1、基于激光扫描的点云数据叶面基于激光扫描的点云数据叶面重建的方法研究重建的方法研究2实验流程实验流程1项目背景及引入项目背景及引入4总结总结3具体实验具体实验手段手段目目 录录项目背景及引入01part项目背景项目背景叶面积与光合作用叶面积与光合作用 Leaf 树木的叶面积与光合作用有着密不可分的关系。叶面积指数直接决定了树木光合作用的能力。(b)植物叶面积指数与呼吸作用、光合作用产物积累间的关系图(a)植物光合作用的作用图C(碳碳)碳汇碳汇C(碳碳)碳汇碳汇 树木通过光合作用吸收大气中的二氧化碳将其转换为其所需的物质和能量,就是通常所说的森林碳汇作用。传统测量手段传统测量手段测量方法测量方法测
2、量精度测量精度l 传统测量方法破坏性大(需摘取树叶)l 林分数据量极其庞大,不具有测算大面积林分数据的能力l 测量精度差解决思路解决思路雷达扫描数据处理数据建立理论模型精确计算结果Solution解决思路解决思路实验流程02part实验流程图随机选取实验对象含笑树激光扫描仪大量点云数据提取叶脉点云数据离散的叶脉点叶 脉 聚 类叶脉的连续点云数据基于分水岭算法叶片分离叶片点云数据三角剖分计算叶面积Step步骤步骤具体手段及算法03part项目准备项目准备 相关仪器相关仪器 数据来源数据来源u含笑树 u 地面激光雷达扫描仪u含笑树数据效果图l图(a)用激光雷达扫描仪扫描含笑树获得数据。单棵数据多达
3、11万行。l使用MatLab读取原始数据从而获得完整叶片数据图(b)。初步扫描获得数据初步扫描获得数据(b)激光扫描完整活立木(a)含笑树原始数据过程获得叶脉数据点云数据获得叶脉数据点云数据(a)单独叶脉部分(b)叶片结合叶脉示意图l 建立叶脉模型,根据叶脉的特点,提取叶片数据中符合叶脉特点的点云数据。结果如图(a)所示。l将叶脉的点云数据与原始叶片数据结合,观察结果。结果如图(b)所示。过程过程观察叶脉提取结果观察叶脉提取结果局部放大示意图叶脉叶脉聚类聚类叶 脉 聚 类 结 果 示 意 图l 由于叶脉数据是离散的点云数据,容易导致噪声点,造成中心区域的偏差。l 根据叶脉模型,对离散的叶脉点聚
4、类,每一个颜色代表着一条叶脉。过程叶片分离叶片分离叶 脉 分 离 结 果l 根据聚类结果中每一类数据的中心值,在整个立体空间中做分水岭算法,分割出多个区域,每个区域里有且仅有一片树叶。l根据叶片数据到规整数据的映射关系,分离出叶片。如图所示。过程三角剖分计算叶面积三角剖分计算叶面积a)叶片三维点云数据叶片三维点云数据图图b)叶片数据叶片数据投影图投影图c)叶片空间三角剖叶片空间三角剖分图分图d)叶片投影三角剖分图叶片投影三角剖分图 计算结果:计算结果:总叶面积总叶面积1.4875m2,真实叶面积指数,真实叶面积指数2.0118。总结04part总结分析总结分析不足阔叶树灌木针叶树总结总结l 研究方法具有创新性l 为科研计算平台提供解决思路l 为解决林分大数据的处理提供新方法总结