基于激光雷达数据的森林数据分析与处理系统的设计与实现

陈宗铸;杨琦;雷金睿;陈小花;李苑菱

【摘 要】机载激光雷达(LiDAR)是一种新型数据获取手段,目前在林业资源管理、森林防火、林木砍伐等方面已广泛应用,但尚未形成完整的、实用的林业LiDAR数据分析与处理系统.通过分析已有LiDAR数据应用于林业资源管理方面的理论和方法,以目前开源LiDAR点云数据处理技术、海量点云数据可视化技术,以及GIS相关分析技术为基础,结合林业资源管理需求,设计并研发了基于LiDAR数据的林业资源数据分析与处理系统.系统实现了Li-DAR点云数据的管理与可视化、数字高程模型生成、数字地表模型生成、冠高模型生成、平均树高估计等功能,为基于LiDAR数据的林业资源管理提供统一的平台.

【期刊名称】《热带林业》

【年(卷),期】2018(046)001

【总页数】6页(P61-66)

【关键词】LiDAR;点云;林业资源管理;系统设计;CHM;平均树高

【作 者】陈宗铸;杨琦;雷金睿;陈小花;李苑菱

【作者单位】海南省林业科学研究所,海南海口 571100;海南省林业科学研究所,海南

海口 571100;海南省林业科学研究所,海南海口 571100;海南省林业科学研究所,海南海口 571100;海南省林业科学研究所,海南海口 571100

【正文语种】中 文

【中图分类】S7-0

1 引言

中国的林业信息化经历了20世纪80年代起步、90年代系统化、21世纪网络化这一个过程[1]。近年来，各地、各级林业部门围绕森林资源调查[2～9]、森林防火[10～15]、林木采伐[16～17]、林产品运输等森林经营环节，开发和应用了相应的信息化系统。在LiDAR应用于森林资源调查方面，各相关研究单位进行了大量的研究，主要集中于森林参数的反演，包括林木识别[18～19]，数字高程模型（D EM）、数字地表模型（D T M）、冠高模型（C HM）的生成[20～26]，树高测量[27～29]，以及林分郁闭度、林木平均冠幅、单木冠幅[30～31]、地上生物量估计[32～34]等方面。这些研究实现了某类森林参数的提取，但是还没有形成针对LiDAR点云数据应用于林业资源管理的数据分析与处理信息化系统，该研究通过分析、整合已有的开源LiDAR数据处理软件和常用的GIS数据分析平台，开发完成了针对点云数据处理的林业LiDAR点云数据处理系统。

2 需求分析与建设目标

2.1 系统需求分析

林业资源调查大部分数据处理主要依赖于专业的LiDAR数据处理软件与平台。例如，针对林业相关分析和参数提取，仍依赖于LiDAR处理软件、GIS分析软件、数据转换等平台组合使用，这些现状限制了LiDAR数据林业资源管理的应用。经过调研分析，总结了目前林业部门对LiDAR点云数据处理系统的需求，主要体现在以下几个方面：

（1）LiDAR点云数据的可视化显示

LiDAR点云数据具有数据量大的特点，1km2范围内可能会有几百万个数据点，这些数据如何快速显示是点云数据应用首先要解决的问题，点云数据包含空间坐标位置、反射强度、回波次数等信息，点云的可视化同样需要根据这些内容进行实时渲染显示。

（2）LiDAR点云数据的分析处理

为进行相关林业参数提取，需要对LiDAR数据进行必要的数据分析处理。主要包括噪声处理、坐标变换、生成D EM、D T M、C HM模型等，为后期平均树高、冠幅、郁闭度提取等提供数据支撑。

（3）LiDAR点云数据林业参数提取

在已有林业资源参数提取研究的基础上，选择合适的提取算法，结合具体区域森林类型，对算法进行相应的改进，使估计参数准确率更高。

2.2 系统建设目标

系统建设目标为充分利用LiDAR点云数据的优势，研究林业信息提取方法，改变传统的林业信息调查方法，提高林业信息获取的准确性和效率，通过研究相关关键技术，并进行编程实现，为形成一套可应用于实践的LiDAR点云数据处理系统。

