无人机激光遥感实验平台设计与实现

田义超， 张 强， 陶 进， 张亚丽， 杨永伟， 林俊良

（北部湾大学a.资源与环境学院；b.海洋地理信息资源开发利用重点实验室，广西 钦州 535011）

0 引 言

近半个多世纪以来，无人机在军用和民用领域均得到了空前的发展，无人机在测绘方面也得到了广泛应用［1］。无人机遥感测绘因续航时间长、成本低、机动灵活等特点大幅度提高了传统测绘作业的效率，使地理信息数据的获取更加快速、准确和完整［2-3］。在红树林野外样地调查时，调查方法多以现场实测或实际勘测为主，一般采用逐点测量方法，加上经常受到天气条件的限制，野外工作难度大，造成了三维空间分辨率和测量精度低、效率低、测量范围有限，无法完成红树林群落尺度三维模型的构建。而无人机激光遥感在红树林野外调查等方面具有明显优势，可用于红树林树高估算、红树林面积提取以及红树林结构参数等方面的测量，甚至可以在野外进行遥感观测，突破了传统光学遥感在夜间难以进行红树林观测等方面的瓶颈。

遥感图像处理课程是我校资源与环境学院地理信息科学专业开设的一门专业必修课。遥感图像处理课程作为应用实验课程，是以理论联系实践为主，注重运用和重视上机实践的一门课程，课程注重反映现代遥感图像处理方法的最新成果与应用，详细介绍与遥感图像处理常用的基本功能和部分增强功能，并针对遥感提取建模做了较为详细的实例说明，注重对地理信息科学专业学生的基本应用能力的提高，培养从事地理信息科学理论研究和实务的应用型人才。我校作为广西北部湾沿海地区唯一公立本科院校，该学校濒临广西北部湾，沿海地区有非常多的红树林湿地资源，因此，遥感图像处理课程在学期结束后，都会有一次关于红树林湿地的低空遥感的开放性实验课。该实验课的开设可以将无人机低空遥感和测量学中的激光点云技术结合，使同学们了解最新的测绘技术和无人机遥感深度融合的理论和技巧，该实验课兼顾理论和实用性，可以很好地将低空遥感的基础理论和实际动手能力相结合，是提高学生创新创业能力非常重要的手段。但是，这门课程的开放性实验实施两年以来，课程教学部分存在着两点问题：①课程教学中理论教学部分偏重，而实验教学中的实践部分较少，任课老师在开展开放性实践教学时，主要是带领学生到海边的红树林样地进行无人机数据航拍，航拍完成之后任课老师在实验室对学生开展了最基本的无人机激光数据的解析和概念的讲解工作。但是，由于地理信息科学专业学生对于测绘专业的知识了解较少，激光点云理论讲解中涉及大量复杂的测量学公式，学生在听讲的过程中感到枯燥，课程晦涩难懂，无法提升学生的积极性，导致部分学生对无人机激光点云的教学部分缺乏信心，以至于部分学生抱着“学不懂，干脆不学”的心理。②激光点云教学的可视化内容难以实现。从海边获取的无人机红树林激光点云数据，任课教师主要借助于Matlab软件向同学们讲述激光点云数据的读取、存储以及操作的语法［4］，大部分的教学方法是以各种算法为前提，通过在Matlab中编写代码来实现激光点云数据的操作。由于地理信息科学专业学生属于非测绘专业的学生，在教学过程中学生们对于激光点云数据处理的各种程序和代码的学习感到非常吃力，导致课程教学效果较差。因此，需要借助于可视化方法使无人机激光点云数据的教学呈现出可视化，这样方可提高学生的学习积极性［5-6］。

Matlab软件中的图形用户界面（Graphical user interface，GUI）所具有的数据分析和可视化功能已被广泛应用于科学研究、实验和实践教学过程中［7-9］，用户借助于该软件所提供的各种控件和函数可以很好地实现所需要的功能。该研究基于Matlab 软件的GUI开发了无人机激光遥感实验平台，该平台界面友好美观，操作简单，能够实现对野外测量的无人机红树林激光点云数据的快速读取、可视化以及模型建模等功能，该实验平台可以将复杂的测量学教学过程简单化，增加学生对于无人机红树林遥感开放性实验的兴趣，提升我校无人机激光遥感的教学效果，为北部湾地区实践创新以及应用型专业人才的培养奠定基础。

