王怡　汤景明　孙拥康　袁传武

摘 要： 使用無人机和智能手机分别从空中和地面拍摄的样地林分影像构建三维点云模型，并从三维点云模型中获取样地内单木树高和胸径参数。本研究以池杉人工林为研究对象，利用PhotoScan Agisoft软件对无人机倾斜摄影和智能手机近景摄影的样地影像进行三维重建，通过对齐照片、控制点刺点、对齐优化、建立密集点云等步骤，构建出与样地实景相符的三维点云模型；通过LiDAR 360软件从样地三维点云模型中获取单木的树高和胸径参数，将其与实地测量获取的单木树高和胸径参数进行对比分析。利用无人机和智能手机影像构建的三维模型可以满足《数字航空摄影测量测图规范》的精度要求。通过实测数据和点云数据获取的树高和胸径的平均差值分别为-0.9 m和-0.8 cm，平均相对误差分别为5.4%和7.1%。以实测数据作为自变量x，以点云数据作为因变量y，树高和胸径回归模型的R2分别为0.809 5和0.918 4。将倾斜摄影和近景摄影的点云模型统一在同一空间参考基准下可构建出与样地实景相匹配的三维点云模型，从样地三维点云模型中获取的单木树高和胸径与实地测量结果具有较好的线性相关性，本研究所使用的方法可以代替传统林业调查手段应用于人工林。

关键词： 倾斜摄影；近景摄影；三维点云模型；树高；胸径

中图分类号：S758.1 文献标识码：A 文章编号：1004-3020（2023）01-0022-08

Study on Obtaining Height and DBH of Single Tree Based on 3D Point Cloud Model

Wang Yi Tang Jingming Sun Yongkang Yuan Chuanwu

（Hubei Academy of Forestry Wuhan 430075）

Abstract： The 3D point cloud model was constructed from aerial and ground stand images taken by uav and smart phone respectively，and the height and DBH parameters of individual trees in the sampling area were obtained by the 3D point cloud model.The plantation Taxodium chinensis var.imbricatum was studied in this study，PhotoScan Agisoft software was used to conduct 3D reconstruction of the sample site images from UAV oblique photography and smart phone close-range photography.Through the steps of photo alignment，control point thorn，alignment optimization，and establishment of dense point cloud，a 3D model consistent with the real scene of the sample site was constructed；The height and DBH parameters of individual trees were obtained from the point cloud data of the 3D model of the sample plot by LiDAR 360 software，and then compared with the height and DBH parameters obtained by field measurement.The 3D model constructed by uav and smart phone images can meet the accuracy requirements of Digital Aerial Photogrammetry Mapping Specification.The average difference of tree height and DBH obtained from the measured data and point cloud data were -0.9 m and -0.8 cm，respectively，and the average relative errors were 5.4% and 7.1%，respectively.With measured data as independent variable X and point cloud data as dependent variable Y，R2 of tree height and DBH regression models were 0.809 5 and 0.918 4，respectively.A 3D model matching the real scene of the sample site can be constructed based on the point cloud data of oblique photography and close-range photography under the same spatial reference.The height and DBH of individual trees obtained from the point cloud data of the 3D model of the sample site have a good linear correlation with the field measurement results.The method used in this study can replace the traditional forestry survey method and be applied to the artificial forest.

Key words： oblique photograph；close-range photography；3D point cloud model；Tree height；DBH

树高和胸径是森林资源调查中两个重要的测树因子，也是反应林木生长状况的主要指标参数，及时准确地获取林分内单木的树高和胸径参数，对于正确判断林分空间结构，合理制定森林经营模式，促进森林资源的保护和健康可持续发展具有重要意义［1-2］。当前，森林资源调查数据的获取主要还是依靠个人经验进行目测或借助简单工具实地测量，这种传统的调查方式工作量大，效率低，数据来源也会因缺乏统一的测量标准而造成误差，已不能满足现代林业精准化和信息化发展需求。随着测量技术的不断发展，高精度测量设备和摄影测量技术也越来越多的应用在林业领域。

