王國利, 李 群, 楊學博, 王 成

(1.北京建筑大學 測繪與城市空間信息學院, 北京 100044; 2.中國科學院空天信息創(chuàng)新研究院 數(shù)字地球重點實驗室, 北京 100094；3.北京建筑大學 建筑遺產(chǎn)精細重構(gòu)與健康監(jiān)測北京市重點實驗室， 北京 102616)

在過去幾十年內(nèi)，森林資源的過度開墾和森林災害的頻繁發(fā)生破壞了森林原有的生態(tài)平衡，快速精確地獲取森林空間信息，并及時提供森林資源的動態(tài)變化已成為林業(yè)相關(guān)部門的首要任務。傳統(tǒng)的森林資源調(diào)查一般采用圍尺、測高儀等工具直接測量樹木的胸徑、樹高、冠幅等參數(shù)，需要攀爬樹木或者將立木伐倒測量相關(guān)特征參數(shù)[1]，無法滿足大面積森林資源精準調(diào)查的要求。遙感(Remote Sensing, RS)以其快速、范圍大、無接觸性等優(yōu)勢為林業(yè)資源提供了新的技術(shù)手段。傳統(tǒng)的被動光學遙感多通過衛(wèi)星傳感器獲取森林數(shù)據(jù)的二維水平空間影像，無法得到森林植被的三維結(jié)構(gòu)信息[2]。激光雷達(Light Detection and Ranging, LiDAR)是近30年來快速發(fā)展起來的一種先進的主動式遙感技術(shù)，能快速、精確獲取森林植被空間三維坐標和林分信息等[3]。激光雷達按照搭載平臺劃分可分為星載、機載(飛機、無人機)、地面(基站、車載、背包式)激光雷達等[4]。林業(yè)資源精細調(diào)查多采用地面激光雷達和機載激光雷達2類，機載激光雷達對森林的垂直結(jié)構(gòu)具有很強的獲取能力，適用于大尺度的森林資源調(diào)查工作[5]。

基于點云的林木三維仿真模型構(gòu)建是森林可視化管理及應用的核心，根據(jù)建模原理的不同可分為基于生長規(guī)則結(jié)構(gòu)建模、基于結(jié)構(gòu)與功能建模和基于參數(shù)結(jié)構(gòu)模型建模。3種方法各有優(yōu)劣：基于生長規(guī)則結(jié)構(gòu)建模的方法比較注重植物生理的形態(tài)結(jié)構(gòu)，建立模型效率較高且構(gòu)建方式較為靈活，但是難以對形態(tài)結(jié)構(gòu)特別復雜的植物進行三維建模[6-8]；樹木在不同環(huán)境下(如光照、 濕度、溫度以及種植密度)，生長機理模型、生物量及生長結(jié)構(gòu)也有所不同，建立樹木結(jié)構(gòu)- 功能模型對實現(xiàn)樹木信息管理具有重要意義[9-10]；基于參數(shù)結(jié)構(gòu)模型建模的方法主要包括基于幾何結(jié)構(gòu)法、基于二維圖像法以及基于三維數(shù)據(jù)點云法。根據(jù)數(shù)據(jù)處理方式和建模方法的不同，可分為手工或半自動化方法建模和直接利用點云數(shù)據(jù)進行建模2類[11]。手工或半自動化方法建模的基本思路是從點云數(shù)據(jù)中提取樹木點云模型的特征參數(shù)，然后將這些參數(shù)輸入到現(xiàn)有的樹木建模軟件中完成三維幾何植物模型的構(gòu)建[12]；而直接利用點云數(shù)據(jù)進行建模，則是利用一些算法對植被點云數(shù)據(jù)進行處理，提取出能夠表征樹木幾何形態(tài)的特征信息，直接構(gòu)建三維樹木模型[13-14]。

針對傳統(tǒng)森林樹木建模空間精度低，可視化效果不佳的特點，本研究以某地區(qū)森林場景機載激光雷達點云數(shù)據(jù)為實例進行了森林場景三維重建。在提取地形數(shù)據(jù)的基礎(chǔ)上，對試驗區(qū)林木進行空間分割分類，依據(jù)不同種類樹木特點進行針對性建模，結(jié)合樹種的結(jié)構(gòu)信息及分布進行森林場景三維重建。

1 機載激光雷達點云三維重建方法

1.1 試驗機載激光雷達數(shù)據(jù)

機載激光雷達系統(tǒng)獲取的原始數(shù)據(jù)主要包括激光點云、全波形文件和數(shù)字航宇影像。本文截取某林區(qū)機載激光雷達獲取的三維點云數(shù)據(jù)作為研究對象，區(qū)域大小約200 m×200 m，實際包含約773棵樹木，樹種以喬木為主。點云包含3 625 181個點，點云平均密度約為90點/m2，點云整體概況如圖1所示。

