = \frac{{\sum\limits_{i = 1}^l {{{\left( {{Z_i} - {\mu _{\rm{G}}}\left( t \right)} \right)}^2}} }}{l},\\ \mathit{\sigma }_{\rm{G}}^2\left( t \right) = \frac{{\sum\limits_{i = l + 1}^n {{{\left( {{Z_i} - {\mathit{\mu }_{\rm{T}}}\left( t \right)} \right)}^2}} }}{{\mathit{n} - l}} \end{array} $$ (2)

      所有点云的高度均方差为:

      $$ {\mathit{\sigma }^2}\left( t \right) = \frac{{\sum\limits_{i = 1}^n {{{\left( {{Z_i} - \mathit{\mu }} \right)}^2}} }}{n} $$ (3)

      对于同一株树木的点云,其高度均值μ和高度均方差σ2是固定不变的,与阈值t没有关系。

      阈值t所分割的两类点云高度的类内方差为:

      $$ \mathit{\sigma }_B^2\left( t \right) = {P_{\rm{G}}}\left( t \right)\mathit{\sigma }_{\rm{G}}^2\left( t \right) + {P_{\rm{T}}}\left( t \right)\mathit{\sigma }_{\rm{T}}^2\left( t \right) $$ (4)

      阈值t所分割的两类点云高度的类间方差为:

      $$ \mathit{\sigma }_{{\rm{GT}}}^2\left( t \right) = {P_{\rm{G}}}\left( t \right){\left( {{\mathit{\mu }_{\rm{G}}}\left( t \right) - \mu } \right)^2} + {P_{\rm{T}}}\left( t \right){\left( {{\mathit{\mu }_{\rm{T}}}\left( t \right) - \mu } \right)^2} $$ (5)

      根据最佳阈值的选取原则,当σGT2(t)最大时,t的取值为最佳阈值:

      $$ t' = {\rm{Arg}}\;{\rm{max}}\left( {\sigma _{{\rm{GT}}}^2\left( t \right)} \right) $$ (6)

      经过证明可知,σ2=σB2(t)+σGT2(t),因此当σB2(t)最小时t的取值为最佳阈值:

      $$ t' = {\rm{Arg}}\;{\rm{max}}\left( {\sigma _{\rm{B}}^2\left( t \right)} \right) $$ (7)

      在求得最佳阈值t后,将点云分割为地面点云和树木点云两部分。经实际分析发现,当树木树冠贴近地面(例如圆柏)或树冠下存在灌木时,分割得到的地面点云中混入较多非地面点云,此时对分割得到的地面点云采取最大类间方差法进行二次分割,可取得良好的效果。

      点云分割完成后,计算地面点云的平均高程,此高程即为树下地面平均高程。研究区地势平坦,高差变化小,故本文将地面平均高程作为树木根部高程,树冠最高点高程减去地面平均高程得到树高。树高提取工作的流程如图 3所示。

      图  3  树高提取工作流程

      Figure 3.  Workflow of extracting tree height

    • 通过对采集的66张影像进行处理,本文得到约540万个三维点,密度约为308个/m2,生成的三维点云如图 4所示。点云的海拔在6~24m范围内。点云的质量较为理想,能够作为树木高度提取的数据。

      图  4  研究区点云数据

      Figure 4.  Point cloud data of the study area

      在研究区点云数据中筛选出单株样本树木的点云,使用最大类间方差法计算得到点云分割最佳阈值,并对点云数据进行分割。分割后的结果如图 5所示。点云分割的效果较好,能够成功地将树木点云和树下地面点云分离,可以进行下一步的树木高度提取工作。

      图  5  样本树木地面点云与树木点云的分割

      Figure 5.  Segmentation results of ground and tree point cloud of 6th tree

    • 根据三角高程测量原理,利用全站仪分别测量30株样本树木根部和树冠最顶端的高程,并计算树木高度作为真实树高。经过测量发现,这些树木的高度均在3~14m范围内。计算通过三维点云提取的树木高度与真实树高的误差及相对误差,详细数据如表 1所示。

      表 1  树木高度提取结果

      Table 1.  Extraction results of tree height

      树木编号
      Tree serial No.
      树种
      Tree species
      真实树高
      Real tree height/m
      测量树高
      Measured tree height/m
      误差
      Error/cm
      相对误差
      Relative error/%
      1 圆柏Sabina chinensis 4.557 4.178 -37.9 -8.3
      2 圆柏S. chinensis 4.690 3.929 -76.1 -16.2
      3 圆柏S. chinensis 4.727 4.391 -33.6 -7.1
      4 圆柏S. chinensis 4.661 4.026 -63.5 -13.6
      5 圆柏S. chinensis 5.222 4.495 -72.7 -13.9
      6 圆柏S. chinensis 5.875 5.513 -36.2 -6.2
      7 圆柏S. chinensis 5.458 5.324 -13.4 -2.5
      8 圆柏S. chinensis 5.435 5.036 -39.9 -7.3
      9 法国梧桐Platanus acerifolia 6.929 6.515 -41.4 -6.0
      10 法国梧桐P. acerifolia 7.427 7.301 -12.6 -1.7
      11 法国梧桐P. acerifolia 7.968 7.861 -10.7 -1.3
      12 法国梧桐P. acerifolia 6.577 6.489 -8.8 -1.3
      13 法国梧桐P. acerifolia 7.927 7.579 -34.8 -4.4
      14 法国梧桐P. acerifolia 7.516 7.245 -27.1 -3.6
      15 法国梧桐P. acerifolia 8.816 8.630 -18.6 -2.1
      16 法国梧桐P. acerifolia 8.358 8.232 -12.6 -1.5
      17 法国梧桐P. acerifolia 6.744 6.417 -32.7 -4.8
      18 法国梧桐P. acerifolia 6.437 5.997 -44.0 -6.8
      19 法国梧桐P. acerifolia 11.017 10.851 -16.6 -1.5
      20 法国梧桐P. acerifolia 12.223 11.736 -48.7 -4.0
      21 法国梧桐P. acerifolia 6.786 6.504 -28.2 -4.2
      22 法国梧桐P. acerifolia 8.797 8.405 -39.2 -4.5
      23 法国梧桐P. acerifolia 8.482 7.869 -61.3 -7.2
      24 法国梧桐P. acerifolia 13.347 13.269 -7.8 -0.6
      25 法国梧桐P. acerifolia 12.595 12.553 -4.2 -0.3
      26 法国梧桐P. acerifolia 5.046 4.702 -34.4 -6.8
      27 法国梧桐P. acerifolia 5.296 5.207 -8.9 -1.7
      28 法国梧桐P. acerifolia 5.828 5.977 14.9 2.6
      29 法国梧桐P. acerifolia 5.271 5.493 22.2 4.2
      30 法国梧桐P. acerifolia 5.081 5.290 20.9 4.1

