基于網(wǎng)格分析的激光點單株果樹識別

羅秋慧 李航 楊弘凡 吳麗

摘要：為快速識別果園環(huán)境中果樹的分布情況，提高果園機械自動化果樹定位精度，在控制成本與缺乏信息的前提下使用少線數(shù)激光雷達，提出一種基于地物點云側(cè)投影網(wǎng)格分析方法實現(xiàn)果樹識別。該方法通過線雷達獲取果樹信息點云，然后根據(jù)點云角度信息進行側(cè)面二維投影、地物聚類劃分網(wǎng)格、高程跨度計算、逐層分析、逐網(wǎng)判斷等，完成果樹識別。試驗證明，該方法在地物信息缺乏的情況下可實現(xiàn)果樹準(zhǔn)確識別，低成本地快速判斷果園中果樹分布情況，是一種有效的果樹識別方法。

關(guān)鍵詞：果樹識別;點云數(shù)據(jù);乏信息;地物聚類;網(wǎng)格分析

DOI： 10. 11907/rjdk.191688

開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

中圖分類號：TP319

文獻標(biāo)識碼：A

文章編號：1672-7800（2020）004-0194-05

0 引言

果園機械無人機化是近年來農(nóng)用機械研究熱點，果樹提取識別是果園機械研究的重要內(nèi)容[1]。由于果樹隨季節(jié)變換更迭，其形態(tài)變換較快，探索一種使用現(xiàn)代手段，實現(xiàn)果樹信息的快速準(zhǔn)確提取具有重要的農(nóng)業(yè)應(yīng)用價值[2]。

錢建平[3]使用雙側(cè)圖像，通過獲取果樹圖片信息分析識別單株果樹;馬永兵[4] 接收RSSI信號泰勒級數(shù)，展開多信道掃描定位以實現(xiàn)果樹識別;林怡[5]等使用激光雷達，采用圓檢測法計算局部極值點與周邊點到中心點的距離，以提取樹木信息;李霖等[6]進行點云聚類，根據(jù)樹木整體和局部信息提取單株樹;M artin等[7]利用3dapha形狀減少點云，推導(dǎo)模型參數(shù)，如樹冠和樹干高度、樹冠和樹干直徑及樹冠形狀，并分別對樹木進行建模減少數(shù)據(jù)量;程曉光等[8]根據(jù)樹木點云之間的幾何性質(zhì)與點云的空間分布關(guān)系提取樹木信息;Bohm等[9]設(shè)置平臺系統(tǒng)，提高城區(qū)樹木移動處理速度;李麗等[10]通過樹干和樹冠雙生長法提取單株樹木信息。

綜合現(xiàn)有研究可發(fā)現(xiàn)在農(nóng)業(yè)機械耕作中，使用激光雷達提取單株果樹的研究較少，尚處于發(fā)展階段。激光雷達可實時提供（果樹、電線桿和低矮植被）地物位置和三維信息[11]。雷達數(shù)據(jù)處理近年來逐步增多，在三維測繪領(lǐng)域占比增大[12]。由于多線數(shù)激光雷達價格昂貴，限制了激光雷達在農(nóng)業(yè)上的應(yīng)用[13]，因此急需一種低成本、高精度的果樹識別方法。本文改進了史文中等[14]的方法，依據(jù)果園特殊的種植環(huán)境，使用少線數(shù)激光雷達獲取果樹信息，在缺乏信息（乏信息）的情況下，進行單株果樹提取研究，提出一種基于地物點云側(cè)投影網(wǎng)格分析的果樹信息提取方法，從海量的點云數(shù)據(jù)中提取單株果樹的激光點。

本文方法采用少線數(shù)16線激光雷達作為主要采集設(shè)備，單株樹木提取的場景是果園環(huán)境，果園中果樹排列規(guī)則如圖1所示，設(shè)備采集角度平面定義與投影形式如圖2所示。

1 側(cè)投影網(wǎng)格分析樹木提取方法

不同地物有其特定的特征，三維信息不同，不同高度點云的狀態(tài)也不同，如果樹干部分點云數(shù)量少，則樹冠部分點云散亂較多[15]。因此，采用側(cè)面點云投影網(wǎng)格分析方法，依據(jù)高程值進行網(wǎng)格分析判斷，通過分析點云不同高度值形態(tài)特征，提取單株果樹，實現(xiàn)單株果樹識別，并去除果園電線桿和低矮雜草的干擾等。