圖1 研究區(qū)域點云數(shù)據(jù)Fig.1 Point cloud of research area

1.2 技術(shù)路線

本文建模技術(shù)路線如圖2所示。首先對機載激光雷達點云數(shù)據(jù)進行去噪、濾波處理，將分離得到的地面點通過空間內(nèi)插法生成地形模型，并導入SketchUp軟件中模擬三維地形。然后對植被點云進行單木分割并提取多個單木參數(shù)(平面位置、樹高、冠幅等)，利用SpeedTree軟件結(jié)合樹木的剖面輪廓和單木參數(shù)生成相應的單木模型，改變隨機因子調(diào)整樹木形態(tài)，批量生成優(yōu)勢樹種類型的樹木。最后將地形模型和單木模型分層依次導入Lumion軟件，在地形模型上根據(jù)單木的空間坐標調(diào)整單木模型的位置，添加環(huán)境等特效對森林場景進行渲染，從而實現(xiàn)森林真實場景三維構(gòu)建。

圖2 建模技術(shù)路線Fig.2 Modeling technological flow

2 三維點云數(shù)據(jù)處理

2.1 點云預處理

激光雷達獲取的原始點云數(shù)據(jù)有地面點、地物點(植被)、噪聲點。試驗數(shù)據(jù)的噪聲主要包括高位粗差和低位粗差，如圖3所示。在點云魔方軟件中可以通過探測離群點去除此類噪聲。

圖3 點云數(shù)據(jù)噪聲點Fig.3 Noise data of point cloud

本文采用漸進加密三角網(wǎng)濾波算法提取森林點云數(shù)據(jù)中的地面點和植被點。漸進加密三角網(wǎng)濾波方法結(jié)合了形態(tài)學濾波算法，能夠較好地保留地形特征信息[15]。算法提取地面點的結(jié)果如圖4所示。

圖4 地面點云濾波結(jié)果Fig.4 Filtering results of ground point cloud

將地面點分離后提取的非地面點云數(shù)據(jù)如圖5(a)所示，為了進一步對植被進行單木分割，需消除地形起伏對點云數(shù)據(jù)處理過程的影響。歸一化后的非地面點效果如圖5(b)所示，圖中每個點的高程值是相對高程值為0的平面的真實相對高度，若該點位于樹木冠層頂部時，其高程值即代表樹高。

圖5 點云去噪與歸一化處理Fig.5 Denoising and normalization of non-ground point cloud (a. result of denoising; b. result of normalization)

2.2 單木分割

單木分割是對密集植被區(qū)域的單株樹木點云進行分割，從而提取單木的X和Y坐標、樹高、冠幅面積等參數(shù)的過程。單株樹木的準確獲取為森林場景三維重建的關(guān)鍵。點云魔方軟件中單木分割流程如圖6所示，分割方法按照所采用的數(shù)據(jù)形式可分為2類，分別為基于冠層高度模型(Canopy Height Mode，CHM)的單木分割以及基于點云數(shù)據(jù)的單木分割。層堆疊算法以1.0 m的高度間隔分割整個森林點云，將每一層點云分割開來，然后合并所有層產(chǎn)生的典型剖面。利用層堆疊算法識別局部最大值作為種子點，然后基于種子點識別的結(jié)果，采用點云分割算法進行分割。分割參數(shù)包含最小樹高、高斯平滑因子和平滑半徑等，平滑半徑與平均冠幅直徑大小相當，得到的單木分割結(jié)果如圖7所示，圓形為樹木的所在位置和冠幅大小。

圖6 單木分割流程Fig.6 Individual tree segmentation process

點云魔方軟件可在三維視圖窗口直觀查看點云分割結(jié)果，通過編輯種子點糾正錯誤漏分情況。利用基于CHM分割、基于點云分割和基于層堆疊種子點分割生成的單木分割結(jié)果(表1)，以人工編輯的分割結(jié)果作為最終單木分割的結(jié)果。試驗證明基于層堆疊種子點分割的精度最優(yōu)，且其穩(wěn)定性明顯優(yōu)于其他2種分割方法。

在林業(yè)資源調(diào)查中按照樹高可將樹木分為偉喬木、大喬木、中喬木、小喬木、灌木5類，研究區(qū)樹種垂直分布及其數(shù)量見表2。

由表2結(jié)果可以看出在研究區(qū)域的森林中，3.0 m以下的樹木未能被識別分割出來，樹高在20.0 m以上的樹木占71%，該研究區(qū)域內(nèi)的森林生長茂盛密集。按照高度進行垂直分布情況如圖8(a)所示。

