POLSKIE INFORMACJI PRZESTRZENNEJ Zastosowanie algorytmuTOWARZYSTWO Delaunay`a w eliminacji i klasyfikacji chmury punktów ... 33 ROCZNIKI GEOMATYKI 2007 m TOM V m ZESZYT 5 ZASTOSOWANIE ALGORYTMU DELAUNAY’A W ELIMINACJI I KLASYFIKACJI CHMURY PUNKTÓW Z NAZIEMNEGO SKANINGU LASEROWEGO APLICATION OF DELAUNAY ALGORITHM IN ELIMINATION AND CLASSIFICATION OF POINT CLOUDS FROM TERRESTRIAL LASER SCANNING Krystian Kozio³, Piotr Wê¿yk Laboratorium GIS i Teledetekcji, Katedra Ekologii Lasu, Wydzia³ Leœny Akademii Rolniczej w Krakowie S³owa kluczowe: klasyfikacja, eliminacja, LIDAR, TLS, TIN, analiza s¹siedztwa Key words: classification, elimination, LIDAR, TLS, TIN, neighbourhood analysis Wstêp Dla precyzyjnego scharakteryzowania drzewostanów pod wzglêdem produkcyjnym i ekonomicznym stosowane s¹ metody inwentaryzacji leœnej. Dok³adnoœæ tej informacji oraz powtarzalnoœæ jest kluczem do precyzyjnego okreœlania zasobów leœnych w tym m.in. wartoœci (jakoœci, iloœci) surowca drzewnego. Pomiary inwentaryzacyjne drzewostanów opieraj¹ siê w przewa¿aj¹cej czêœci na tradycyjnych pomiarach terenowych z wykorzystaniem prostych urz¹dzeñ takich jak: kompas, taœma miernicza i œrednicomierz. Coraz czêœciej w urz¹dzaniu i inwentaryzacji zasobów leœnych stosuje siê obecnie nastêpuj¹ce technologie: fotogrametriê lotnicz¹ oraz teledetekcjê wykorzystuj¹c¹ obrazy VHRS charakteryzuj¹ce siê rozdzielczoœci¹ przestrzenn¹ poni¿ej 1,0 m (de Kok i in., 2005; de Kok, Wê¿yk 2006; Weinacker i in., 2004). Pojawienie siê na rynku skanerów laserowych (ALS i TLS) s³u¿¹cych do pozyskiwania danych, otwiera nowe mo¿liwoœci w automatyzacji procesów zasilania baz danych. Ze wzglêdu na pozyskiwanie informacji w krótkim czasie na du¿ych obszarach jednym z zastosowañ technologii naziemnego skaningu laserowego mo¿e byæ inwentaryzacja lasu. Informacje zawarte w chmurze punktów pomiarowych mog¹ byæ interpretowane pod k¹tem struktury drzewostanów oraz poszczególnych cech taksacyjnych, takich jak: liczba drzew, pozycja poszczególnych pni i koron, pierœnica (œrednica pnia na wysokoœci 1,30 m), wysokoœæ podstawy korony, d³ugoœæ korony czy wysokoœæ drzewa (Aschoff, Spiecker 2004; Bienert i in., 2006; Naesset i in., 2004; Simonse i in., 2003; Hopkinson i in. 2004). Wymienione parametry charakteryzuj¹ce drzewostan s¹ okreœlane na podstawie cech pojedynczego drze- 34 Krystian Kozio³, Piotr Wê¿yk wa, które musi byæ najpierw zidentyfikowane w chmurze punktów 3D. Prezentowana praca demonstruje mo¿liwoœæ zastosowania zautomatyzowanych metod przez stosowanie algorytmów do przetwarzania chmury punktów 3D pochodz¹cych z TLS. Badania wykonywane s¹ w ramach projektu „Opracowanie metody inwentaryzacji lasu opartej na integracji wybranych technik geomatycznych”, zleconego przez Dyrekcjê Generaln¹ Lasów Pañstwowych, zarz¹dzanego przez SGGW. W projekcie tym testowana jest przydatnoœæ wybranych technologii geoinformatycznych dla urz¹dzania lasu, w tym m.in. naziemnego