1.1 單株果樹識別

（1）點云投影。地面點是點云采集中必存元素，地面點云的存在將地物連接形成一個整體。為避免地面點云對果樹識別造成影響，需將地面點去除，使點云在空間上形成孤立的點云團。地面一般是最低點，選取數(shù)據(jù)點P（ P>n），從P中選取最低的3個點，組成一個平面M;之后逐次計算數(shù)據(jù)點（xi，yi，zi，）距離平面M的位置，距離計算如式（1）所示。

（4）點云分層標(biāo)記。點云分層是利用點云的高程值，獲取待處理點云數(shù)據(jù)中高程最大值Hmax與最小值Hmin作差，將差平均分為N層，即每層高度間隔為（Hmax-Hmin）/N，并將每層數(shù)標(biāo)記為Layer[20-21]。

（5）逐層進行Y軸方向跨度計算。統(tǒng)計網(wǎng)格內(nèi)點云數(shù)目，逐層計算每層點云在Y軸方向?qū)挾?，設(shè)定寬度閾值W，將計算的單層Y軸方向點云寬度與設(shè)定寬度閾值作比較;向上搜索時，尋找該層中非空網(wǎng)格，確定非空網(wǎng)格的行列號，在非空網(wǎng)格的基礎(chǔ)上，行數(shù)加1，列數(shù)不變;完成一層向上搜索后，左右兩邊開始搜尋，并將Layeri與上一層Layer i，寬度作比較，看是否出現(xiàn)寬度突變;再分層處理，聯(lián)合Layer的整體高程值與不同高程值所處層的Y軸方向?qū)挾龋_定不同地物種類。

具體過程如圖3所示。將三維單株樹木投影到Y(jié)OZ平面，根據(jù)八鄰域搜索法進行網(wǎng)格鄰域搜索（見圖4Ca》，并根據(jù)點云層之間的高差劃分網(wǎng)格，使同一物體在網(wǎng)格劃分時不會出現(xiàn)空格網(wǎng)。網(wǎng)格點統(tǒng)計與搜索的第一步是從第一層開始橫向搜索，找出非空網(wǎng)格標(biāo)記為Groupk ，向右繼續(xù)搜索，若仍為非空網(wǎng)格，做相同標(biāo)記為Groupk，設(shè)置Y軸方向跨度值W，將該層具有相同屬性的網(wǎng)格內(nèi)最大值ymax與最小值ymin作差，即E1 =ymax一ymin，并與W進行比較;第二步是進行自下而上的搜索，行數(shù)加1列數(shù)不變，進入上一層Layer2，搜索方式與上一層相同，并將下層差值E1與該層差值E2再次作差K1，即K1= E2 -E1，以此類推，

（6）提取單株樹木。完成上述工作后，輸出具有單株樹木Treek屬性的激光點，將激光點組成單株樹木原型。

1.2其它地物排除

在多數(shù)果園環(huán)境下，基于側(cè)投影網(wǎng)格點密度分析的單株樹木提取方法中，存在電線桿和一些低矮植的點云，需進行區(qū)分和排除。由于在果樹和電線桿中，果樹在高處會出現(xiàn)分枝，在投影格網(wǎng)層跨度之間會出現(xiàn)突變，電線桿投影形狀和橫向跨度基本規(guī)則不變，在低矮植被判斷時高度值小于Hy，高程值不高的物體，被分類為低矮植被。據(jù)此，在輸出單株樹木之前，可對點云二維投影的形態(tài)特征進行判斷，輸出滿足單株樹木條件的激光點云，獲得單株樹木的激光點云，如圖5所示，電線桿形狀較規(guī)則，呈柱狀，不存在形狀突變。低矮植被整體高度值在1.5m以下，且Y軸方向植被跨度值較大，達到3m左右。

上述總體流程如圖6所示。

2 應(yīng)用實例及對比結(jié)果

使用少線數(shù)16線激光雷達，選取果園中的果樹作為實驗對象，獲取激光雷達點云數(shù)據(jù)。圖7（a）為含有15 405個激光點（包含樹木、電線桿和低矮植被）的試驗1區(qū);圖7（b）為包含28 507個激光點的試驗2區(qū)，含有10棵果樹（杏樹）。