无人机在林业领域已得到越来越广泛地应用［3］。利用无人机倾斜摄影技术，可以获取测区的正射影像和三维点云模型，基于此技术获取树高的方法主要有两种，一是点云分割法［4］，将三维点云分割为树木点云和地面点云，根据树木顶端高度和地面平均高度的差值获取树木高度；二是局部最大值法［5-7］，首先利用三维点云生成数字表面模型（Digital Surface Model，DSM）和数字高程模型（Digital Elevation Model，DEM），然后将DSM和DEM进行栅格作差得到树冠高度模型 （Canopy Height Model，CHM），最后运用局部最大值法对CHM进行过滤提取树顶点和树高。这两种方法获取的单木树高均具有较高的精度，但这两种方法构建的主要是林分冠层表面的三维模型，而冠层以下及地面层受林分郁闭度的影响难以获得真实有效的点云信息，且树木顶点的提取也会受林分结构的影响出现遗漏或一树多顶的情况。单木胸径通常则是利用无人机影像获取的树高、冠幅、树冠面积等参数与部分地面实测胸径建立回归模型进行反演估测获取，但这种方法的运用在树种和地域上存在一定的局限性［8-11］。三维激光扫描技术作为当前最先进的一种测绘手段，已广泛应用于森林资源调查和林分结构研究。利用地基激光雷达（Terrestrial Laser Scanning，TLS）和无人机激光雷达据（Unmanned aerial vehicle Laser Scanning，ULS）可以获得高质量的林分空间结构三维模型，并从中提取更加精确的胸径、树高、冠幅等空间结构信息［12-14］。近年來，数码相机、智能手机等非测量设备已成为数字近景摄影测量的主要工具［15］，并在林分参数测量方面取得了一些研究成果［16-17］。将无人机倾斜摄影技术和地面近景摄影技术相融合构建精细化三维模型的技术在城市三维建模［18-19］、地质勘查［20］、建筑测量［21］等领域已经得到了广泛的应用，但在森林结构参数获取方面的应用研究还鲜见报道，虽然已有将激光雷达和摄影测量相结合应用于森林资源调查方面的研究［22］，但是激光雷达技术的价格成本和应用门槛较高，现阶段还难以实现推广应用。将小型测绘无人机和智能手机用于摄影测量具有使用成本低、携带方便、操作简单等优点，而且，相较于激光雷达光谱特征比较单一的不足，摄影测量在光谱特征上更加丰富，通过图像三维重建可以更精细的表现出林分空间分布特征和林下地形特征［23］。

本研究基于摄影测量原理，通过构建样地的三维点云模型获取林分单木信息。利用无人机倾斜摄影得到样地冠层表面的高度信息，样地林下的林分信息则借助智能手机近景摄影获取。将无人机斜摄影像和智能手机近摄影像进行三维重建并得到点云模型，通过在样地区域布设的控制点，将斜摄点云和近摄点云匹配到统一的三维空间坐标系内，实现空地点云融合，并最终从地面到冠层构建出具有较高辨识度且定位精准的样地林分三维点云模型，以期通过对密集点云信息进行软件分析，获取具有较高精度的单木树高和胸径参数。

1 研究区概况

研究区位于湖北省林业科学研究院九峰试验林场，地处武汉市东郊，距离武汉市中心12 km，地理中心位置为东经114°29′50″，北纬30°31′4″，占地面积约330 hm2。林场地处亚热带季风性湿润气候区，四季分明、光照充足、雨热同季，年降雨量1 200～1 400 mm，年平均相对湿度79%，林场多数为人工林，主要树种有马尾松Pinus massoniana、杉木Cunninghamia lanceolata、青冈Quercus glauca、枫香Liquidambar formosana、栓皮栎Quercus variabilis等。本研究选取池杉实验林为研究对象，设置一块20 m×20 m样地，坡度＜5°，样地内共有活立木31株，其中池杉Taxodium distichum var.imbricatum 29株，构树Broussonetia papyrifera 2株，平均树龄35 a。

