激光雷达技术测树方法原理与应用

doi:10.13466/j.cnki.lyzygl.2016.06.022

林业资源管理 ›› 2016›› Issue (6): 116-119.doi: 10.13466/j.cnki.lyzygl.2016.06.022

激光雷达技术测树方法原理与应用

庄永健¹, 冯仲科², 李亚藏², 杨立岩², 张力², 孙梦营²

1.将乐县林业局,福建将乐 353300;
2.北京林业大学精准林业北京市重点实验室,北京 100083

收稿日期:2016-09-01 修回日期:2016-11-25 出版日期:2016-12-28 发布日期:2020-11-02
通讯作者: 冯仲科(1962-),男,甘肃灵台人,教授,博导,主要研究方向为精准林业以及林业3S 技术应用。Email:fengzhongke@126.com
作者简介:庄永健(1943-),男,福建福州人,高工。主要研究方向为森林资源监测与管理。Email:396361845@qq.com
基金资助:
精准林业关键技术与装备研究(2015ZCQ-LX-01);普通数码相机摄影提取森林经营信息与建模研究(41371001)

Principle and Application of Laser Radar Technology for Tree Measurement

ZHUANG Yongjian¹, FENG Zhongke², LI Yacang², YANG Liyan², ZHANG Li², SUN Mengying²

1. Forestry Bureau of Jiangle County,Jiangle,Fujian 353300,China;
2. Beijing Key Laboratory of Precision Forestry,Beijing Forestry University,Beijing 100083,China

Received:2016-09-01 Revised:2016-11-25 Online:2016-12-28 Published:2020-11-02

摘要/Abstract

摘要： 高密度激光雷达(LiDAR)测量技术是一种先进的主动遥感测量技术,可以高效而准确地获取被测目标物的高密度三维点云信息,具有快速,准确,非接触式等显著优点。介绍了激光雷达的测树原理以及3种测量扫描方式的特点,以实例分析了人工测量与三维激光扫描测量立木胸径和材积的精度差异,并对该技术的未来发展趋势作了展望。

关键词: 激光雷达, 森林资源调查, 测树

Abstract: High density LiDAR is an advanced active remote sensing technology that can obtain high density 3D point cloud information of the object efficiently and quickly with fast,accurate and non-contact advantages.This paper describes the measuring principle of High density LiDAR and the characteristics of 3 kinds of scanning methods.Analysis was conducted on the accuracy difference between artificial precision measurement and 3D laser scanning measurement of tree DBH and volume by experiment.Finally,this paper discusses the future development trend of this technology.

Key words: laser radar, forest resources, tree measurement

中图分类号:

庄永健, 冯仲科, 李亚藏, 杨立岩, 张力, 孙梦营. 激光雷达技术测树方法原理与应用[J]. 林业资源管理, 2016,(6): 116-119.

ZHUANG Yongjian, FENG Zhongke, LI Yacang, YANG Liyan, ZHANG Li, SUN Mengying. Principle and Application of Laser Radar Technology for Tree Measurement[J]. FOREST RESOURCES WANAGEMENT, 2016,(6): 116-119.

[1]	唐佳俊, 柴宗政. 基于机载激光雷达和机器学习的林分平均胸径遥感估测[J]. 林草资源研究, 2024, 0(1): 56-64.
[2]	唐佳俊, 汪刚, 柴宗政. 基于机载激光雷达点云数据的马尾松单木材积估测[J]. 林草资源研究, 2023, 0(6): 105-112.
[3]	罗丹, 王庆飞, 晁碧霄, 李乐, 郝泽周, 卢渊, 王成, 武瑞琛, 刘飞鹏, 裴男才. 广州市森林和城镇交界域林分尺度上的火险等级评价[J]. 林业资源管理, 2023, 0(3): 56-64.
[4]	邱洁, 李倩楠, 虞瑶. 机载激光雷达数据估测森林资源蓄积量研究[J]. 林业资源管理, 2023, 0(1): 153-160.
[5]	张信杰, 郑焰锋, 温坤剑, 王鹏杰, 吴发云. 融合机载和背包激光雷达的桉树单木因子估测[J]. 林业资源管理, 2022, 0(6): 131-137.
[6]	谢贤胜, 苏宏新, 杨元征, 李春海, 卢峰, 罗蔚生, 徐占勇. 基于地基激光雷达估测广西桉树人工林的林分参数[J]. 林业资源管理, 2022, 0(2): 100-108.
[7]	李建德, 解雅麟, 冯亮, 张致铭, 雷相东. 星站差分定位在全国森林资源调查中的应用[J]. 林业资源管理, 2022, 0(2): 39-44.
[8]	付安民, 高显连, 吴发云, 高金萍. 机载激光雷达树高产品的释义与精度水平评估[J]. 林业资源管理, 2022, 0(1): 114-123.
[9]	谷志新, 裴方睿. 基于多层K-means在森林点云中的单木识别算法[J]. 林业资源管理, 2022, 0(1): 124-131.
[10]	王照利, 王浩伟, 杨佳乐, 段梦琦, 马胜利. 基于归一化植被点云的林分平均高及蓄积量反演[J]. 林业资源管理, 2021, 0(6): 37-42.
[11]	刘迎春, 吴发云, 孙忠秋, 付安民, 高金萍, 高显连, 高剑新, 崔晨彦, 晁智. 陆地生态系统碳监测卫星多载荷替代数据海南综合试验[J]. 林业资源管理, 2021, 0(4): 138-148.
[12]	高金萍, 孙忠秋, 于慧娜, 高显连, 吴发云, 刘迎春. 基于航空点云的落叶松林分蓄积量建模和应用测试初探[J]. 林业资源管理, 2021, 0(4): 54-61.
[13]	刘迎春, 高显连, 贺岩, 崔晨彦, 高剑新, 俞家勇, 蔡龙涛, 吴发云. 全国林草资源调查机载大光斑激光雷达挂飞检校和验证[J]. 林业资源管理, 2021, 0(2): 52-60.
[14]	曾伟生, 孙乡楠, 王六如, 王威, 蒲莹. 基于激光雷达数据的东北林区航空林分材积表编制[J]. 林业资源管理, 2021, 0(1): 147-155.
[15]	代华兵, 李春干, 庞勇, 李崇贵. 基于天空地一体化森林资源调查的小班因子设置与信息获取方法[J]. 林业资源管理, 2021, 0(1): 180-188.

激光雷达技术测树方法原理与应用

Principle and Application of Laser Radar Technology for Tree Measurement

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价