在進行投影面分析時，為避免設(shè)備兩面點云相互干擾，根據(jù)設(shè)備采集時激光點相對雷達設(shè)備的位置和建立的雷達坐標(biāo)系，將激光點分為左半平面點云和右半平面點云，如圖8所示。（本文彩圖掃描OSID碼可見，下文同）藍色激光點云是雷達坐標(biāo)系中0°-180°獲取的點云數(shù)據(jù)，玫紅色激光點云是雷達坐標(biāo)系中180°-360°采集的點云數(shù)據(jù)。建立大小為0.5mx0.5m的網(wǎng)格，按照研究區(qū)域1中的樹木高度信息將點云分為8層，設(shè)置高度閾值H為2m，寬度閾值W根據(jù)果樹生長直徑設(shè)置為0.3m，提取單株果樹。按照研究區(qū)域2的樹木高度信息，將點云分為6層，設(shè)置高度閾值為1m。區(qū)域1和區(qū)域2高度閾值設(shè)置不一樣的原因是果樹整體分叉高度不同。區(qū)域2是杏園環(huán)境，果樹出現(xiàn)分叉的高度距離較低，故一般根據(jù)實際應(yīng)用的場景設(shè)置高度閾值。如圖9所示，采用基于側(cè)投影網(wǎng)格點密度分析的方法可有效提取單株樹木，且能夠?qū)㈦娋€桿有效濾除。

3 實驗結(jié)果與分析

側(cè)投影網(wǎng)格點密度分析方法的核心是根據(jù)網(wǎng)格劃分為基礎(chǔ)，計算點云投影密度的方法，格網(wǎng)大小選取決定后續(xù)樹木提取精度。分別采用1mx1m、0.5mx0.5m和0.25mX0.25m的網(wǎng)格對獲取的點云進行實驗，在進行網(wǎng)格點密度統(tǒng)計時，網(wǎng)格內(nèi)激光點數(shù)量小于3時，判定為空網(wǎng)格。提取結(jié)果如圖10、圖11所示。

結(jié)果表明，由于雷達垂直方向欠采樣，如圖10所示，采集設(shè)備距離樹木5m左右，樹木間間隔較大，0.5mx0.5m網(wǎng)絡(luò)獲取的信息較為準(zhǔn)確，0.25mx0.25m網(wǎng)格較小，搜索過程復(fù)雜;如圖11所示，采集設(shè)備距離樹木2m左右，在樹木相對密集，0.25mx0.25m試驗2區(qū)提取出的激光點云信息較為集中，0.5mx0.5m和1mx1lm提取的點云相對分散。因此，在實際應(yīng)用中需根據(jù)具體情況適當(dāng)選擇。

4 結(jié)語

本文以果樹為研究對象，根據(jù)果園種植特點，在低成本、少線數(shù)雷達采集地物信息缺乏的條件下，提出一種地物點云側(cè)投影網(wǎng)格分析方法，提取果園中果樹，并快速判斷果樹分布。該方法首先將左右平面的激光點數(shù)據(jù)分開處理，并去除地面點干擾，點云聚類并投影到Y(jié)OZ二維平面;然后通過網(wǎng)格劃分、點密度統(tǒng)計、逐層分析、計算Y方向跨度等步驟識別果樹，算法結(jié)合雷達獲取的信息進行驗證，提取單株樹木信息。從試驗結(jié)果可看出，該方法可在缺乏信息的情況下，成功提取單株果樹。本文對農(nóng)用機械自動化研究具有參考價值。

本次試驗場地是一處較平坦的野外環(huán)境，而實際中的果園環(huán)境一般是崎嶇不平的路面，車輛在行駛過程中的晃動會對果樹識別產(chǎn)生一定影響。因此，本文方法針對復(fù)雜環(huán)境的適用性還需進一步提高。

參考文獻：

[1]李守根，康峰，李文彬，等.果樹剪枝機械化及自動化研究進展[J].東北農(nóng)業(yè)大學(xué)學(xué)報，2017（8）：88-96.

[2]周建軍，周文彬，劉建東，等.果園機器人自動導(dǎo)航技術(shù)研究進展[J].計算機與數(shù)字工程，2019，47（3）：571-576.