表1 單木分割的結(jié)果對比

將灌木、小喬木、中喬木、大喬木、偉喬木按照樹木冠幅大小繪制其水平分布的X和Y坐標，如圖8(b)所示。

表2 研究區(qū)域森林按照樹高分類

根據(jù)樹高分類對不同區(qū)間的樹木提取點云剖面，如圖9所示，在樹木建模過程中需考慮結(jié)合樹木的剖面輪廓進行三維建模。

圖8 研究區(qū)域森林空間結(jié)構(gòu)分布Fig.8 Spatial distribution of forest structure of the study area

圖9 按照高度分類提取樹木點云剖面Fig.9 Extracting point cloud profile of trees by height classification

圖10 地形等高線剖切及三維建模Fig.10 Contour section of terrain DEM and modeling of terrain

3 森林場景三維建模

3.1 地形三維建模

本文利用地面點云數(shù)據(jù)處理后生成的等高線進行地形建模。以5.0 m等高距進行剖切，提取等高線，隨后用SketchUp軟件的Fredo Toposhaper插件生成地形模型，軟件可自動進行斷線連接和等高線的平滑操作，結(jié)果如圖10所示。

3.2 單木三維建模

Lumion軟件自帶豐富的植物素材庫SpeedTree，利用SpeedTree建模時，樹的主干樹枝多由多邊形網(wǎng)格來表達，樹冠枝葉由Billboard面片來表達。建模流程包含骨架建模和材質(zhì)紋理2部分，樹木生成器可視為樹木的生長規(guī)則集。節(jié)點是樹木模型的重要組成部分，1棵樹木是由1個發(fā)生器為起點生成若干個節(jié)點來構(gòu)成，可通過編輯節(jié)點來生成不同形態(tài)的樹木模型。圖11展示了一個簡單的生成器層次結(jié)構(gòu)和相應的模型，圖中左側(cè)的生成器層次結(jié)構(gòu)用來控制樹木的結(jié)構(gòu)組成。

圖11 樹木生成器的層次結(jié)構(gòu)Fig.11 Hierarchical structure of tree generator

在完成骨架建模之后，采用真實拍攝相應樹種的樹葉枝干作為紋理，根據(jù)樹木的點云輪廓和提取的單木參數(shù)，按照相應方法利用SpeedTree軟件，對森林中的優(yōu)勢樹種進行三維建模，得到的樹木模型如圖12所示。

圖12 不同樹種參數(shù)單木模型Fig.12 Single tree model with different tree species parameters

3.3 森林場景建模

將在SketchUp軟件中建好的地形模型導入到Lumion軟件中，并按真實比例調(diào)整地形模型大小及坐標位置，生成地形模型如圖13所示。

Lumion中自帶種類豐富的模型素材庫如圖14所示。結(jié)合單木分割提取的單木參數(shù)，包括平面位置、樹高、冠幅直徑等信息，參照表2樹種高度分類區(qū)間，選擇植入不同類型的樹木，輸入樹木的坐標信息后，將單木模型放置在地面模型上。將所有分割樹木放置，完成森林場景建模。

圖13 添加材質(zhì)的地形模型Fig.13 Textured terrain model

圖14 Lumion樹木素材庫Fig.14 Tree material library in Lumion

利用Lumion軟件景觀模塊還可以在不影響主體模型表現(xiàn)的前提下，添加樹葉、草叢等環(huán)境要素點綴，最終三維模型整體效果如圖15所示。

圖15 森林三維場景模型Fig.15 Forest 3D scene model

4 結(jié)論

本文研究利用機載激光雷達精細建模方法，通過點云噪聲濾除、地形特征點提取獲取林區(qū)真實地形數(shù)據(jù)；采用層堆疊種子點分割方法提取林木的平面位置、樹高、冠幅特征等參數(shù)，結(jié)合三維景觀設計軟件SketchUp和Lumion，實現(xiàn)了試驗區(qū)森林場景高精度三維重建。試驗結(jié)果表明，以機載激光雷達點云為基礎(chǔ)進行森林場景重建，能夠在保留三維模型地形精度及主要樹種的位置、高度、冠幅等信息基礎(chǔ)上，再現(xiàn)森林真實三維場景，對森林資源的評估、管理有重要參考價值。

本文試驗過程中也存在如下問題：

1)數(shù)據(jù)方面，由于機載激光雷達數(shù)據(jù)缺乏樹冠下層結(jié)構(gòu)信息，無法提供林木在水平方向的相關(guān)信息，可考慮結(jié)合移動實景掃描技術(shù)，提升數(shù)據(jù)完整性，為建立更精細真實的森林模型奠定基礎(chǔ)。

2)在點云數(shù)據(jù)單木分割方面，目前利用現(xiàn)有軟件算法無法實現(xiàn)主要樹種的精確自動分割，需要大量人工調(diào)整。后期仍需要針對不同樹種機載點云空間分布及反射率等信息進行研究，提升單木分割精度與自動化程度。