1 实验平台设计思路

基于Matlab软件的GUI 开发了无人机激光遥感实验平台，该平台主要由地面点云和非地面点云分割、数字高程模型（Digital Elevation Model，DEM）提取、数字表面模型（Digital Surface Model，DSM）提取、冠层高度模型（Canopy Height Model，CHM）提取、单木分割、高度变量、强度变量以及郁闭度等模块组成，该实验平台的主要功能模块如图1 所示。

图1 无人机激光遥感实验平台功能模块

本开放性实验课程作为低空无人机激光遥感理论和实践相结合的典型案例，需要结合实践教学来提升学生的学习能力。其中实践教学部分主要包括数据采集和数据的处理两个部分，数据采集部分，由于我校资源与环境学院的学生在无人机激光点云数据的航拍，航飞线路的设置以及前期数据处理方面具有一定的特长，学生们多次在广西壮族自治区举办的无人机省级大赛中获得了多项奖项，因此，该研究将重点分析无人机激光遥感实验平台涉及的相关功能的基础上使同学们熟练掌握激光点云的数据操作部分。无人机激光遥感实验平台中的模块1 属于激光点云的基础操作模块，该模块的主要功能是将红树林激光点云的地面部分和地上部分分割出来，其中分割出的地面点云部分可以生成数字高程模型，该模型即是模块2 的数字高程模型（DEM）提取。而非地面点云可以生成模块3的数字表面模型（DSM），将其减去模块2 所生成的DEM数字高程模型，即可得到模块4 的冠层高度模型（CHM）。非地面点云的另外一些重要的功能是可以生成模块5 ～8 的相关内容，这些功能均属于红树林林木结构提取时的重要参数，可以通过Matlab 编程语言的具体算法实现这些功能。8 个模块之间互不影响，每个模块具有单独的和可执行的源程序和执行代码，并且都具有可扩展性，每个模块均包含GUI 组件的.fig文件和保存源代码的.m 文件［10］，均可实现单独的管理和存储。

2 实验平台设计内容及其案例实现

Matlab提供了一套可视化的创建图形窗口的工具，使用图形用户界面开发环境可方便地创建GUI 应用程序，它可以根据用户设计的GUI 布局，自动生成M文件框架，用户使用这一框架编制可以定制自己的应用程序。实验平台设计采用经典的菜单布局模式，主菜单上有8 个功能模块，分别是地面点云和非地面点云分割、数字高程模型（DEM）提取、数字表面模型（DSM）提取、冠层高度模型（CHM）提取、单木分割、高度变量、强度变量以及郁闭度。界面的桌面部分也放置了以上8 个功能模块，学生既可以通过菜单的方式访问相关功能，也可以通过软件桌面的按钮快速访问8 个功能模块。桌面的背景图片是我校资源与环境学院本科生采用大黄蜂激光雷达多旋翼系统航拍的红树林样区图片，图片的中央放置了大黄蜂激光雷达四旋翼无人机系统，所搭载的设备为AS-900HL 激光雷达系统，图片的右下角区域是学校的LOGO。8 个子模块与主程序之间的调用关系都可以通过Matlab GUI 的回调函数实现。实验平台的主界面见图2。

