一种基于车载三维激光扫描的行道树数据采集处理方法研究

吴建

(福州市勘测院，福建 福州 350008)

1 引 言

随着城市化进程的加快，城市边界迅速外扩，城市的规模越来越大，随之而来的便是城市道路长度的急剧增长，城市道路绿化建设的突飞猛进。行道树作为城市道路绿化的骨架，是园林景观的一种特殊类型，在城市道路绿化中具有不可替代的作用。行道树不仅是重要的街道景观，对城市环境还具有遮阳降温、吸附过滤粉尘、降低噪音、美化市容、组织交通的重要作用。近年来福州城市绿化工作效果显著，行道树数量呈现倍数增长，这对城市园林绿化养护工作来说是一个严峻的考验。如何在大范围、呈零散分布状态的城市道路中快速、高效、准确地获取行道树的位置、树种、胸径、冠幅等重要信息，成为摆在绿化养护工作者面前的首道难题。

测绘是以计算机技术、光电技术、网络通信技术、空间科学、信息科学为基础，以全球导航卫星定位系统(GNSS)、遥感(RS)、地理信息系统(GIS)为技术核心，将地面已有的特征点和界线通过测量手段获得反映地面现状的图形和位置信息，供工程建设的规划设计和行政管理之用。现代测量技术的发展，为绿化养护工作者获取行道树信息提供了多种解决方案。新兴的激光探测与测量技术(LiDAR)是一种主动遥感技术，车载三维激光扫描系统利用先进的遥感技术，通过传感器发出的激光脉冲，测定传感器与目标物之间的距离，探测目标的位置；同时通过车载全景相机，获取车辆行走路线的全景影像，获取目标物的特征信息。这项技术在行道树采集中的应用，对城市的绿化养护、生态保护、智慧城市建设都将具有重要的实际意义。

2 行道树采集技术分析

行道树的采集方式多种多样，从测绘学的范畴来分析，主要有实地测量、高分辨率遥感影像采集、激光雷达测量等。这几类方式其作业特点和优缺点不尽相同。

2.1 实地测量

实地测量是测绘工作中常用的一种方法，其目的是通过借助各种测量工具，对自然地理要素或者地表人工设施的形状、大小、空间位置及其属性等进行测定、采集并绘制成图。用于测量的工具有皮尺、测距仪、经纬仪、全站仪等，现在在现场测绘中使用比较普遍的是全站仪。全站仪是一种集光、机、电为一体的高技术测量仪器，是集水平角、垂直角、距离(斜距、平距)、高差测量功能于一体的测绘仪器系统。对于面积小、分布范围集中的研究区域，实地测量是一种较好的、低成本获取树木数据的方法，它可以实地观察测量现场状况，直接获取行道树的树种、胸径等信息，测量精度高、信息获取准确。但是，如果研究区域是范围广、地块分散、位置偏远等这些情况，实地测量由于需人工逐一采集、交通通勤等因素，将非常耗时且成本高昂。

2.2 高分辨率遥感影像采集

高分辨率遥感就是对遥感数据质量和数量要求很高的遥感技术。高分辨率遥感影像的主要特征是：地物纹理信息丰富；成像光谱波段多；重访时间短。高分辨率遥感影像主要有卫星影像和机载影像。这两种影像都能提供二维的树冠信息，也能够根据树冠中心外围明亮程度的不同，来识别单株树木的边界用于提取。高分辨率遥感影像采集技术在大范围获取绿地覆盖上拥有生产成本低、采集效率高、易于实现等优点。但是，这种方式对于成片连荫的行道树，提取其树干中心位置的准确度不高，也无法准确获取树木胸径、树高等详细信息。而且，全自动的遥感影像分析处理技术还存在很多需要解决的问题，生产实现还比较困难。