2 数据来源

2.1 倾斜摄影

本研究所使用的无人机为大疆精灵4 RTK（Phantom 4 RTK）四旋翼无人机，该款无人机为专业级测绘无人机，内置实时差分RTK（Real-time kinematic）功能，可提供实时厘米级定位数据，定位精度在垂直方向为1.5 cm±1 ppm，水平方向为1 cm±1 ppm。机身下部的三轴防抖云台搭载的相机配备1英寸2 000万像素CMOS传感器，分辨率为5 472×3 648，焦距为8.8 mm，像素大小为2.41 μm×2.41 μm。该款无人机具有3D（五向飞行）摄影测量功能，可自动完成对测区的倾斜摄影工作。无人机倾斜摄影于2021年8月23日完成，飞行高度100 m，航速5.9 m·s-1，正射和倾斜的旁向和航向重叠率均为85%，正射云台角度为-90°，斜射云台角度为-60°，共拍摄照片368张。

2.2 近景摄影

本研究使用苹果牌智能手机iphone 7的后置摄像头做为近景摄影设备，该摄像头具有1 200万像素，分辨率为4 032×3 024，焦距为3.99 mm，像素大小为1.22 μm×1.22 μm。手持相机正对样地方向，以围绕样地一圈作为近景摄影路径（图1），在路径上每间隔约0.5 m拍摄一组照片，每组6张照片，先以水平姿势拍摄一张照片，再将摄像头向上倾斜拍摄一张照片，依次朝左、中、右三个方向各拍两张照片，每张相邻照片的重叠率不低于30%（图2）。手机近景摄影于2021年9月3日完成，共拍摄照片564张。

2.3 实地测量数据

样地内单木实地测量工作于2021年11月进行。使用测树钢围尺在地面以上1.3 m处测量单木胸径，精度为0.1 cm。使用的是Vertex-IV超声波测距仪（瑞典hagolf公司）测量单木树高，精度为0.1 m。

2.4 控制点布设

控制点的布设在斜摄和近摄作业前完成。使用控制点是提高无人机遥感精度的重要手段之一，而控制点的平高精度则直接影响三维模型的构建质量［24-25］。本研究使用RTK测量仪共获取了11个控制点的三维坐标，其中倾斜摄影控制点6个，编号为C1、C2、C3、C4、C7、C8，近景摄影控制点5个，编号为C11、C12、C13、C15、C16。

3 研究方法

3.1 三维模型构建

本研究利用PhotoScan Agisoft软件对空地影像进行三维重建。PhotoScan Agisoft是俄罗斯Agisoft公司开发的一款3D扫描软件，该软件基于摄影测量基本原理和多视图三维重建技术，可以对任何照片进行处理，只需导入具有一定重叠率的数码影像，便可自动完成影像定向和三维模型重建工作。工作流程的第一步是先将无人机影像和手机影像同时导入软件进行照片对齐并获得斜摄和近摄稀疏点云模型。手机影像较之无人机影像在GPS定位精度上较低，二者的点云模型还不能在同一空间参考基准下融合。第二步是导入控制点三维坐标，对控制点进行刺点可将斜摄和近摄点云模型统一在同一空间参考基准下。第三步是点云模型进行对齐优化处理，进而实现斜摄点云模型和近摄点云模型的有效融合（图3）。最后建立密集点云，构建出可以与样地实景相匹配的三维点云模型（图4）。

3.2 点云数据处理

本研究模型分析使用LiDAR 360点云数据处理软件，LiDAR360是北京數字绿土科技有限公司研发的专业级点云数据处理平台，将三维模型点云数据导入该软件，通过其内置的林业分析工具，先对三维点云模型数据进行去噪和地面点归一化处理，然后从归一化的样地林分点云数据中提取所需的森林结构参数。

3.2.1 胸径提取

在地基林业模块进行胸径（DBH）种子点编辑，设置点云显示高度为1.2～1.4 m，选择DBH测量工具，将单木点云模型置于截面内（图5），便可获取每株单木在距离地面1.3 m处的胸径拟合结果。