图2 无人机激光遥感实验平台

2.1 地面与非地面点云

点云分类是激光点云数据处理的基础操作，图3（a）所示为地面点云和非地面点云激光点云处理模块，该模块主要由激光点云Las文件的显示，计算并显示地面Las点云，计算并显示非地面点云，显示分类后的点云以及将分类后的点云文件保存到指定文件夹。其中Las点云的显示功能主要是将红树林激光点云的回波信息显示出来［见图3（b）］，而地面点云和非地面点云的分割则采用滤波算法实现。传统的滤波算法大多是考虑在坡度、高程变化之间的不同来进行区分地物点与地面点［11］，而布料滤波算法从一个完全新的思路来进行滤波，首先把点云进行翻转，然后假设有一块布料受到重力从上方落下，则最终落下的布料就可以代表当前地形［12］。布料（Combined Filter，CF）算法结合布料模拟与不规则三角网加密滤波器的优势以提高地面滤波精度，主要原理是利用参数易于设置的布料模拟器获取的近似地形走势作为初始地形，并在初始地形中获取不规则三角网加密滤波器的参数阈值，然后使用不规则三角网加密滤波器获取地形细节信息。图4（a）所示为无瓣海桑红树林点云和滩涂地面点云［见图4（b）］算法在Matlab 中的显示，采用的算法为CF算法，而图5（a）所示为无瓣海桑点云和滩涂地面点云合并之后的显示效果，为了方便阅读，该研究将无瓣海桑红树林点云采用绿色进行显示，而将滩涂地面点云采用紫色进行显示。图5（b）所示是将激光点云分割的结果保存到指定文件夹，其中mangrove＿tree.las为无瓣海桑红树林点云，而mangrove＿ground.las为滩涂地面点云，mg.las为合并之后的激光点云。

图3 地面与非地面点云的处理与显示

图4 无瓣海桑点云和滩涂地面点云分别显示

图5 无瓣海桑点云和滩涂地面点云合并显示与保存

2.2 红树林数字模型生成

地形模块包含地形生产所需的一系列产品，其中，数字高程模型表示裸露的地表（植被和其他地物均被移除），数字表面模型表示地形和地物的表面特征（如：树木冠层），而冠层高度模型表示植被和地物的归一化高度。基于2.1 分类出的无瓣海桑红树林激光点云（mangrove＿tree.las）和滩涂地面点云（mangrove＿ground.las）可以产生数字表面模型（DSM）、数字高程模型（DEM）以及冠层高度模型（CHM）。

数字高程模型（DEM）的界面见图6（a），该界面主要由左侧的参数设置模块和右侧的图像显示模块构成，其中左侧的参数设置部分包括显示las点云，选择已经定义好的TIFF投影文件，该投影文件根据研究区的实际区域情况而定，研究区的大小与激光点云的范围大小保持一致，本研究设置了UTM 48N 投影坐标系。另外一个非常重要的参数是设置生成DEM 数据的分辨率，本研究设置了0.5 m的分辨率，该栅格单元的大小也可以用于数据的插值计算，采用反距离插值算法进行插值。最后将生成的DEM 数据保存到D：＼LiMARS＼result文件里，文件的保存形式为TIFF格式，右边部分为DEM文件的显示，由计算结果可知红树林滩涂地面的高程介于0 ～0.142 m 之间。数字表面模型（DSM）的界面见图6（b），该模型带有无瓣海桑树木点云信息，用mangrove＿ground.las点云跟数字高程模型结合，可获得归一化的点云数据，由该数据可以生成数字表面模型（DSM），模型的界面参数设置与DEM设置相同，由生成的红树林DSM 数据可知，研究区无瓣海桑红树林DSM 的值介于0 ～16.5 m 之间。冠层高度模型（见图7）是表示植被距离地面高度的表面模型，能够反映树木冠层的水平和垂直分布情况［13］，该模型一般是由DSM与DEM进行差值运算生成，由计算结果可知，研究区无瓣海桑红树林树高介于0 ～16.358 m。