2.3 激光雷达测量

激光雷达技术是激光技术与雷达技术相结合的一种主动遥感技术，近年来发展十分迅速。该技术通过发射机发出的激光脉冲来测定传感器与测量目标物之间的距离，进而探测目标的位置、运行速度等特征。激光雷达工作方式有两种，采用连续波或者脉冲，对应的有两种探测方法，外差探测与直接探测。激光扫描技术获取的数据成果被广泛应用于城市规划、水利工程、农业开发、环境监测、资源勘探、防震减灾、土地利用、交通通讯等各方面，为科学研究、国民经济和社会发展提供了重要的原始资料，取得良好的经济效益，展示良好的应用前景。其高精度、低成本、快速度、高密集的特点，使之成为测量应用中深受欢迎的高新技术。

3 基于车载三维激光扫描系统行道树采集方案

移动测量系统是一种高效、快速、高集成度的海量点云数据采集手段，广泛应用于数字化城市建设中。随着测量技术的不断革新，车载移动测量设备不论在硬件配置，还是软件配套上都在不断提高，相机像素从百万级别提高到了千万级，数据采集精度也有了较大的提高。根据载体不同，可以分为船载、机载、地面、车载、背包和手持型等。移动测量系统如图1所示。

图1 移动测量系统

车载激光扫描是一种新兴的数据获取方式，能够在大范围内快速获取行道树目标表面的空间信息数据，具有动态、实时、高密度、高精度、快速不接触、便于数字化和自动化的明显优势，适用于城市空间信息的快速准确获取。将车载三维激光扫描系统应用于城市园林行业的行道树采集，可以实现大范围、全面快速地获取行道树空间及属性信息。

3.1 基于车载三维激光扫描系统行道树采集工艺流程

根据采集区域道路分布特点、基础数据、采集工具、数据处理手段等各方面因素，基于车载三维激光扫描系统行道树采集工艺流程如图2所示：

图2 基于车载三维激光扫描系统行道树采集工艺流程图

3.2 外业采集

车载三维激光扫描系统，如图3所示，主要由几部分构成：①卫星定位系统GPS；②惯性测量装置；③激光扫描仪；④CCD相机及光学相机；⑤同步控制器；⑥系统搭载平台(如中小型汽车)。

图3 车载三维激光扫描系统

外业采集阶段的工作流程主要是：①车辆行进过程开启GPS全球定位系统，利用差分算法计算出车辆精确的三维坐标信息，同时获取测量原点的大地坐标；②利用GPS、IMU测量扫描时的基准姿态，获取三维激光扫描仪在大地坐标系统下的姿态参数(航向角、俯仰角、翻滚角)；③开启三维激光扫描仪，在车辆行进过程中发射脉冲对目标地物进行扫描，获取激光点云数据；④同时开启CCD相机和全景相机采集目标地物的影像信息；⑤获取的坐标数据、全景照片、行驶里程等信息以特定格式输出，保存在硬盘上。

3.3 内业处理

3.3.1 数据预处理

(1)数据解算

数据解算的工序主要包括4个部分：一是差分GPS处理；二是轨迹文件解算；三是点云数据输出；四是全景照片输出。具体的处理流程如图4所示：

图4 数据解算工艺流程图

此工序最终提交的成果是采集区域经质检合格的激光点云数据和街景全景照片文件。

(2)精度检核

数据解算完成后，要对照检核资料，对激光点云数据进行精度检查。发现精度不达标的数据，要根据情况安排数据纠正，确保点云数据精度满足项目内业采集作业需求。

点云数据精度检核的过程采用检核软件进行处理，将矢量的地形图与点云数据进行套合，利用人工检查两套数据套合情况。误差大于 50 cm，即视为问题数据，安排进行数据纠正处理。纠正完成后，再次进行精度检核，直至点云数据精度达到项目要求为止，进入下一采集流程。