3 系统设计

3.1 系统总体设计

基于LiDAR的森林资源数据处理系统建设是一项系统功能，从逻辑上分为支撑层、数据层、应用层和用户层。

（1）支撑层为GIS、点云数据处理软件平台、计算机相关硬件设备等，是保障系统安全稳定运行的基础。

（2）数据层为该系统的核心内容，包括输入数据和系统分析提取成果数据。输入数据为机载激光雷达系统的测量成果数据（L A S原始数据以及PCD转换数据）；系统分析提取成果数据为系统分析产生的数字高程模型（D EM）、数字表面模型（DSM）以及冠高模型（C HM），平均树高和相关专题图成果。

（3）应用层是系统为用户提供应用服务的出口，主要是指林业LiDAR数据分析处理系统，提供的功能服务包括数据导入、预处理、数据浏览、D EM与DSM提取、林业信息提取等；

（4）用户层主要指系统使用和管理人员，包括林业资源调查与管理人员。

图1 系统总体架构图Fig 1 System Overall architecture diagram

3.2 系统功能设计

LiDAR点云数据处理系统的主要功能可分为六个模块，分别为数据导入模块、数据浏览模块、数据预处理模块、数据提取模块、数据生成模块、系统设置模块，如图2所示。

图2 系统功能结构图Fig 2 System Function chart

3.2.1数据导入模块

数据导入模块包括Las数据信息查看、Las文件转PCD文件等功能。用户选择Las文件，可查看该文件的元数据。例如：生产平台、生产时间、坐标范围、统计值等信息。数据导出时用户可选择Las文件中需要导出的字段，例如：空间位置信息（xyz）、颜色信息（RG B）、反射强度（intensity）、回波次数等信息。

3.2.2 数据浏览模块

数据浏览模块主要包括PCD点云文件、DEM、DSM、坡度、坡向的浏览。用户选择PCD文件，在点云视图中进行浏览，可选择不同的字段进行渲染，并可查看图例和当前范围，提供三维浏览的放大、缩小、旋转等浏览工具。用户选择生成的D EM文件、DSM文件、C HM文件、坡度、坡向图文件，系统进行分层设色进行浏览。

3.2.3 数据预处理

目前数据预处理模块主要包括噪声去除功能。由于LiDAR数据在获取过程中，有可能会受到飞鸟、电力线等因素的影响，产生一些噪音，对后期林业信息提取会产生一定的影响，因此在进行林业信息提取之前应对数据进行噪声去除。噪声去除方法可采用孤立点去除法等。

3.2.4 数据提取

数据提取模块主要包括D EM数据提取、DSM数据提取。这两项内容是林业信息提取的基本信息，作为后期CHM、平均树高、坡度图、坡向图的生成依据。

3.2.5 数据生成

数据生成模块主要包括：距离反权插值（IDW）、提取C HM、提取坡度图、提取坡向图、计算平均树高等功能。获取了点云DEM、DSM后，需要将散乱的点云数据转换为二维栅格数据，需要对数据进行插值，插值方法选择IDW方法。根据C HM的定义，它一般是由DSM与DEM进行差值运算生成。森林调查中很多的植被参数都可以从CHM中直接或间接的获得，例如树高、冠幅、郁闭度、蓄积量和生物量等，但是获得的这些参数通常会比实际值低。坡度图和坡向图的分析，根据生成的D EM数据，通过GIS空间分析功能，生成坡度图和坡向图。CHM生成以后，通过设置最小树高，剔除非林木区域，统计剩余林木区域的平均高程。

4 关键技术

4.1 冠高模型CHM生成

冠层高度模型（Canopy Height Model）是一个表达植被距离地面高度的表面模型，能够表达树木冠层的水平和垂直分布情况。根据CHM的定义，它一般是由DSM与D EM进行差值运算生成。森林调查中很多的植被参数都可以从CHM中直接或间接的获得，例如树高、冠幅、郁闭度、蓄积量和生物量等，但是获得的这些参数通常会比实际值低。本文直接利用GIS中的栅格空间分析原理，对DSM与DEM进行差值运算生成CHM，通过去除了地面点后，对C HM进行统计得出平均树高。