3.2.2 树高提取

在机载林业模块进行顶点种子点编辑，在编辑窗口内通过目视解析判断样地内单木的顶点，并在顶点或靠近顶点的位置添加种子点，软件将基于种子点自动进行单木分割进而获取单木的树高参数（图6）。

4 检验与分析

4.1 模型精度检验

根据优化处理后导出的检验报告，将11个控制点在三维点云模型中的坐标和RTK测量仪实测坐标之差进行比较分析（表1）：平面坐标误差最大值为-0.069 m，最小值为0.002 m；海拔高度坐标误差最大值为-0.099 m，最小值为0.005 m；各控制点合计误差最大的是C12，为0.111 m，最小的是C3，为0.017 m；三维点云模型的平面坐标中误差为0.040 m，海拔高度中误差为0.053 m。根据《数字航空摄影测量测图规范》（CH-T 3007.1-2011）对1∶500地形图平面误差不超过0.1 m，高程误差不超过0.2 m的精度要求，可以认为本研究对斜摄点云数据和近摄点云数据的融合是有效的，且精度较高。

4.2 胸径和树高精度分析

如表2所示，实测数据和点云数据获取的树高的平均差值为-0.9 m，平均相对误差为5.4%，获取胸径的对应参数为-0.8 cm和7.1%。胸径的平均相对误差大于树高的主要原因在于部分单木的相对误差明显偏大，如17号树的胸径相对误差达到了37.0%，且胸径相对误差超过10%的树木有7株，而树高相对误差最大值为24.2%，且树高相对误差超过10%的树木只有4株，出现这种情况是因为这些树木未能从二维近摄影像中获得完整的胸径点云，所以在提取胸径时，根据树干1.3 m处不完整点云进行圆形拟合便会出现偏差［26］。从图7中可以发现，相较于胸径，树高的点云数据普遍低于实测数据。造成这种现象是因为带有坡度的样地三维模型在进行归一化的处理时，单木点云数据发生收缩畸变，使得树高的提取值变小［27］。从整体的比较结果上来看，基于点云数据获取的树高和胸径可以满足样地调查的精度要求。

4.3 实测数据与点云数据线性回归分析

对实测数据和点云数据进行线性拟合，以实测数据作为自变量x，以点云数据作为因变量y，分别作出树高和胸径的散点图，得到回归方程如图8所示。树高和胸径回归模型的R2分别为0.809 5和0.918 4，说明实测数据和点云数据之间具有较好的相关性。胸径实测数据和点云数据的相关性高于树高，主要原因可能在于胸径结果的获取无论是实地测量还是点云拟合，相较于树高的获取都要容易，人为主观因素影响较小。在实地测量树高时，可能会因为冠幅的遮挡或树冠层不规则生长，误判了树顶点的位置［28］。而在对点云模型进行目视解析时，也会因为相邻树冠幅的重叠，造成树顶点定位与实际不符的情况［29］。

5 结论与讨论

5.1 结论

本研究利用无人机和智能手机分别对样地林分进行地面近景摄影和空中倾斜摄影，将空地影像进行三维重建并获得了三维点云模型，然后从三维点云模型中获取样地林分中单木的树高和胸径，另外，在样地内进行每木检尺，将树高和胸径的实测数据和点云数据进行对比，得到以下结論：

（1）基于无人机的斜摄影像和智能手机的近摄影像构建样地林分的三维模型是可行的，利用控制点，可以实现近摄点云模型和斜摄点云模型的相互融合，且融合后的三维模型可以满足精度要求。

（2）对实测数据和点云数据所获取树高和胸径的精度进行分析，平均差值分别是-0.9 m和-0.8 cm，平均相对误差分别为5.4%和7.1%，表明基于三维模型点云信息获取样地单木树高和胸径具有可行性，且总体精度较高。

（3）对树高和胸径进行线性回归分析的结果表明，实测数据和点云数据具有较好的相关性，从三维模型点云数据中获取单木参数可以作为一种有效的技术手段代替人工实地每木检尺的数据。