3.3.2 数据采集

(1)数据预处理

运用数据预处理系统将外业采集的数据进行传感器数据时空数据融合、空间坐标转换、全景影像解析、原始点云及真彩点云的输出，如图5、图6所示。

图5 原始点云数据

图6 全景影像照片

(2)数据加工整理

运用点云数据处理系统对预处理后数据进行交互式编辑，针对不同区域进行相应的抽稀、分块、加密及滤波。

(3)树木分割点云算法

树木信息的提取包含两类，一类是位置信息的提取，一类是属性信息的提取。提取过程通过自动提取和人工辅助相结合的方式进行。本研究采用的点云分割算法直接在已建立的空间投影格网上进行，通过启发式搜索算法得到树干的准确位置，引入区域竞争溢水策略正确区分实际树冠。

①树干位置识别算法

在传统的二维图像寻找局部极值算法上，根据本次的实际情况加入了点云三维信息的判断准则，使树干位置的识别更加准确。为了便于识别算法的运行，我们将扫描区域分为若干个固定大小的网格区域。由于在进行激光三维扫描时，树干的位置会反射出较多的点数目，因此树干所在网格的点云密度就比相邻网格更高，树干位置识别问题可以转化为通过算法模型寻找局部密度最大值。搜索算法如下：

//外循环

loop do

//随机选取一个初始网格

randomly select a startGrid；

//设当前网格为初始网格

currentGrid=startGrid；

//内循环

loop do

//搜索邻域L

L=NEIGHBORS(currentGrid)；

nextHeight==一INF；

nextGrid=NULL；

//往邻域中最好的网格移动

for all X in L

if(Height(x)>nextHeight)

nextGrid=x：

nextHeight 2 Height(x)；

if(nextHeight<=Height(x)、

//找不到更好的邻域时记录当前邻域

Store currentGrid as peak；

currentGrid==nextGrid；

Endloop

End 100D until certain iteration times met

随机选取一个初始网格，设定为当前网格，算法模型对当前网格的邻近网格进行搜索。若某个邻近网格点云密度高于当前网格，则当前网格往邻近网格移动，密度高的即成为当前网格。一次搜索过程就是寻找最高点云密度网格的过程，当前网格必定是此轮搜索中最高密度的网格，它将被标识为候选树干位置网格。下一次的搜索开始于重新选择的初始网格，设定合适的迭代次数，使重复搜索抵达迭代次数。迭代次数的高低决定搜索算法的遗漏率，次数越高，遗漏率越低。

②树干位置判断准则

进行搜索算法选择后，寻找到了所有树干位置的候选网格，但是并不是说检测的所有极值都是树干位置，也有可能是树冠的局部极大位置。因此，需要设置一定的判断准则，来辅助去除干扰信息。

如果在一个较小的范围同时搜索到两个树干位置，则保留高程较高的那个位置。因为车载激光雷达扫描的行道树分布比较均匀，在较小范围内一般不会出现两株树干，高程较高的往往是树干位置，高程较低的一般对应树冠局部极大位置。

在一个候选树干位置网格中，如果网格内高密度点在垂直空间上存在断层，则判定为非树干位置。因为假定激光扫描密度够高且未被遮挡，扫描到的树干点应均匀分布在垂直空间上，所以点云在树干位置垂直空间分布上应该是连续的。

一些被搜索算法模型误检测的低矮灌木丛，需要将其剔除。可以设定判断规则，如果候选树干位置网格内点云最大高程值小于设定的树木最小高程阈值，则判定为非树干点云。

(4)树木信息采集

经过自动提取，已经获取了行道树的点位数据，通过人工干预，对程序误判定的树木位置进行修正。获得准确的树木点位信息后，返回激光点云数据及全景照片，在判定为行道树的位置，进行树干1.2米高度位置胸径的测量和行道树照片的截取。通过截取的行道树照片，程序分析其纹理、色彩，进行树种的判定。