4.2 Las数据转换

LAS tools是多核LiDAR批处理中速度最快、内存利用率最高的解决方案，可以快速进行海量LiDAR数据点的提取和格式转换。

4.3 点云数据可视化技术

点云库 PCL（Point Cloud Li brary）是在吸收了前人点云相关研究基础上建立起来的大型跨平台开源C++编程库，它实现了大量与点云相关的通用算法和高效数据结构，涉及到点云获取、滤波、分割、配准、检索、特征提取、识别、追踪、曲面重建、可视化等。支持多种操作系统平台，可在Windows、Linux、Android、Mac OSX、部分嵌入式实时系统上运行。系统将利用PCL库中的可视化显示、噪声去除等模块，与系统及其功能进行集成。

4.4 GIS分析技术

空间数据的分析是GIS的核心功能，它能够通过对基础数据的分析并叠加其影响来量化解决现实生活中与空间相关的实际问题，应用范围广，包括栅格、矢量数据分析，三维分析和网络分析等。ArcGIS因为其自身的优势已经使其广泛深入的应用于测绘与地图制图、资源管理、城乡规划、灾害预测、土地调查与环境管理、国防、宏观决策等与空间信息有关的各行各业。为了满足不同的应用需求，GIS具备了二次开发功能，这极大的拓展了GIS的应用领域。

4.5 PCD文件格式

PCD点云文件包括文本格式和二进制格式，为处理方便，选用文本格式。PCD点云文件由点云文件头、点云数据两部分组成。

（1）文件头格式

每一个PCD文件包含一个文件头，它确定和声明文件中存储的点云数据的某种特性。PCD文件头必须用A S C II码来编码。PCD文件中指定的每一个文件头字段以及Ascii点数据都用一个新行（\\n）分开，从0.7版本开始，PCD文件头包含下面的字段：

·VERSION-指定PCD文件版本

·FIELDS-指定一个点可以有的每一个维度和字段的名字

·SIZE-用字节数指定每一个维度的大小

·TYPE-用一个字符指定每一个维度的类型

·COUNT-指定每一个维度包含的元素数目

·WIDTH-用点的数量表示点云数据集的宽度

·HEIGHT-用点的数目表示点云数据集的高度

·VIEWPOINT-指定数据集中点云的获取视点

·POINTS-指定点云中点的总数

·DATA-指定存储点云数据的数据类型

（2）数据存储类型

在0.7版本中，PCD文件格式用两种模式存储数据：

如果以ASC II形式，每一点占据一个新行：

p_1

p_2

...

p_n

（3）例子

下面是PCD文件的头文件和部分数据。

#.PCDv.7-Po intCloud Data file for mat

VERSION.7

FIELDSxyzrgb

SIZE 4444

TYPEFFFF

COUNT 1 1 1 1

WIDTH 213

HEIGHT 1

VIEWPOINT 0 0 0 1 0 0 0

POINTS 213

DATA ascii

0.93773 0 .33763 0 4.2108e+06

0.90805 0 .35641 0 4.2108e+06

5 系统实现与案例分析

5.1 系统实现

该系统采用单机运行模式，数据采用文件格式存储。系统开发平台基于Windows 7、Net Framework 4.5。第三方组件包括ArcEngine10.0 GIS开发组件，开源点云数据处理工具LasTool s，以及开源点云库PCL1.8。开发环境包括Visual Studio 2013、Dev Express、Qt，开发语言为 C#、C++。系统的数据格式转换、可视化、噪声去除、IDW数据插值等模块，集成调用第三方组件提供的接口和功能，其他功能在相关模型和算法研究的基础上采用C#编程具体实现。

系统运行主界面包括：工具栏、点云文件及图层列表、点云与地图显示区域、信息输出窗口等。系统运行界面如图3、图4所示。

图3 系统主界面Fig 3 System Ma in Inter face

图4 系统运行截图（点云、DSM、DEM、C HM显示效果）Fig 4 System Run screenshot（Point Cloud, DSM, DEM, CHMdisplay effect）

