Aplicación del escáner Cygnus SLAM en estudios forestales
HAGA CLIC AQUÍ PARA DESCARGAR ESTE ESTUDIO DE CASO
Antecedentes del proyecto
Las nubes de puntos reflejan la relación posicional de los objetos objetivo en el espacio tridimensional y son una de las formas de datos importantes para extraer información sobre los recursos forestales.
Con la profundización del estudio de los recursos forestales, el método de adquisición de información espacial basado en lidardata de plataforma única tiene las deficiencias de baja precisión e integridad de los datos, lo que no puede satisfacer los requisitos de la silvicultura de precisión en cuanto a alta precisión en la extracción de información forestal.
Descripción general de la solución
Con base en el estudio preliminar del área forestal, elegimos un sistema LiDAR UAV de bajo costo y un sistema SLAM móvil como solución para recopilar información más completa sobre los árboles a través de la fusión de datos aéreos y terrestres.
Para fusionar los datos del sistema SLAM móvil, seleccionamos el sistema de mochila Cygnus con RTK. Debido a la baja señal de la red local, nuestro sistema SLAM RTK de mochila comparte la misma estación base con el sistema LiDAR del dron, y la comunicación se realiza mediante una estación de radio externa.
Los dos métodos se recopilan simultáneamente. El dron captura el área durante aproximadamente 11 minutos, mientras que el escaneo SLAM con mochila, que incluye dos escaneos y uno, tarda 30 minutos. La trayectoria de escaneo del SLAM móvil sigue una trayectoria serpenteante alrededor del árbol, y la distancia de escaneo no supera los 10 m, según las condiciones del terreno. Ante la imposibilidad de fijar el RTK debido a la oclusión ocasional de los árboles, intentamos repetir el escaneo con la mayor frecuencia posible en el caso del RTK fijo para limitar las observaciones RTK fijas en la trayectoria del SLAM.
Comparación de sistemas LiDAR multiplataforma
Debido a la complejidad del entorno forestal y a la densa oclusión, el funcionamiento de una sola plataforma LiDAR es limitado y el alcance de escaneo no puede cubrir toda la superficie forestal, lo que genera una brecha de datos en la adquisición de información espacial, lo que dificulta su aplicación en áreas forestales complejas. Para obtener nubes de puntos forestales más detalladas, se suele utilizar la combinación de plataformas LiDAR.
Gráfico 1 Comparación de ventajas y desventajas de los sistemas LiDAR 3D
Datos LiDAR de UAV
Para el sistema LiDAR UAV, utilizamos el SatLab S1, que recopila simultáneamente la nube de puntos y los datos de imagen. Tras procesar los datos RINEX, importamos los datos GNSS, IMU, láser e imagen al software SatLiDAR para su análisis en un solo clic y exportamos la nube de puntos a color final (archivo *.las).
Figura 1 Flujo de trabajo del LiDAR del UAV SatLab S1
El dron tiene un tiempo de vuelo de aproximadamente 11 minutos y la densidad de la nube de puntos es de 508,79 pts/m². La nube de puntos y la sección transversal del LiDAR del UAV se muestran a continuación. Los datos faltantes se pueden ver debajo del dosel.
Datos de Backpack SLAM
El sistema SLAM tipo mochila SatLab Cygnus se puede ver en la Figura 2. Los datos SLAM resultantes se pueden transformar a coordenadas locales para su georreferenciación. La nube de puntos SLAM se muestra en la Figura 10. La densidad de la nube de puntos es de aproximadamente 2539,59 pts/m².
Fusión y procesamiento de datos
Colocamos la nube de puntos LiDAR UAV y la nube de puntos SLAM en el mismo sistema de coordenadas y segmentamos el área de interés para extraer la información forestal. La fusión de las nubes de puntos LiDAR UAV y SLAM, así como la sección transversal de los datos de fusión, se muestran en la figura 11. La combinación de ambos métodos muestra la estructura completa del árbol. La densidad de la nube de puntos de fusión es de 4701,48 pts/m².
Considerando que el procesamiento masivo de nubes de puntos consume una gran cantidad de recursos computacionales, dividimos la nube de puntos de fusión en bloques y, mediante remuestreo y eliminación de ruido, obtuvimos datos relativamente limpios. Posteriormente, utilizamos el filtro de simulación de tela (CSF) y la densificación progresiva de TIN (PTD) como filtro de base para clasificar la nube de puntos de base. A partir del punto de base, generamos el DEM. Tras calcular la normalización de la nube de puntos, utilizamos el algoritmo de segmentación de árbol único para clasificar la nube de puntos de árbol. Algunos árboles con una segmentación incorrecta pueden ser segmentados manualmente.
editado.
Según el resultado de la segmentación, podemos extraer la especie, la posición, la altura, el diámetro a la altura del pecho (DAP), etc. de un solo árbol. También se puede generar el vector de la estructura del árbol.
Conclusión
A través de la combinación del LiDAR UAV y los diversos datos obtenidos por el escáner SLAM móvil en el área forestal, es posible obtener rápidamente la estructura vertical del bosque de alta precisión y extraer los parámetros de la estructura de un solo árbol de la parcela de muestra con mayor precisión y precisión.
eficientemente.
En comparación con los métodos de levantamiento tradicionales, reduce significativamente la intensidad de trabajo y los costos, enriquece los tipos de datos y mejora la calidad del monitoreo. Al mismo tiempo, es necesario planificar razonablemente la ruta de escaneo al utilizar plataformas como ULS (escaneo láser con drones) y BLS (escaneo láser de mochila) para mejorar la eficiencia e integridad de la recopilación de datos y aumentar la posibilidad de obtener información forestal a gran escala en menos tiempo.
Esta nueva aplicación de la fusión de datos LiDAR tierra-aire tiene una gran importancia práctica.