图6 数字高程与数字表面模型的界面

图7 冠层高度模型

2.3 无瓣海桑红树林单木分割

无瓣海桑红树林单木分割算法采用的是分水岭分割算法识别和分割单棵树，目的是为了获取红树林单木的位置、树高、冠幅直径、冠幅面积和树木的边界信息［14］。该方法提取红树林单木的原理为：如果自下而上观察，CHM的高点处可以看做山峰，低点处可以看做山谷。如果用水填充，不同山谷的水将开始汇合。为了避免这种情况，在水汇合的地方建立屏障，这些屏障将决定分割的结果，屏障处即为红树林分割的边界线。无瓣海桑红树林单木分割界面见图8（a），该界面主要由激光点云的显示，显示单木Las分割点云，提取感兴趣的红树林单木并显示单木，保存单木分割后的矢量数据和单木点云Las文件功能组成。单木分割是以归一化的点云数据为基础，设置一定的空间分辨率参数，参数的设置至关重要，不同的参数会获取不同的分割结果。本研究设置了0.5 m的分辨率，图8（b）所示为无瓣海桑树顶点位置的显示结果，图9（a）是单木无瓣海桑激光点云显示效果，从图中可以看出，不同的无瓣海桑单木都被赋予了不同的颜色，在Matlab 中可以浏览不同的无瓣海桑红树林单木三维分割效果，图9（b）所示为24 号无瓣海桑红树林单木点云显示效果，可以根据实际需要在单木分割界面中输入不同的Tree编号，点击显示单木las点云按钮，就可以看到不同Tree的显示效果。单木分割界面也设置了单木分割之后保存的矢量数据，该数据可以输出到指定目录文件夹，本研究中将其结果输出到D：＼LiMARS＼result。由图10 可见，经过单木分割之后，生成了无瓣海桑红树林树的树顶点文件wuban.shp以及无瓣海桑单木分割面wuban＿seg＿polygons.shp 文件，这两个文件记录了无瓣海桑的树高、冠幅、单木的位置以及面积等信息，可以在第三方ArcGIS 软件中浏览和查看，除此之外，软件还自动生成了wuban.csv文件，通过该文件可以在Excel中查看分割的结果。

图8 无瓣海桑红树林单木分割与顶点位置界面

图9 红树林激光点云与单木点云界面

图10 单木分割矢量结果数据以及统计结果

2.4 无瓣海桑红树林高度和强度变量

高度变量是与激光点云的高度值相关的统计变量，这些变量对于模型建模非常有用，可以作为生物量回归和与预测中非常重要的参数变量［15］。首先，在x、y方向根据一定的距离将点云空间划分成不同的等大小的网格单位，然后根据指定的高度间隔将点云数据进一步分割成不同的“层”。如果点云中包含很多小方块，可以用每个方块内点的高程值计算高度变量，并且每个方块都生成一条纪录，最后将变量写入指定的格网单元中。其中高度百分位变量表示某一统计单元内，将其内部所有归一化的激光雷达点云按高度进行排序，然后计算每一统计单元内X%的点所在的高度，即为该统计单元的X 高度百分位数。无瓣海桑红树林统计的高度百分位数包含15 个，即1%、5%、10%、20%、25%、30%、40%、50%、60%、70%、75%、80%、90%、95%和99%，此外软件界面中也计算了HMean（平均值）、HMedian（中位数）、HStdDew（标准差）、HCoefVar（变异系数）、HKut（峰度）以及HSkew（偏斜）等高度变量。高度百分位界面见图11（a），该界面主要由显示las点云，选择已经定义好的投影文件（与上文投影保持一致，为UTM48N），选择保持高度变量位置，最后需要设置生成的高度变量的分辨率，本研究中设置的分辨率为0.5 m。图11（b）是在D：＼LiMARS＼result 文件夹中生成的高度变量，只需点击左边界面中的确定按钮，即可批量生成不同类型的高度变量。

图11 无瓣海桑高度变量以及输出结果

强度变量的计算方法与高度变量类似，不同的是计算强度变量使用的是激光点云的强度值而非高度值。因此，只有当点云数据中包含强度信息时，才能使用该功能。强度变量的界面布局［见图12（a）］与高度变量的布局保持一致，输出的结果是不同的强度变量，其结果也是通过点击图12（a）左侧的保存按钮后，可以批量生成不同类型的强度变量［见图12（b）］，这些变量与高度变量类似。

