论文部分内容阅读
地基激光雷达(Terrestrial Laser Scanning，TLS)已经被广泛应用于林业资源调查中，能够实现样地内林木三维结构参数的高精度自动提取，并为大尺度遥感技术如机载激光雷达(Airborne Laser Scanning，ALS)提供大量高精度的地面验证数据。TLS的工作方式分为单测站和多测站，相比较而言，多测站工作方式能够获取样地场景更完整的信息，无论是单木识别率还是林木结构参数提取精度都优于单测站，因此多测站的工作方式在样地调查中应用的更为广泛。已有的TLS点云数据自动配准算法多基于线和面，无法直接应用到林地场景，而传统的人工设置标靶辅助点云数据进行配准的方法工作效率较低。针对已有的TLS点云数据自动配准算法不适用于林地场景的问题，本文提出了一种不需要任何辅助工具的林地TLS点云数据自动配准算法。主要研究内容与实验结果如下: (1)针对目前的地面点滤波算法在林分ALS点云数据中应用较好但不适用于林地TLS点云数据的问题，本文提出一种基于八叉树的地面点滤波算法。实验结果表明，该算法充分利用构建八叉树过程体元尺度依次减半的特点，只需设置地面点的分辨率即可实现地面点的全自动高精度滤波。 (2)针对目前广泛使用的树干点识别算法存在树干点识别精度和效率较低的问题，本文提出了一种基于体元投影密度的树干点识别算法。实验结果表明，该算法能够实现逐体元的树干点识别，提高了树干点识别的效率，并且树干点识别结果的噪声比很小，即在提高效率的同时也提高了树干点识别的精度。 (3)基于准确识别的地面和树干点云数据，本文提出了一种适用于林地场景的TLS点云数据的自动配准算法。实验结果表明，利用单木位置和胸径信息能够快速搜寻同名点，并实现点云数据的粗配准。针对匹配的树干和地面数据，利用ICP算法能够实现点云数据的精配准，最终实现点云数据的高精度自动配准。 综上所述，本文将配准过程分为两步:粗配准和精配准，逐步实现林地TLS点云数据的高精度自动配准。基于识别的高精度地面点和树干点估测的单木位置和胸径可用于快速准确的获取基准站和配准站的同名点，实现点云数据的粗配准，在粗配准的基础上使用ICP算法经过多次迭代可实现林地点云数据的高精度自动配准。