i lotniczego skaningu laserowego i fotogrametrii cyfrowej. Teren badañ Do badañ wytypowany zosta³ drzewostan znajduj¹cy siê w œrodkowo-zachodniej Polsce (WGS84 51°27' N; 17°12' E), na obszarze Nadleœnictwa Milicz (RDLP Wroc³aw). Pomiary terenowe zosta³y przeprowadzone w lipcu 2006 przez specjalistyczn¹ firmê urz¹dzeniow¹, tradycyjnymi metodami przyjêtymi w Instrukcji Urz¹dzania Lasu (2003). Metodyka pomiarów naziemnego skaningu laserowego W listopadzie 2006 roku przy wspó³pracy z AR Poznañ, na 30 urz¹dzeniowych powierzchniach ko³owych przeprowadzono naziemny skaning laserowy. Wykorzystano w tym celu skaner laserowy FARO LS 880. Pomiar odleg³oœci od obiektu przeprowadzany jest na podstawie okreœlenia ró¿nicy w przesuniêciu fazy fali powracaj¹cej od obiektu (ang. phase difference lub phase shift). Skaner w niezmiernie krótkim czasie (120.000 pps) rejestruje obiekty oddalone do 78 metrów w zakresie 360 i 320 stopni (k¹t poziomy i pionowy). £¹cznie prace przeprowadzono na 30 powierzchniach, z czego 6 zlokalizowanych by³o w drzewostanach liœciastych (buk, d¹b), a 24 w iglastych (sosna zwyczajna). W tabeli 1 zamieszczono wyniki prac nad algorytmem automatycznej analizy chmury punktów, oparte na materiale z 25 powierzchni ko³owych. W metodyce prac przyjêto technikê skanowania z 4 pozycji tj. z pierwszej (S_1) realizowanej ze œrodka powierzchni urz¹dzeniowej i dalej z trzech nastêpnych (S_2, S_3 oraz S_4) rozmieszczonych regularnie wokó³ powierzchni ko³owej. Na ka¿dej powierzchni rozstawiano 5 kul referencyjnych (k1¸k5) niezbêdnych do po³¹czenia chmur punktów z poszczególnych pozycji skanera w jeden zbiór danych (rys. 1). Metodyka pomiarów technologi¹ tradycyjn¹ Pomiar pierœnicy (DBH) wykonywano œrednicomierzem z dok³adnoœci¹ 0,001 m kieruj¹c jego d³ugie ramiê do œrodka powierzchni, czyli niestety przeciwnie w stosunku do obrazowania skanerem ustawionym na œrodku powierzchni. Spowodowa³o to brak mo¿liwoœci bezpoœredniego porównywania uzyskanych wyników pomiarów z TLS. Dodatkowe prace terenowe niezbêdne do testowania algorytmu przeprowadzono w kwietniu i czerwcu 2007 roku Zastosowanie algorytmu Delaunay`a w eliminacji i klasyfikacji chmury punktów ... dziêki Laboratorium GIS i Teledetekcji AR Kraków. Dla ka¿dego drzewa na powierzchni urz¹dzeniowej (powierzchnia œrednio oko³o 500 m2) okreœlano pierœnicê (DBH) prostopadle do ka¿dej z czterech pozycji skanera (pomiar nazywany dalej AR DBH 1-4). Jednoczeœnie taœm¹ miernicz¹ okreœlono obwód drzewa na wysokoœci 1,3 metra od gruntu (pomiar nazwany dalej AR PERI). Odleg³oœci w pomiarze biegunowym do drzewa (L) mierzono dalmierzem ultradŸwiêkowym do pnia drzewa. Azymut (Az) odczytywano do œrodka pni z busoli z dok³adnoœci¹ do 1°. Prace wstêpne i klasyfikacja chmury punktów 35 Tabela 1. Zestawianie liczby drzew na powierzchniach ko³owych okreœlone ró¿nymi metodami Numer powierzchni Pomiar terenowy 07.2006 Pomiar terenowy 11.2006 Algorytm Ró¿nica [3]–[4] [1] [2] [3] [4] [5] 1 44 12 44 - 32 2 21 21 21 0 3 14 14 14 0 4 7 7 5 -2 5 5 5 5 0 6 15 14 14 0 8 21 21 20 -1 9 22 22 22 0 10 16 17 17 0 11 20 20 18 -2 12 24 17 17 0 13 20 20 16 -4 14 28 28 25 -3 15 21 21 21 0 16 21 21 20 -1 Wykorzystuj¹c oprogramowanie Faro Scene ver.4 u¿yczone przez 17 13 13 13 0 firmê FARO, po³¹czono chmury 18 23 23 22 -1 punktów wykonane na poszczegól19 30 30 30 0 nych powierzchniach, przy czym 20 32 31 31 -1 b³êdy po³¹czenia nie przekracza³y 3 cm przy identyfikacji od 4 do 5 kul 23 38 38 38 0 referencyjnych. W oprogramowa24 23 23 23 0 niu tym wykonano jeszcze podsta25 24 24 14 - 10 wowe filtracje usuwaj¹c wiêkszoœæ 27 20 19 18 -1 b³êdnych odbiæ (doœæ czêsty przypadek w tego typu urz¹dzeniach). 28 22 22 22 0 Tak przygotowane dane eksporto30 18 18 16 -2 wano z dodatkow¹ informacj¹ o intensywnoœci odbicia do plików tekstowych (xyz). Zasiêg eksportowanych punktów ograniczono w poziomie do promienia urz¹dzeniowej powierzchni ko³owej. W dalszym etapie prac pliki (xyz) importowano do oprogramowania TerraScan (Terrasolid Ltd.), w którym dokonywano dalszego procesu klasyfikacji (rys. 2). Klasyfikacja ta polega³a na wygenerowaniu poprawnego numerycznego modelu terenu (NMT), w oparciu o tzw. punkty najni¿sze (ang. low points). W niektórych przypadkach proces automatyczny musia³ byæ wspomagany przez operatora interaktywnie, ze wzglêdu na 36 Krystian Kozio³, Piotr Wê¿yk wystêpowanie punktów poni¿ej poziomu gruntu (b³êdy ang. ghost points). Nastêpnie z punktów znajduj¹cych siê powy¿ej NMT pozyskiwano wycinki chmury punktów o gruboœci 0,04 m dla rzêdnej nad terenem od 1,28 m do 1,32 m, tj. miejsca gdzie zosta³ wykonany pomiar pierœnicy w trakcie pomiarów referencyjnych. Odpowiednio przygotowane makro w programie TerraScan (TerraSolid) pozwoli³o na uzyskanie wycinków pni oraz innych obiektów (podszyt, podrost, niskie ga³êzie i konary). Wycinki eksportowano do pliku tekstowego, który importowano do formatu SHAPE. Plik ten by³ podstaw¹ dzia³ania prezentowanego algorytmu. Algorytm G³ównym celem stworzenia algorytmu by³a potrzeba automatycznego wyodrêbnienia z wycinka chmury punktów, podstawowej informacji o lokalizacji drzew, ich liczbie (powy¿ej 7 cm gruboœci pnia na 1,30 m od NMT) na powierzchni ko³owej i jednoczesnym okreœleniu pierœnicowego pola przekroju pnia (g). Ze wzglêdu na bardzo nieznaczne spadki terenu na omawianych powierzchniach badawczych, redukcjê wynikaj¹ca z tej przyczyny mo¿na by³o pomin¹æ. G³ówne zadania jakie postawiono przed algorytmem do automatyzacji przetwarzania danych to: m okreœlenie s¹siedztwa w chmurze punktów w otoczeniu 2D i 3D (filtrowanie, okreœlenie istotnoœci punktów), m przyporz¹dkowanie punktów do okreœlonego pnia drzewa, m okreœlenie zakresu k¹towego dla pni widocznych z poszczególnych stanowisk skanera, m rozpoznanie pni poszczególnych drzew i okreœlenie ich rozmiarów (pola powierzchni), m obliczenie po³o¿enia œrodka geometrycznego