一种鲁棒的地基LiDAR点云单木模型骨架线提取方法

[目的]地基激光雷达已经成为一项重要的主动遥感技术，它能够以密集点云的形式快速获取目标场景的三维坐标信息。由于地基激光雷达具有高精度和高效率的优点，它已经被广泛应用于各种领域，尤其是获取森林结构参数和碳循环分析等森林资源清查任务中。在林业应用中，单木模型作为精确获取森林参数的关键组成部分尤为重要。例如，地面生物量和林分体积等参数估算可以利用单木的建模结果，而胸径的准确计算可以依赖单木的建模过程。骨架线提取在众多单木建模方法中起着关键作用。然而，从激光雷达点云中提取骨架线，仍然面临着提取精度低、由于自遮挡或噪声点导致的分支拓扑结构连接错误等挑战。因此，实现高精度和高自动化地单木骨架线提取，能够更好地提升林业遥感定量化水平和提高经济效益。[方法]为了解决地基激光雷达单木骨架线提取的难点和挑战，本文提出了一种创新的骨架线提取方法。该方法首先利用线性权重改进拉普拉斯收缩，增强该方法对不完整分支点云的鲁棒性。其次，利用基于几何特征的自适应最远球采样提取初始骨架点，并且根据自适应调整策略，对骨架点进行中心化调整。再次，构建骨架点的混合邻域确定模型，确保图结构简单的同时，准确连接分支节点。最后，根据基于测地线距离的边权重定义方法，构建正确的分支拓扑结构，用于提取单木骨架线。[结果]为了评估本文方法的性能，从不同树种、不同冠层结构的数据集中，选择8棵单木进行实验。实验结果表明，本文方法的平均偏差和平均标准差分别为 3.400 cm和 3.270 cm.采用L1-median和ROSA两种经典骨架线提取方法，进行对比分析。结果表明，本文方法能够获取最小的平均偏差和平均标准偏差。[结论]通过8 棵单木的实验结果能够发现，本文方法明显优于其他两种方法，证明了其在不同类型树上的鲁棒性。同时，为了进一步评估本文中使用的基于测地线距离的边权重的有效性，通过欧氏距离和欧氏距离的平方两种边权重进行对比。结果证明，本文权重的偏差值和标准差值比另外两种方法小很多，证明本文方法性能更优越。未来的研究将集中在基于骨架线提取的单木建模上。