机载点云密度对单木分割的影响（论文赏析）

论文阅读

激光雷达采样密度较低的情况下, 由于单个树冠激光点太少而容易错失树顶及树冠边缘, 高密度激光点云数据可以进行更小尺度的单木树高估计和树冠分割。虽然点云密度的提升会提高识别精度, 但同时也增加了数据处理成本。大多数研究表明, 点云密度为10pt/m2 (每平方米内点云数量) 时单木识别精度即可满足林业生产需求, 点云密度大于10pt/m2时单木识别率无显著变化, 但数据处理时间显著增加。Kaartinen等分析了芬兰赫尔辛基森林在点云密度分别为2, 4, 8pt/m2时8种单木提取算法提取的单木数量、单木位置及精度, 研究表明, 单木提取精度随着点云密度增大而显著提高。Smits等发现当点云密度从1.4pt/m2增大到9pt/m2时, 单木识别率从43.4%增长到87.5%。Mongus等发现随着点云密度增加单株木探测准确率有所提高, 过分割误差随之下降。Yao等证明点云密度为10pt/m2时单木识别精度最高, 且下层木和中层木探测率提高了16%, 上层木探测率提高了12%。 ----摘自北京林业大学刘会玲论文《机载激光雷达单木识别研究进展》

最低的两层林冠层包含了主要的中间木和过顶木，其平均密度均低于1 pt/m2。这样的密度远远小于单木分割的最佳点密度（至少4 pt/m2）这是下层林木分割准确率低于上层林木的主要原因。 但由于leaf-off数据的点密度较低（~2pt/m2），并不是所有的树干都能正确识别。种可能的解决方案是收集具有高点密度的leaf-off数据，实验结果表明，当激光雷达点云的归一化点密度（超过10 pt/m2）后，林木地检测率并不能显著提高。 ----摘自东北林业大学王小虎博士论文《基于机载激光雷达数据的森林单木分割方法研究》

结论

机载点云密度最少为每平方米4个，最好为每平方米10个。