pnia wzglêdem œrodka powierzchni, m wykreœlenie prawdopodobnego obrysu pnia. Pierwszym etapem dzia³ania algorytmu by³o okreœlenie liczby punktów s¹siaduj¹cych z analizowanym pojedynczym punktem w przestrzeni 2D i 3D w zadanym otoczeniu. Punkty posiadaj¹ce tylko trzech s¹siadów, traktowane by³y w dalszej czêœci dzia³ania algorytmu jedynie jako pomocnicze. Algorytm automatycznego okreœlenia przynale¿noœci punktów 3D do okreœlonego pnia realizowany by³ z zastosowaniem metody trójk¹towania algorytmem Delaunay’a pomiêdzy punktami, a nastêpnie eliminacji trójk¹tów nie spe³niaj¹cych wstêpnych warunków granicznych (rys. 3). Algorytm Delaunay’a dokonuj¹cy trójk¹towania tworzy model wektorowy posiadaj¹cy cechy topologiczne (de Kok et al., 2005) i bywa czêsto jednym z g³ównych kryteriów stosowania automatycznych procesów generalizacji obiektów (Chrobak, Kozio³ i in., 2007; Kozio³, 2006). Jako parametry testuj¹ce przyjêto wartoœci k¹tów trójk¹ta oraz d³ugoœci jego boków. Wartoœæ graniczna dla k¹tów zosta³a okreœlona na poziomie powy¿ej 10°, natomiast wartoœæ graniczna dla d³ugoœci waha³a siê od 0,04 m do 0,08 m. Wartoœæ progowa dla odleg³oœci uzale¿niona jest od wielkoœci samej powierzchni ko³owej (maksymalnej odleg³oœci od skanera), rozdzielczoœci skanowania oraz liczby wystêpuj¹cych drzew (zagêszczenie szt./ha) i ich wymiarów (wp³yw wzajemnego przys³aniania siê pni). Eliminacja zosta³a przeprowadzona zgodnie z za³o¿eniami operatora eliminacji obiektów punktowych w generalizacji kartograficznej (Chrobak, Kozio³ Zastosowanie algorytmu Delaunay`a w eliminacji i klasyfikacji chmury punktów ... 37 i in., 2007). W wyniku przeprowadzonej eliminacji powstaj¹ izolowane obiekty poligonowe zawieraj¹ce punkty 3D (rys. 3). Po utworzeniu obiektów poligonowych mo¿liwe jest zidentyfikowanie punktów znajduj¹cych siê w jego wnêtrzu. Dla utworzonego obiektu powierzchniowego obliczono wartoœci nastêpuj¹cych atrybutów: powierzchnia, obwód oraz liczba punktów wewnêtrznych. Poszczególne obiekty poddawano eliminacji na podstawie atrybutów wg nastêpuj¹cych kryteriów: m liczba punktów wewnêtrznych > 3, m liczba punktów granicznych > 3, m obwód poligonu ³ 0,220 m (DBH ³ 7cm); oraz m powierzchnia ³ 0,0039 m2 (DBH ³ 7cm). Po identyfikacji punktów, operator dysponowa³ mo¿liwoœci¹ filtrowania punktów, przez zastosowanie filtru badania liczby punktów w okreœlonym otoczeniu 2D i 3D (rys. 3). Punkty po dodatkowej filtracji i identyfikacji stanowi³y podstawê do utworzenia przez otoczkê wypuk³¹, obiektów okreœlaj¹cych prawdopodobny przebieg pnia (rys. 4 a – linia ci¹g³a). Dla prezentowanego algorytmu jednym z najwiêkszych wyzwañ by³o rozró¿nienie obiektów bêd¹cych drzewem lub jego fragmentem (rys. 4a), od innych reprezentuj¹cych: krzewy, m³ode drzewa czy niskie ga³êzie. Algorytm wykorzystuje zale¿noœæ pomiêdzy punktami na obwodzie obiektu a œrodkiem geometrycznym, przez promieñ i azymut (rys. 4b, d). W przypadku okrêgu, wykres