[3]錢建平，李明，揚信廷，等.基于雙側(cè)圖像識別的單株蘋果樹產(chǎn)量估測模型[J].農(nóng)業(yè)工程學(xué)報，2013，29（ 11）：132-138.

[4] 馬永兵.基于RSSI信號強度定位的夜間采摘作業(yè)機器人設(shè)計[J].農(nóng)機化研究，2017（1）：212-216.

[5] 林怡，季昊巍，葉勤.基于LiDAR點云的單棵樹木提取方法研究[J].計算機測量與控制，2017（6）：142-147.

[6] 李霖，李大林，朱海紅，等.一種基于車載激光掃描數(shù)據(jù)的單株樹木點云自動提取方法[ P]，CN201610280634.6， 2016-08-24.

[7] RUTZINGERM，KUMAR PA，et al. Tree modelling from mohile laserscanning data-sets[J].International Archives of the PhotogrammetryRemote Sensing&Spatial Information Sciences， 2011， 26： 361-372.

[8] 程曉光，黃先鋒，張帆.機載LiDAR數(shù)據(jù)的城區(qū)樹木點提取方法[J].測繪科學(xué)，2014， 39（3）：52-56.

[9]BOHM J，BREDIF M， CIERLINCER T， et al. The IQmulus urhanshowcase： automatic tree classification and identification in huge mo-bile mapping point clouds[J].International Archives of the Photogram-metry Remote Sensing&Spatial Information Sciences， 2016. 41：301-307.

[10]LI L ，LI D， ZHU H.et al.A dual growing method for the automatic ex-traction of individual trees from mohile laser scanning data [Jl. IS-PRS Journal of Photogrammetry and Remote Sensing. 2016， 120：37-52.

[11]龐勇，李增元，陳爾學(xué)，等.激光雷達技術(shù)及其在林業(yè)上的應(yīng)用[J].林業(yè)科學(xué)，2005，41（3）：129-136.

[12]耿會東，呂德奎，陶偉東.LIDAR技術(shù)在數(shù)據(jù)處理中的應(yīng)用.軟件導(dǎo)刊，2016（8）：162-165.

[13]張瑩瑩，周俊.基于激光雷達的果園樹干檢測[J].中國農(nóng)業(yè)大學(xué)學(xué)報，2015， 20（5）：249-255.

[14]史文中，李必軍，李清泉.基于投影點密度的車栽激光掃描距離圖像分割方法[J].測繪學(xué)報，2005，34（2）：95-100.

[15] LEHTOMAKI M，JAAKKOLA A. KUKKO，et al. Performance analy-sis of a pole and tree trunk detection method for mobile laser scan-ning data[C].Burnahy： ISPRS Workshop on Laser Scanning， 2011.

[16]楊莎莎，李永強，李框宇，等.基于車載LiDAR數(shù)據(jù)的單株樹提取[J].測繪工程，2014， 23（8）：23-27.

[17]吳賓，余柏蒗，岳文輝，等.一種基于車載激光掃描點云數(shù)據(jù)的單株行道樹信息提取方法[J].華東師范大學(xué)學(xué)報（自然科學(xué)版），2013（2）：38-49.

[18]WU B， YU B L， YUE W H.A Voxel-based method for automatedidentification and morphological parameters estimation of individualstreet trees from mobile laser scanning data [J]. Remote Sensing.2013，5（2）：584-611.

[19] 賈彬，梁毅，蘇航.一種改進的K-Modes聚類算法[J].軟件導(dǎo)刊，2019（2）：19-24.

[20] WU R. CHEN Y，WEN C， et al. Delineation of individual tree crownsfor mobile laser scanning data[C].ISPRS International Conferenceon Computer Vision in Remote Sensing. International Society for Op-tics and Photonics， 2016： 1-7.

[21]CUAN H， CAO S.YU Y， et al. Street-scene tree segmentation frommohile laser scanning data [Jl. International Archives of the Photo-grammetry Remote Sensing&Spatial Information， 2016， XLI-B3：221-225.

（責(zé)任編輯：江艷）

作者簡介：羅秋慧（1993-），女，河南科技大學(xué)機電工程學(xué)院碩士研究生，研究方向為機器視覺;李航（1962-），男，博士，河南科技大學(xué)機電工程學(xué)院教授，研究方向為精密測試?yán)碚撆c技術(shù)。