      表 1可知,通过无人机采集研究区航空影像生成三维点云提取的树木高度与真实值的误差绝对值均低于80cm,误差绝对值最大值为76.1cm,最小值为4.2cm,而相对误差绝对值的最大值为16.2%,最小值0.3%,平均相对误差-4.3%。通过计算得到,高度标准误差为36.3cm。从表 2可以看出,绝对值在0~50cm范围内的误差占绝大部分。经分析可知,树木高度提取结果的精度较高,表明利用无人机高分辨率影像进行树高提取的方法可取得较好的效果。

      表 2  树木高度误差绝对值范围统计

      Table 2.  Error absolute value range statistics of tree height

      误差绝对值范围
      Error absolute value range/cm
      树木数量
      Tree number
      占比
      Proportion/%
      0~10 4 13.3
      10~20 7 23.3
      20~30 4 13.3
      30~40 8 26.7
      40~50 3 10.0
      >50 4 13.3
    • 本次实验中,1~8号样本树木为圆柏,树冠为圆锥形,9~30号树木为法国梧桐,树冠为阔卵形。由图 6可知,树冠形状对树高提取的精度有直接影响。本文通过计算两种样本树木的高度标准误差和测量值与真实值决定系数来分析树冠形状对树高提取的影响,结果如表 3所示。

      图  6  各实验树木高度误差

      Figure 6.  Height error of the experimental trees

      表 3  不同树种高度标准误差

      Table 3.  Root mean square error (RMSE) of tree height of different tree species

      树种
      Tree species
      树冠形状
      Canopy shape
      高度标准误差
      RMSE of height/cm
      决定系数
      Coefficient of determination
      圆柏Sabina chinensis 圆锥形Conical 50.9 0.889 4
      法国梧桐Platanus acerifolia 阔卵形Oval 29.2 0.992 0

      表 3可知,圆柏的高度标准误差明显高于法国梧桐的高度标准误差。对两种树木的测量值与真实值进行拟合(图 7),其决定系数分别为0.8894、0.9920。在相同影像空间分辨率的条件下,法国梧桐较为平坦的树冠顶端相对容易分辨出来,而圆柏尖锐的树冠顶端尺寸常常小于影像的空间分辨率,导致不容易分辨;在对采集影像进行处理后,生成的圆柏树冠点云数量也远远少于法国梧桐。这些因素导致了两种树木在使用文中所述方法进行测高时精度存在较大差异,且在测量阔卵形树冠的法国梧桐时,具有更好的测高效果。

      图  7  不同树种的树木测量高度与真实高度比较

      Figure 7.  Comparison of measured tree height and real tree height of different tree species

    • 本文采用无人机采集研究区航空影像,经Pix4D软件处理得到研究区三维点云和地面采样距离为2.73cm的正射影像图,结合正射影像从三维点云中提取实验样本树木和树下地面点云。引用OTSU法对树木点云和树下地面点云进行分割,并通过树木点云测定树木顶端高度,通过地面点云计算树木根部高度,由此得到单株树木高度。结果表明:

      1) 最大类间方差法能够准确分割树木点云和树下地面点云。

      2) 利用无人机高分辨率影像进行树木高度提取是可行的,提取树木高度绝对误差小于80cm,相对误差绝对值最大为16.2%,高度标准误差为36.3cm。

      3) 树冠形状会对树高的提取造成影响,阔卵形树冠的法国梧桐高度标准误差为29.2cm,而圆锥形树冠的圆柏高度标准误差为50.9cm。法国梧桐树高的测量值与真实值的决定系数R2为0.9920,高于圆柏树高拟合得到的0.8894。阔卵形树冠的法国梧桐测高效果明显好于圆锥形树冠的圆柏。

      相较于传统测量方式,这次测量方式成本低且工作效率较高,整个影像采集任务甚至只需一人即可完成。但本文仍然存在很多不足,如整个内业处理过程自动化程度不高,需要人工筛选出单株样本树木及树下地面的点云数据;并且由于研究区树种的限制,只分析了两种树木的高度提取结果。另外,由于数据不足,本文没有分析无人机飞行高度等其他因素对树木高度提取的影响。在后续研究中,可以针对以上不足做进一步的探索和研究。

参考文献 (19)

目录

    /

    返回文章
    返回