odleg³oœci (promienia) i azymutu jest liniow¹ zale¿noœci¹, na tej podstawie oparto analizê rozpoznawalnoœci. Dla reprezentacji pni drzew nie posiadaj¹cych punktów na ca³ym ich obwodzie (rys. 4a) zosta³ opracowany dodatkowy algorytm, tzw. koryguj¹cy, bazuj¹cy na wielkoœci wycinka opartego o k¹t œrodkowy a. Algorytm koryguj¹cy dzia³a w oparciu o analizê odleg³oœci i azymutu punktów wewnêtrznych otoczki wypuk³ej do punktu œrodkowego obiektu (rys. 4a). Schemat dzia³ania polega na okreœleniu niepe³nego wycinka pnia (Ac) i obliczeniu jego przybli¿onej powierzchni przez proporcjê k¹tów wewnêtrznych i k¹ta pe³nego. Powierzchnia wykrytego pnia drzewa (Ao) na wysokoœci 1,30 m mo¿e zostaæ przedstawiona jako suma powierzchni (rys. 5): Ao = Ae + Ac , (1) gdzie: Ae – powierzchnia pnia bazuj¹cego na chmurze punktów, Ac – powierzchnia brakuj¹cego wycinka pnia (o zani¿onej powierzchni). Algorytm koryguj¹cy usuwa³ wyznaczony wycinek Ac (rys. 5) w celu zast¹pienia go poprawion¹ powierzchni¹ (Acor) obliczan¹ z proporcji pomiêdzy k¹tem pe³nym, a k¹tem a i odpowiadaj¹c¹ mu powierzchni¹. Wartoœæ korekty (Acor) wyra¿a siê wzorem: $FRU $H 3  D (2) Powierzchnia ca³kowita przekroju pnia drzewa (Areal) okreœlana jest wiêc jako: Areal = Ae + Acor (3) Wiêkszoœæ funkcjonuj¹cych algorytmów automatycznego obliczania powierzchni przekroju pnia proponuje metodê wpasowywania okrêgu (Aschoff et al., 2004), walca (Bienert et al.,. 2006; Hopkison et al., 2004) lub transformacji Hough’a (Aschoff, Spiker, 2004) zak³a- 38 Krystian Kozio³, Piotr Wê¿yk daj¹c okr¹g jako przybli¿on¹ reprezentacjê pnia. W przypadku wymienionych prac i stosowanych w nich algorytmów, œrednia ró¿nica DBH okreœlona na postawie TLS w stosunku do pomiaru referencyjnego waha³a siê od 1¸2 cm. Nale¿y nadmieniæ, i¿ algorytm bazuj¹cy na transformacji Hough’a wymaga konwersji danych wektorowych TLS (punktów XY) na obraz rastrowy. W przypadku algorytmów opartych o wpasowanie walca, jego wysokoœæ zwi¹zana jest z rozmiarem pierœnicy drzewa. Wiêksza pierœnica wymusza wiêksz¹ wysokoœæ walca, a z tego wynika koniecznoœæ uœrednienia podstaw walca. Przedstawione w artykule algorytmy dostarczaj¹ przede wszystkim dok³adnej informacji o pierœnicowym polu przekroju pojedynczych drzew (g). Wyniki – liczba drzew na powierzchniach W zale¿noœci od usytuowania stanowisk skanera (S_1–S_4) i struktury (przestrzennej, gatunkowej, wiekowej itp.) samego drzewostanu – liczba pni drzew na powierzchni ko³owej mo¿liwych do interpretacji (jako pe³ne pnie lub ich fragmenty) bywa niezwykle ró¿na. W przypadku niektórych powierzchni ze stanowiska centralnego (S_1) nie by³o widaæ ca³kowicie jednego pnia drzewa, a inne by³y czêœciowo przys³oniête. Pomiary referencyjne wykonywane w terenie (07.2006, 11.2006 oraz 04 i 06.2007) wykaza³y, i¿ na powierzchniach prowadzono zabiegi hodowlane o ró¿nej intensywnoœci, co jest powodem du¿ych rozbie¿noœci w liczbie drzew (tab. 1; pow.: 1, 13, i 