Vedi traduzione automatica
Questa è una traduzione automatica. Per vedere il testo originale in inglese cliccare qui
#Tendenze
{{{sourceTextContent.title}}}
Applicazione dello scanner Cygnus SLAM nelle indagini forestali
{{{sourceTextContent.subTitle}}}
Grazie allo scanner Cygnus SLAM nell'area forestale, è possibile ottenere rapidamente una struttura verticale della foresta di alta precisione.
{{{sourceTextContent.description}}}
Background del progetto
Le nuvole di punti riflettono la relazione posizionale di oggetti target nello spazio tridimensionale e sono una delle forme di dati importanti per l'estrazione di informazioni sulle risorse forestali.
Con l'approfondimento dell'indagine sulle risorse forestali, il metodo di acquisizione delle informazioni spaziali basato su una singola piattaforma lidardata presenta i difetti di una bassa accuratezza e di una scarsa integrità dei dati, che non possono soddisfare i requisiti della silvicoltura di precisione per un'elevata accuratezza dell'estrazione delle informazioni forestali.
Panoramica della soluzione
Sulla base di un'indagine preliminare dell'area forestale, abbiamo scelto un UAV LiDAR a basso costo e un sistema SLAM mobile come soluzione per raccogliere informazioni più complete sugli alberi attraverso la fusione di dati aerei e terrestri.
Per fondere i dati, abbiamo scelto il sistema mobile SLAM Cygnus a zaino con RTK. A causa dello scarso segnale di rete locale, il nostro zaino SLAM RTK condivide la stessa stazione base con il sistema LiDAR del drone, la comunicazione è collegata attraverso la modalità di stazione radio esterna.
I due metodi vengono raccolti contemporaneamente. Il drone cattura l'area in circa 11 minuti, mentre la scansione SLAM a zaino, che comprende 2 scansioni e una scansione, richiede 30 minuti. La traiettoria di scansione dello SLAM mobile adotta una traiettoria a forma di serpente intorno all'albero e lo scarto di scansione non supera i 10 m in base alle condizioni del terreno. Per quanto riguarda il problema dell'impossibilità di fissare l'RTK a causa dell'occlusione dell'albero di tanto in tanto, si cerca di ripetere la scansione il più possibile nel caso di RTK fisso per aumentare i vincoli delle osservazioni RTK fisse sulla traiettoria SLAM.
Confronto tra i sistemi LiDAR multipiattaforma
A causa della complessità dell'ambiente forestale e della fitta occlusione, il funzionamento di una singola piattaforma LiDAR è limitato e il campo di scansione non può coprire l'intera area forestale, con conseguente buco di dati nell'acquisizione delle informazioni spaziali, rendendo difficile l'applicazione in aree forestali complesse. Per ottenere nuvole di punti forestali più dettagliate, si ricorre solitamente alla combinazione di piattaforme LiDAR.
Dati UAV LiDAR
Per il sistema UAV LiDAR, utilizziamo il SatLab S1 UAV LiDAR, che può raccogliere nuvole di punti e dati di immagine allo stesso tempo. Dopo l'elaborazione dei dati RINEX, importiamo i dati GNSS, IMU, laser e immagine nel software SatLiDAR per combinare i dati con un solo clic ed esportare la nuvola di punti a colori finale (file *.las).
Il drone ha un tempo di volo di circa 11 minuti, la densità della nuvola di punti è di 508,79 pts/m2. La nuvola di punti UAV LiDAR e la sezione trasversale sono mostrate come segue. I dati mancanti sono visibili sotto la chioma.
Dati SLAM dello zaino
Il sistema SLAM a zaino SatLab Cygnus è visibile nella Figura 2. I dati SLAM in uscita possono essere trasformati in coordinate locali per la georeferenziazione. La nuvola di punti SLAM è mostrata nella figura 10. La densità della nuvola di punti è di circa 2539,59 pts/m2.
Fusione ed elaborazione dei dati
Abbiamo messo la nuvola di punti UAV LiDAR e la nuvola di punti SLAM nello stesso sistema di coordinate e abbiamo segmentato l'area interessante per estrarre le informazioni sulla foresta. La fusione della nuvola di punti UAV LiDAR e della nuvola di punti SLAM e la sezione trasversale dei dati di fusione sono mostrate nella figura 11. La combinazione dei due metodi mostra che la nuvola di punti UAV e la nuvola di punti SLAM sono più efficienti. La combinazione dei due metodi mostra la struttura completa dell'albero. La densità della nuvola di punti di fusione è di 4701,48 pts/m2.
Considerando che l'elaborazione massiva delle nuvole di punti consuma una grande quantità di risorse di calcolo, abbiamo diviso la nuvola di punti di fusione in blocchi e attraverso il ricampionamento e il denoising abbiamo ottenuto dati relativamente puliti. Quindi utilizziamo il filtro di simulazione del tessuto (CSF) e la densificazione progressiva TIN (PTD) come filtraggio del terreno per classificare la nuvola di punti del terreno. Sulla base dei punti a terra, generiamo il DEM. Dopo aver calcolato la normalizzazione della nuvola di punti, utilizziamo l'algoritmo di segmentazione ad albero singolo per classificare la nuvola di punti degli alberi. Alcuni alberi segmentati in modo errato possono essere modificati manualmente
modificati.
In base al risultato della segmentazione, possiamo estrarre la specie arborea, la posizione, l'altezza dell'albero, il diametro al seno (DBH), ecc. di un singolo albero. È inoltre possibile generare il vettore della struttura dell'albero.
Conclusione
Grazie alla combinazione dell'UAV LiDAR e dei vari dati ottenuti dallo scanner mobile SLAM nell'area forestale, è possibile ottenere rapidamente una struttura verticale della foresta di alta precisione ed estrarre i parametri della struttura del singolo albero dell'appezzamento campione in modo più accurato ed efficiente
in modo efficiente.
Rispetto ai metodi di rilevamento tradizionali, riduce significativamente l'intensità e i costi di lavoro, arricchisce i tipi di dati e migliora la qualità del monitoraggio. Allo stesso tempo, è necessario pianificare ragionevolmente il percorso di scansione quando si utilizzano piattaforme come ULS (UAV Laser Scanning) e BLS (backpack Laser Scanning) per migliorare l'efficienza e l'integrità della raccolta dei dati e aumentare la possibilità di ottenere informazioni forestali su larga scala in minor tempo.
Questa nuova applicazione della fusione di dati LiDAR terra-aria ha un forte significato pratico.