5.2 讨论

摄影测量是基于高重叠率图像的自动匹配处理算法和自动解算图像内外方位元素等三维重建技术得到具有相对参考坐标的点云，和激光雷达点云一样都可用于获取典型的森林结构信息［30-33］。但激光雷达对森林冠层具有一定的穿透性，可以直接测量森林的三维结构，而摄影测量则无法穿透森林冠层［34-35］。本研究将地面近景摄影和无人机倾斜摄影相结合，克服了无人机摄影测量难以获得林下信息的不足。

基于本研究结果，还有以下问题需要研究：①郁闭的林下环境和低洼的地势通常会对控制点三维坐标信息的获取带来困难，因此，在林地环境下，三维模型精度和控制点数量及布设方式的关系还有待研究；②不完整的点云会对胸径拟合和树高提取的结果造成较大的偏差，样地三维点云信息的完整性还有待提升；③本研究以地势较为平坦的人工纯林为研究对象，而对于森林结构比较复杂的林分如何实现三维模型的构建及点云信息的提取还有待进一步研究。

参 考 文 献

［1］杨朝应，刘兆刚.大兴安岭森林健康经营效果评价研究［J］.中南林业科技大学学报，2014，34（7）：27-31.

［2］PENG C H，ZHANG L J，ZHOU X L.Developing and evaluating tree height-diameter models at three geographic scales for black spruce in Ontario［J］.Norther Journal of Applied Forestry，2004，21（2）：83-92.

［3］张军国，闫浩，胡春鹤，等.无人机在林业中的应用及前景展望［J］.林业工程学报，2019，4（1）：8-16.

［4］杨坤，赵艳玲，张建勇，等.利用无人机高分辨率影像进行树木高度提取［J］.北京林业大学学报，2017，39（8）：17-23.

［5］CHEN S Y，LIANG D，YING BB，et al.Assessment of an improved individual tree detection method based on local-maximum algorithm from unmanned aerial vehicle RGB imagery in overlapping canopy mountain forests［J］.International Journal of Remote Sensing ，2021，42（1）：106-125.

［6］汪霖，李明阳，方子涵，等.基于无人机数据的人工林森林参数估测［J］.林业资源管理，2019（5）：61-67.

［7］PANAGIOTIDIS D，ABDOLLAHNEJAD A，PETER S，et al.Determining tree height and crown diameter from high-resolution UAV imagery［J］.International Journal of Remote Sensing，2017，38（8-10）：2392-2410.

［8］刘晓农，旦增，邢元军.基于无人机高分影像的冠幅提取与树高反演［J］.中南林业调查规划，2017，36（1）：39-43.

［9］刘文萍，仲亭玉，宋以宁.基于无人机图像分析的树木胸径预测［J］.农业工程学报，2017，33（21）：99-104.

［10］贾鹏刚，夏凯，董晨，等.基于无人机影像的银杏单木胸径预估方法［J］.浙江农林大学学报，2019，36（4）：757-763.

［11］张志华，云挺，薛联凤，等.基于近景摄影测量技术的关键林分参数的获取研究［J］.科学技术与工程，2017，17（12）：85-92.

［12］刘鲁霞，庞勇，李增元.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.

［13］徐华东，陈文静，刘华.基于三维激光扫描的单木胸径和树高提取［J］.森林与环境学报，2019，39（5）：524-529.

［14］骆钰波，黄洪宇，唐丽玉，等.基于地面激光雷达点云数据的森林树高、胸径自动提取与三维重建［J］.遥感技术与应用，2019，34（2）：243-252.

［15］冯仲科，殷嘉俭，贾建华，等.数字近景摄影测量用于森林固定样地测树的研究［J］.北京林业大学学报，2001，23（5）：15-18.

［16］管防立，徐爱俊.基于智能手机与机器视觉技术的立木胸径测量方法［J］.浙江农林大学学报，2018，35（5）：892-899.

［17］周克瑜，汪云珍，李记，等.基于Android平台的测树系统研究与实现［J］.南京林业大学学报（自然科学版），2016，40（4）：95-100.

［18］连蓉，丁忆，罗鼎，等．倾斜摄影与近景摄影相结合的山地城市实景三维精细化重建与单体化研究［J］.测绘通报，2017（11）：128-132.

