[发明专利]一种基于地基激光雷达点云数据的叶面积求解方法

说明书

本发明属于地基激光雷达点云数据处理技术领域，具体涉及一种基于地基激光雷达点云数据的叶面积求解方法。本发明利用Alpha‑shape算法从一堆无序的三维点中构建的多边形和多面体，从而对枝叶分离后的叶片点进行包络面拟合，以重建叶片表面并进行精确的叶面积求解。本发明可以摆脱传统基于物理模型的叶面积求解方法对参数的依赖，克服因模型复杂造成的数据采集困难，提取叶面积的精度优异。

技术领域

本发明属于地基激光雷达点云数据处理技术领域，具体涉及一种基于地基激光雷达点云数据的叶面积求解方法，运用Alpha-shape算法做包络面拟合。

背景技术

树木是自然生态中的重要组成部分，其三维重建在植物数字化存储、场景渲染、农林业研究等方面具有重要的应用价值(Livny et al.，2010；et al.，2012；Bremer etal.，2013)。叶面积指数(leaf area index,LAI)是指单位地表上的叶片总面积大小的一半，是树木最为重要的特征之一。对于单木层面而言，叶面积指数的求解是建立在单木的叶片面积的求解之上，那么单木的叶片面积的测量是其不可或缺的一部分。而叶面积求解需要从激光雷达点云数据中得到每一片叶片的面积，是提取单木尺度叶面积数据的重要前提。由于树木结构和叶子表面细节的复杂性，如不对称的枝条、不规则的表皮形状和复杂纹理的叶子等，仅仅通过二维图像难以准确地提取叶片信息。因此，现代遥感技术在准确、快速地获得植被的三维结构信息将面临新的挑战。

激光雷达(Light Detection And Ranging，LiDAR)是近年来发展十分迅速的主动遥感技术，主要通过测定传感器发出的激光在传感器与目标物体之间传播的距离，分析目标地物表面的反射能量大小以及反射波谱的幅度、频率和相位等信息，呈现目标物精确的三维结构信息。地基三维激光扫描技术(Terrestrial Laser Scanner，TLS)通过从不同位置观测被测目标物体来获取其表面的高密度高精度的几何结构信息，具有独特的优势。近几十年来，叶面积的反演和计算一直是激光雷达林业应用研究的热点方向。随着枝叶分离算法的不断完善，地基激光雷达数据的高空间分辨率有能力做到对叶片面积的直接测量。

国内外学者利用地基激光雷达数据做了非常多的关于叶面积的研究，主要基于朗伯-比尔定律和接触频率两种反演方法。朗伯-比尔定律最初的适用场景是浑浊溶液，利用消光因子随机分布的假设，成功的描述了给定频率的电磁波穿过低浓度溶液的过程。

其中I是出射光的光强，I₀是入射光的光强，I/I0是通过冠层的光的比例，k是消光系数，ρ是溶液中溶质密度，l是溶液的深度。通过调整上式形式，进一步得：

由于k·ρ·L表示单个溶质的消光面积乘以单位面积上溶质的个数，将溶质替代为叶片，k·ρ·L则为叶面积指数LAI。叶面积指数的定义为单位地面上的叶片面积，因此将叶面积指数乘以地表面积，则可以得到叶面积。通过求解出来又假设叶面方向与电磁波传播方向相同，则为间隙率P。因此，可以通过如下公式求解得到LAI：

LAI＝-ln(P)

但是间隙率P不能直接由LiDAR测量，而是需要通过对点云数据进行处理得出。林森等(2018)通过面元投影法来求解间隙率，该方法通过将叶片点投影到单位半球空间中，并对该单位半球空间进行栅格化，通过统计有叶片点投影的栅格占总栅格数量的比例为间隙率。但是该方法的精度对栅格大小十分敏感，对于不同的数据集，确定最佳栅格大小较为困难。徐艺帆等(2021)通过蒙特卡洛法模拟激光束探测冠层得到间隙率的数值解，该方法得到的数值解的精度和模拟次数有关，对于大范围林分的高精度间隙率获取具有局限性。

发明内容