25). Pomiêdzy pierwszym, a drugim pomiarem wystêpowa³y te¿ zdarzenia losowe, takie jak przewrócenie drzewa przez wiatr, a niektóre powierzchnie zosta³y ca³kowicie usuniête (nie s¹ one przedmiotem analizy prezentowanej pracy). Inne przyczyny wyst¹pienia ró¿nic pomiêdzy danymi terenowymi, a dzia³aniem algorytmu wynikaj¹ z faktu przypisania pnia drzewa do powierzchni ko³owej na podstawie dok³adnej odleg³oœci od jej œrodka (wartoœæ uzale¿niona od standardowo przyjêtej powierzchni np. 500 m2). Sytuacja taka mia³a miejsce w przypadku powierzchni nr 10, gdzie liczba drzew wykrytych przez algorytm jest wiêksza ni¿ liczba wynikaj¹ca z pomiarów terenowych (tab. 1). Przyczyn¹ tego jest miêdzy innymi precyzja wyznaczenia w terenie okrêgu o okreœlonej powierzchni. Selekcjonuj¹c chmurê punktów w okreœlonym promieniu od pozycji skanera S_1 precyzyjnie przyjêto tê odleg³oœæ, co spowodowa³o pojawienie siê „dodatkowego” obiektu. Wyniki – miary biegunowe, po³o¿enie pni Proces pozyskiwania wycinków pni drzew i zastosowanie algorytmu prowadzi do automatycznego wygenerowania informacji o œrodkach geometrycznych (centroidach) pni i tym samym stworzenia precyzyjnej mapy ich lokalizacji na powierzchni ko³owej. W stosunku do pomiarów tradycyjnych (busola) zaobserwowano sta³e przesuniecie k¹towe wynikaj¹ce z zastosowania ró¿nych przyrz¹dów pomiarowych, do okreœlania azymutu od œrodka powierzchni do drzewa, jak i do tyczki geodezyjnej ustawianej na kierunku pó³nocy w momencie skanowania. Dla porównania wyników uzyskanych autorskim algorytmem, dokonano pomiarów azymutu i odleg³oœci w oprogramowaniu FARO SCENE (nazywane dalej REF. FARO). Zastosowanie algorytmu Delaunay`a w eliminacji i klasyfikacji chmury punktów ... 39 Dla jasnego zobrazowania ró¿nic pomiêdzy pomiarami, obliczono k¹ty wewnêtrzne pomiêdzy tymi samymi drzewami okreœlone dwoma ró¿nymi metodami. Œrednia bezwzglêdna ró¿nica dla powierzchni poza jednym przypadkiem (pow. nr 5, dla której ró¿nica ta wynios³a 2o) nie przekroczy³a 1,2o. Œrednia bezwzglêdna ró¿nica w wyznaczeniu odleg³oœci pomiêdzy œrodkiem drzewa a œrodkiem powierzchni w porównaniu do danych z pomiarów REF. FARO nie przekroczy³a 0,15 m, a w porównaniu do pomiarów terenowych nie przekroczy³a 0,08 m. Przek³adaj¹c te wartoœci na wspó³czynnik liniowy przesuniêcia wzajemnego œrodków pni znajduj¹cych siê na krawêdzi powierzchni, b³¹d lokalizacji mo¿e przyjmowaæ wartoœæ ±0,16 m. Pomiary parametrów pnia Na podstawie danych uzyskanych podczas pomiarów terenowych, tj: m wartoœæ DBH z lipca 2006 nazwany dalej – INV., m œredni¹ wartoœæ DBH dla czterech pozycji skanera z czerwca 2007 zwan¹ dalej AR DBH 1-4, m obwód pnia z kwietnia 2007 zwany dalej – AR PERI, dokonano obliczeñ w porównaniu do wartoœci pierœnicowego pola przekroju pnia okreœlonego algorytmami autorskimi (tab. 2). Wartoœæ pierœnicowego pola przekroju (g) wyliczana jest standardowo w celu obliczenia zasobnoœci i zapasu dla poszczególnych