5.2 案例分析

该研究选择三亚市福万水库北侧山地树林作为实验区，区域范围为2k m2左右，实地共采集高程点48个，单棵树木69株，同时采集了树木的胸径、树高，以及实地照片，如图5所示。该区域的Lid ar点云数据经过系统的处理即D EM提取、DSM提取、IDW插值、坡度、坡向生成、C HM生成、平均树高计算等步骤，得到了实验区域的D EM、DSM、C HM、坡度、坡向图，如图6～图8所示。通过实地调查数据与分析结果对比可以得出LiDAR点云获得的树高比实际值低，原因主要是LiDAR数据树顶的错失及点云的低密度，LiDAR激光较难到达实际地面即被反射。通过实验分析，树高被平均低估了1～3m。按以上统计结果，最低树高设置为5m时，差值为2m。分析结果可作为经验值，用于后期LiDAR点云数据树高改正。

图5 实验区域实地核查数据（红色为高程点、绿色为单棵树木）Fig 5 Field verification data in experimental area (Red is Elevation point，Green is Single tree)

图6 C HM渲染图及图例（米）Fig 6 CHM Rendering and illustration(mefer)

图7 坡向图及图例Fig 7 Slope map and Legend

图8 坡度图及图例（度）Fig 8 Slope chart and Legend(degree)

6 结论与讨论

该研究完成了LiDAR点云数据应用于森林信息提取，对点云数据的噪声处理算法、DSM与D EM数据提取算法、冠高模型C HM生成、提取坡度图、坡向图、平均树高的计算等算法进行了研究，利用C++、C#进行了算法实现，并经过系统整合，开发出LiDAR点云数据处理系统。选定实验区域，进行实地测量与核实，对核实结果与系统处理结果进行了比对分析，并进行了原因分析与总结。

通过利用该系统对实验区数据进行处理，进行了精度验证和评估。结果表明，系统能够对Li A D R点云数据进行处理，结果较为准确，处理效率较快。后期工作主要集中在研究集成更多的林业参数提取算法和模型，例如冠幅、胸径、地上生物量估计等。

参考文献

[1]吴达胜.林资源信息管理理论与应用[M].北京中国水利水电出版社，2012.

[2]李晓敏，朱江江，钟瑞华.江西省森林资源管理信息系统设计与实现[J].科技创新导报，2015，（32）：173-176.

[3]李亚东，冯仲科，罗旭.基于ArcGIS Engine的森林资源空间数据统计更新系统的设计与实现[J].北京林业大学学报，2007，（S2）：168-173.

[4]杨延征.基于IDL和ArcEngine的森林资源时空变化分析系统设计与实现[D].咸阳：西北农林科技大学，2012.

[5]袁野.基于ArcGISServer和Flex的森林资源与生态状况管理系统[D].哈尔滨：东北林业大学，2015.

[6]罗春林.基于B/S结构森林资源资产评估信息系统研究[J].河南科技，2014，（5）：15-16.

[7]张忠月.基于ARCGIS平台的森林资源信息管理系统设计与实现[D].成都：电子科技大学，2013.

[8]李超，罗传文.基于ArcGISEngine的森林资源管理系统的设计与实现[J].森林工程，2013，29（1）：15-20，25.

[9]代劲松，曹林，温小荣，等.基于开源GIS的森林资源管理信息系统设计与实现——以江苏省云台山为例[J].南京林业大学学报（自然科学版），2012，36（5）：174-178.

[10]李佳.基于无线传感器网络森林火险监测系统设计与实现[D].成都：电子科技大学，2013.

[11]刘坤.森林景区救火决策管理系统设计与实现[D].南京：南京农业大学，2013.

[12]马宁，武万里，任玉，等.宁夏森林火险监测预警系统设计与关键技术实现[J].宁夏农林科技，2014，（11）：40-42，48.

[13]万鲁河，刘万宇，臧淑英.森林防火辅助决策支持系统的设计与实现[J].管理科学，2003，（03）：21-24.

[14]洪涛，陈克伟，张志坚.三维森林资源管理与防火应急指挥系统设计与实现——以国家级昆明经济技术开发区为例[J].城市勘测，2014（6）：82-86.

[15]颜伟，谭靖，李琼，等.森林防火地理信息系统设计与实现[J].微计算机信息，2012（9）：287-289.

[16]谢小魁，苏东凯，代力民，等.森林经营决策支持系统的设计与实现及在采伐中的应用[J].生态学杂志，2011，（10）：2381-2388.