图12 无瓣海桑强度变量界面以及输出结果

2.5 无瓣海桑红树林郁闭度变量

郁闭度是林分冠层的垂直投影占林地面积的百分比，它是确定森林采伐强度的重要指标，也是进行林业蓄积量估算非常重要的因子［16］。根据无瓣海桑激光点云是否有回波信息，本研究根据用户设置的分辨率大小将激光点云空间划分为不同的规则网格，对于每个网格单元，郁闭度被定义为首次回波的无瓣海桑植被点数与首次回波所有激光点数的比值。如果无瓣海桑激光点云没有回波信息，则郁闭度被定义为无瓣海桑植被点数与总点数的比值。无瓣海桑郁闭度的计算界面见图13，图的左侧部分界面的设置与上述界面设置保持一致，唯一不同的在于“确定”按钮的计算方法是按照郁闭度的计算方法进行运算，计算时考虑两种情况，分别为有回波信息和没有回波信息。由无瓣海桑红树林郁闭度的计算结果可知，郁闭度的值介于0 ～1。

图13 无瓣海桑郁闭度界面

2.6 实验平台程序发布

目前，学生在遥感数字图像处理的过程中所用的电脑是我校资源与环境学院的公共机房，电脑里面装有许多专业的GIS软件和遥感软件，装太多软件的话势必影响电脑的运行效率。为了节省电脑的存储空间，有必要将激光遥感实验平台打包成可执行的程序，而避免了安装完整版的Matlab 程序（例如，安装Matlab2019a大约需要29 GB磁盘空间）。打包成应用程序的具体过程是在Matlab 中输入deploytool 命令，弹出编译器运行对话框，选择Application Compiler 对话框，跳出图14 所示界面，选择主程序所指示的tyc＿las＿process.m 函数文件，之后与tyc＿las＿process.m 函数所关联的文件全部会加载到Files required for your application to run目录下，点击右侧Package 打包，直到出现提示打包成功的对话框。打包成功后会在电脑上出现for＿redistribution＿files＿only 文件包，其中tyc＿las＿process.exe文件为可执行程序（见图15），这个程序不依赖于原始的Matlab仿真环境，学生用户只需要安装这个可执行文件即可，不需要安装完整版本的Matlab程序。

图14 开发程序打包过程

图15 激光遥感实验平台可执行程序（tyc＿las＿process.exe）

2.7 无人机激光遥感实验平台使用效果

本实验平台于2020 ～2021 春季学期在我校资源与环境学院的遥感图像处理课程中进行了应用，该实验课作为遥感图像处理的开放性课程，学生通过在钦州市茅尾海航拍不同红树林群落的激光点云数据，然后将数据带回到实验室后采用该平台进行实训实验。从实训的应用效果来看，采用该平台进行教学，学生能够掌握红树林地面点云和非地面点云分割、数字高程模型（DEM）提取、数字表面模型（DSM）提取、冠层高度模型（CHM）提取、单木分割、高度变量、强度变量以及郁闭度等模块的操作内容，能够完成开放性实验所设置的实验报告，相较于2019 ～2020 学期的授课情况，学生对于激光点云数据的处理更得心应手，所有的学生在老师的讲解下，对于每个模块中的参数设置及其数据保存路径都能够掌握，实验的过程中平台各个模型都没有出现中断或者临时退出的情况。通过开放性实验的作业批改情况来看，学生在不同红树林群落激光点云的数据处理及其操作步骤掌握较好，95%以上的学生都能够一次性完成所设置的实验步骤并完成文档的撰写，得分率较高，说明该实验平台能够提高学生的学习兴趣，达到了课程的预期目标。

3 结 语

红树林低空遥感的开放性实验课程教学中存在重理论轻实验的现象，激光点云理论讲解中涉及复杂的测量学公式，学生在听讲的过程中信心缺失。本研究在分析我校无人机激光遥感实验课程教学中存在问题的基础上，设计了基于Matlab GUI工具的无人机激光遥感实验平台。该平台基于模块化思想，各个模块之间相互独立，可扩展性强，平台主要包括地面点云和非地面点云分割、数字高程模型（DEM）提取、数字表面模型（DSM）提取、冠层高度模型（CHM）提取、单木分割、高度变量、强度变量以及郁闭度等模块。实践教学结果表明，该平台界面美观，操作简单，非测绘专业学生无须了解激光点云数据处理的复杂原理，均可快速熟悉界面相关功能，能够提高学生的学习兴趣，达到了课程的预期目标，该平台的开发可为其他GIS 类似课程的实践教学平台提供借鉴。