(5)人工交互检查及属性完善

通过程序进行的自动提取成果，会存在错误、遗漏等问题，人工介入的目的在于对自动采集的行道树位置及属性信息进行查缺补漏，并进行检查，补充无法自动完成的信息。

3.4 数据建库

数据整合入库的流程如图7所示：

图7 数据入库流程图

(1)数据质量检查

数据入库前，依据要求制定质量检查细则，对数据质量要求进行全面质量检查，并记录检查结果。质量检查主要包括：图形数据位置精度检查、属性数据完整性和正确性检查、图形和属性图数据一致性检查、完整性检查，检查合格的数据方可入库，不合格的数据退回重新编辑处理，再进行质量检查。

(2)数据库参数设置

根据数据库需求，对数据库参数进行配置，输入各种建库参数。主要的参数包括：数据结构组织、坐标系、投影带、计量单位、符号等。

(3)数据入库

进行数据的入库，包括：图形数据、元数据等。可按单要素类入库，或一次选择多个要素类入库。

(4)数据安全设置

对用户权限进行设置，遵循权限最小化原则，删除或锁定无关用户。对密码策略进行设置，包括：密码长度、字符组成、有效期等进行设置。对日志进行设置，对用户登录、操作等进行记录。

4 实例验证与效果分析

4.1 实验验证

在传统的测树方法中，胸径测量的主要方式是使用围尺、直径卷尺等仪器进行接触式的人工实地测量；在树高基本参数获取过程中，甚至要采用目视估测法确定其数值。以上方法不仅费时、费力，而且测量精度不高。利用车载三维激光扫描技术获取树木的三维点云数据，利用点云处理软件，可以在不伤害树木的前提下快速、自动、准确地提取树木形态结构参数。

为了客观真实评价车载三维激光扫描技术在行道树采集应用中的精度准确性，特用传统测树方法在外业随机抽选30棵不互相交错的树作为检核对比。由于树高参数传统方法采用目视估测方法，不具有对比性；本次将传统测树方法获取30棵树胸径参数、位置信息与车载三维激光技术获得的进行对比，对比结果如表1、表2所示：

两种方法胸径结果及对比 表1

两种方法树木位置提取结果及对比 表2

4.2 效果分析

从表1可知，两种方法对树木胸径结果提取中误差 ±1.5 cm，满足林业规范限差 ±10 cm；

传统方法测量树木底部中心点是在每棵树底部周围均匀打点3个计算其坐标中心点，并以此值作为树木的真实位置坐标值，从表2可知，车载激光技术对树木底部中心点提取与实际底部位置坐标差值已经达到厘米级。

为提高最终树木采集的准确性，可以采取相关措施来提高作业成效。首先是合理规划作业路线，确保扫描的完整性，如提前规划扫描线路、避开早晚高峰期、根据实际情况进行作业方案调整、往返行驶多次采集以提高扫描覆盖度等；其次是改进设备架设方法，提高外业三维激光扫描的覆盖度；作业过程中，也要确保基站架设无失误，信号接收良好。

5 结论与展望

基于车载三维激光技术获得点云数据提取树木参数信息是可靠的，适用于园林普查。车载三维激光技术容易受到地形、周围环境限制，树木密集相互遮挡会造成部分数据的缺失，从而影响树木参数的提取及可视化表达，所以在车载三维扫描采集数据之前，需要对预定测量扫描路线现场勘察，了解绿化情况，则可使用背包式移动测量系统进行有效的补充采集。多种类型的采集设备有效地进行了互补，保证了数据采集的完整性和有效性。

车载三维激光技术快速获取三维地理信息，已作为新兴测量技术正在逐渐取代二维信息，可以极大地改善传统园林绿化调查作业模式，获取点云数据提取树木参数信息满足林业规范要求，从而可以取代费用高、难度大、复杂化、周期长的传统人工实测方法；该技术可以有效解决园林绿化规划、建设、管理、养护等一系列难题，提高了城市园林管理处的工作效率和服务水平。