[发明专利]一种基于目标立木形态的非接触式立木胸径测量方法

说明书

本发明提供一种非接触式立木胸径测量方法，包括：获取二维图像和测量装置到目标立木表面的测距值作为输入数据；识别在自然场景下获取的二维图像中的树干区域，包括：首先建立感兴趣区域图像，确定目标立木在图像中的位置并由此创建裁剪后的感兴趣区域图像；然后基于自构建数据集所训练的树干区域识别模型处理感兴趣区域图像，识别树干区域；树干倾斜度检测及在二维图像中的胸径长度计算，建立DBH计算模型，计算目标立木的DBH。本发明结构简单，能够在多种复杂环境下准确、有效的提取图像中目标树干区域，兼顾树干形状特征和生长特征，有效提高DBH的测量精度。

技术领域

本发明涉及一种非接触式立木胸径测量方法，更具体地，涉及一种基于目标立木形态的立木胸径测量方法，属于林业结构参数测量领域。

背景技术

作为评价立木乃至林分水平生长状态的重要参数，胸径(Diameter at BreastHeight,DBH)测量始终是森林资源调查工作中的重要内容。实现对林分水平下胸径的每木检尺工作，不仅能够作为在林分水平估计树高、冠层高度和森林材积等其他结构参数的重要输入，同时在森林生物量估计以及揭示森林碳循环、碳流动甚至全球气候变化中也起到重要作用。

胸径被定义为立木树干距地1.3m处树干的直径。传统的胸径测量方法一般以测径卡尺和胸径围尺为主，虽然其测量精度较高且常被视为真值，但这些工具在测量时常存在费时费力的缺陷，并依赖于林业技术人员自身的观测水平。不同于上述传统接触式测量方法，近年来所发展的基于遥感传感器的非接触式测量方法极大地丰富了胸径测量手段，其自动化的数据处理模式和较高的测量精度使其在部分森林资源调查任务中已有所应用。

在基于点云数据来重建树干三维轮廓并估计立木结构参数的非接触式方法中，根据点云获取方式的不同，分为基于主动传感器和被动传感器两种模式。被动传感器一般通过单目或双目视觉衍生的机器视觉方法在目标区域中根据规划路线采集多帧图像，利用图像匹配和基于运动恢复重构技术生成高密度点云以实现对目标区域三维场景描述和参数估计。虽然这种数据采集和处理模式能够满足一定精度需求且成本较低，但自然森林中复杂的环境条件始终制约着这种方法的应用与拓展。此外，数据处理过程中基于运动恢复重构技术往往是一项耗时任务且对计算机性能具有一定要求，这也进一步限制了这种方法的有效应用。

相较于利用被动传感器并基于机器视觉技术的数据获取方法，基于离散激光雷达(Light Detection and Ranging,LiDAR)所衍生的地面激光扫描或是移动激光扫描等数据采集方法能直接主动获取目标区域三维点云信息并进行植被结构参数反演。随着目前激光雷达数据采集和点云数据处理算法的发展，利用离散点云估算目标区域结构参数已达到较高精度。尽管如此，基于LiDAR点云数据估算结构参数的方法依然在数据处理、硬件花费和便携性上存在一定缺点。虽然目前LiDAR 数据要采集和处理方法已较为成熟，但复杂的数据处理方法产生了一定的隐性成本；此外，LiDAR硬件成本较高且相比于传统测量工具较为笨重，这进一步限制了LiDAR作为一种新兴技术在森林资源调查中的应用。

不同于基于三维点云数据估测DBH，利用相机获取包含目标树的二维图像并基于相机成像原理对DBH进行非接触式测量的这种思路已有相关研究。然而，由于始终受制于数码相机和图像处理算法的发展，这种基于二维图像进行DBH测量的方法仍需要被优化改进。首先，现有的基于二维图像估计DBH的方法依赖于对图像中树干区域的分割提取，虽然部分研究通过传统的阈值分割算法或是手动选定识别了树干区域，但自然森林中复杂多变的环境条件限制了传统图像分割算法的普适性，而手动识别树干虽具有较高的准确度，但这种操作方式无疑降低了测量效率且对测量人员专业素质提出了更多的要求，因此如何实现自动化且具有较强普适性的树干识别算法尚需解决；其次，利用二维图像实现DBH非接触式测量一般基于光学成像模型并结合深度信息建立空间转换关系实现，而现有DBH测量模型仅是对光学成像原理的简单应用，并未系统性考虑自然条件下立木形态特征，降低了在自然森林下的适用性和测量精度，因此，需要开发新的DBH计算模型以兼顾目标立木形态对测量的影响。

发明内容