［19］邱春霞，張巧玲，董乾坤，等.无人机倾斜影像三维建模中的空地融合研究［J］.测绘地理信息，2021，46（6）：67-71.

［20］刘伟，张海涛，王亚强，等.远—近景摄影测量在乌山铜钼矿工程地质勘察中的应用［J］.现代矿业，2021，37（8）：41-43，48.

［21］李明峰，韩一，王富力，等.融合近景与倾斜摄影测量建筑物三维点云的配准方法［J］.现代测绘，2021，44（6）：1-4.

［22］张吴明，李丹，陈一铭，等.联合地基激光雷达与无人机摄影测量技术提取树高研究［J］.北京师范大学学报（自然科学版），2018，54（6）：764-771.

［23］LISEIN J，PIERROT-DESEILLIGNY M，BONNET S，et al.A Photogrammetric Workflow for the Creation of a Forest Canopy Height Model from Small Unmanned Aerial SystemImagery［J］.Forests 2013，4（4）：922-944.

［24］朱进，丁亚洲，陈攀杰，等.控制点布设对无人机影像空三精度的影响［J］.测绘科学，2016，41（5）：116-120.

［25］桑文刚，李娜，韩峰，等.小区域消费级无人机倾斜摄影像控点布设及建模精度研究［J］.测绘通报，2019（10）：93-96.

［26］范伟伟，刘浩然，徐永胜，等.基于地基激光雷达和手持式移动激光雷达的单木结构参数提取精度对比［J］.中南林业科技大学学报，2020，40（8）：63-74.

［27］吴思敏.落叶松人工林地面激光点云林木参数提取研究［D］.长沙：中南林业科技大学，2021.

［28］刘江俊，高海力，方陆明，等.基于无人机影像的树顶点和树高提取及其影响因素分析［J］.林业资源管理，2019，4：107-116.

［29］赵颖慧，杨海城，甄贞.基于ULS、TLS和超声测高仪的天然次生林中不同林冠层树高估测［J］.南京林业大学学报（自然科学版），2021，45（4）：23-32.

［30］JAAKKOLA A，HYYPPA J，KUKKO A，et al.A low-cost multi-sensoral mobile mapping system and its feasibility for tree measurements［J］.ISPRS Journal of Photogrammetry and Remote Sensing，2010，65（6）：514-522.

［31］ZARCO-TEJAADA P J，DIAZ-VARELA R，ANGILERI V，et al.Tree height quantification using very high resolution imagery acquired from an unmanned aerial vehicle （UAV） and automatic 3D photo-reconstruction methods［J］.European Journal of Agronomy，2014，55：89-99.

［32］WALLACE L，MUSK R，LUCIEER A.An assessment of the repeatability of automatic forest inventory metrics derived from UAV-borne laser scanningdata［J］.IEEE Transactions on Geoscience and Remote Sensing，2014，52（11）：7160-7169.

［33］WALLACE L，LUCIEER A，MALENOVSKY Z，et al.Assessment of forest structure using two UAV techniques：a comparison of airborne laser scanning and structure from motion （SfM） point clouds［J］.Forests，2016，7（3）：62.

［34］刘清旺，李世明，李增元，等.无人机激光雷达与摄影测量林业应用研究进展［J］.林业科学，2017，53（7）：134-148.

［35］HYYPPA J，HYYPPA H，LECKIE D，et al.Review of methods of small-footprint airborne laser scanning for extracting forest inventory data in boreal forests［J］.International Journal of Remote Sensing，2008，29（5）：1339-1366.

（编校：唐 岚）

收稿日期：2022-07-25

基金项目：湖北省林业科学研究院科技基金项目“基于无人机航拍影像的森林资源调查与监测研究”（2021YJJ03）；中德财政合作林业重大科研项目“近自然森林经营示范与成效监测”（zdhz2017ky02）。

作者简介：王怡（1984～），男，助理研究员，主要从事森林经营与森林资源监测相关工作。

汤景明为通讯作者。