[17]朱宇，刘兆刚.基于ArcGISEngine的森林健康评价辅助系统的设计与实现[J].森林工程，2013，（05）：5-11.

[18]刘峰.基于机载LiDAR数据林木识别与重建[D].长沙：中南大学，2012.

[19]陶江玥，刘丽娟，丁友丽，等.高光谱和LiDAR数据融合在树种识别上的应用[J].绿色科技，2017，（8）：212-214.

[20]唐菲菲，刘经南，张小红，等.基于机载LiDAR数据获取森林地区DTM新方法

[J].武汉大学学报（信息科学版），2009，（04）：459-462.

[21]林怡，季昊巍，叶勤，等.基于LiDAR点云的单棵树木提取方法研究[J].计算机测量与控制，2017，25（6）：142-147.

[22]冯静静，张晓丽，刘会玲，等.基于灰度梯度图像分割的单木树冠提取研究[J].北京林业大学学报，2017，39（3）：16-23.

[23]孙浩，刘晋浩，黄青青，等.基于二维激光扫描的立木胸径计算方法性能分析[J].农业机械学报，2017，48（8）：186-191.

[24]张卫正，董寿银，王国飞，等.基于机载LiDAR数据的林木冠层投影面积与体积测量[J].农业机械学报，2016，47（1）：304-309.

[25]段祝庚，肖化顺，袁伟湘，等.基于离散点云数据的森林冠层高度模型插值方法[J].林业科学，2016，52（9）：86-94.

[26张齐勇.基于森林地区LiDAR点云数据的DEM提取[J].工程勘察，2015，（05）：78-82.

[27]尹艳豹.基于机载激光雷达测量的森林资源调查因子联立估计研究[D].北京：中国林业科学研究院，2010.

[28]刘鲁霞，庞勇，李增元，等.基于地基激光雷达的亚热带森林单木胸径与树高提取

[J].林业科学，2016，52（2）：26-37.

[29]杨伯钢，冯仲科，罗旭，等.LIDAR技术在树高测量上的应用与精度分析[J].北京林业大学学报，2007，（S2）：78-81.

[30]韦雪花.轻小型航空遥感森林几何参数提取研究[D].北京：北京林业大学，2013.

[31]高婷，李卫忠，赵鹏祥，等.基于ArboLiDAR的大野口林区森林参数估测[J].西北林学院学报，2017，32（4）：172-177，223.

[32]李旺，牛铮，王成，等.机载LiDAR数据估算样地和单木尺度森林地上生物量[J].遥感学报，2015，（04）：669-679.

[33]王东亮.低空遥感数据处理与非生长季草地生物量反演研究[D].北京：中国农业科学院，2016.

[34]邢艳秋，姚松涛，李梦颖，等.基于机载全波形LiDAR数据的森林地上生物量估测算法研究[J].森林工程，2017，33（4）：21-26.

[35]赵亚飞.脉冲式激光测距机的设计与实现[D].郑州：郑州大学，2017.

[36]吴文升.基于小型无人直升机的机载激光雷达数字地形测绘系统与设计与实现[D].广州：华南理工大学，2012.

[37]董士军.车载激光雷达系统设计与实验研究[D].南京：南京理工大学，2016.

[38]徐振宇，张永康，董文博，等.基于激光雷达的气浮台定位系统设计与实现[J].传感技术学报，2016，29（12）：924-1930.

[39]步国超，汪沛.三维树木点云数据处理软件系统设计[J].计算机应用与软件，2016，33（4）：68-71.

[40]童淑君，朱立松.基于嵌入式GIS的森林数据库系统设计与实现[J].科技传播，2015，7（18）：164-165.

[41]金芳丽，杨伟霞.基于GIS的林业数据库系统架构与实现[J].北京测绘，2012，（4）：91-93，18.

[42]魏勇.便携式森林植物种质资源信息系统的设计与实现[D].成都：电子科技大学，2012.

[43]梁宏，刘长长.机载激光雷达点云数据处理研究[J].科技视界，2017，（9）：144.

[44]孙浩，刘晋浩，黄青青，等.基于二维激光扫描的立木胸径计算方法性能分析[J].农业机械学报，2017，48（8）：186-191.