drzewostanów. Precyzja wyznaczenia tych wielkoœci zale¿y w g³ównej mierze od jakoœci obliczeñ (g) i w dalszej kolejnoœci od wysokoœci drzewa. Wyniki osi¹gniête przy zastosowaniu algorytmów daj¹ obiecuj¹ce wyniki, tylko nieznacznie ró¿ni¹ce siê od danych referencyjnych. Nale¿y zaznaczyæ, i¿ w przypadku buka automatyzacja procesu okreœlania pierœnicowego pola przekroju dawa³a identyczne wyniki (-0,04%) w stosunku do referencyjnego obwodu mierzonego taœm¹ i wielokrotnie lepsze w stosunku do tradycyjnych metod pomiarowych (3,16%). Odwrotnie by³o w przypadku dêbów i grabów, których automatycznie wyznaczone wartoœci (g) ró¿ni³y siê (+6,78% i -6,06% ) znacznie w stosunku do danych z inwentaryzacji lasu (0,67% i 1,74%). Sosna jako najliczniej analizowane drzewo wykaza³a b³¹d automatycznego okreœlania jej pierœnicowego pola przekroju (g) na poziomie +3,66%, co by³o wartoœci¹ wy¿sz¹ ni¿ standardowe dane urz¹dzeniowe (+1,10%). Tabela 2. Zestawienie pierœnicowego pola powierzchni przekroju pnia (g) dla poszczególnych gatunków na analizowanych 25 powierzchniach ko³owych Suma g [m2] AR PERI 2 [m ] IN V 2 [m ] Ró¿nica [%] AR DBH 1–4 2 [m ] Ró¿nica [%] Algorytm 2 Ró¿nica [m ] [%] Bk 2,4718 2,3938 3,16 2,3967 3,13 2,4728 - 0,04 Db 0,9466 0,9403 0,67 0,8967 5,56 0,8865 6,78 Gb 0,3672 0,3608 1,74 0,3592 2,23 0,3909 - 6,06 Jw 0,1806 0,17 5,87 0,1726 4,63 0,1819 - 0,71 So 15,9124 15,737 1,10 15,8766 0,23 15,3508 3,66 40 Krystian Kozio³, Piotr Wê¿yk Podsumowanie Nie ulega w¹tpliwoœci, ¿e zastosowanie skaningu laserowego w inwentaryzacji drzewostanów staje siê mo¿liwe. Istotnym czynnikiem przemawiaj¹cym za stosowaniem tej technologii jest powtarzalnoœæ procedur z zachowaniem okreœlonej dok³adnoœci i brak subiektywizmu w odczycie czy przeprowadzaniu samego pomiaru tradycyjnymi metodami (okreœlenie 1,30 m od gruntu, odpowiednie przy³o¿enie pierœnicomierza do pnia drzewa w poziomie, itd.). Opisany algorytm dzia³a w sposób automatyczny, co w du¿ej mierze dodatnio wp³ywa na skrócenie ca³ego procesu obliczeñ. Odmiennie od stosowanych i opisywanych w literaturze œwiatowej metod polegaj¹cych na wpasowaniu figur geometrycznych nie wymaga przekszta³cenia (Aschoff, Spiker, 2004) na inny format danych (raster). Czêsto stosowana metoda wpasowania okrêgu metod¹ transformacji Hough’a (Aschoff, Spiker, 2004) lub wpasowania walca lub sto¿ka (Bienert et al. 2006) jest przybli¿eniem pnia do wybranej figury geometrycznej. Opisane dzia³anie algorytmów autorskich nie do koñca przedstawia mo¿liwoœci zastosowania metody triangulacji Delaunay’a w uzyskaniu poprawnego obrazu przekroju pnia drzewa. Jednoczeœnie proces wykrywania drzewa oraz obliczenia pola przekroju mo¿e byæ powtarzany dla wycinków pnia znajduj¹cych siê na dowolnych jego wysokoœciach (podobnie jak pomiar sekcyjny wykonywany na drzewie le¿¹cym). W wyniku takiego dzia³ania mo¿liwe jest uzyskanie szczegó³owych informacji s³u¿¹cych do okreœlenia objêtoœci pni drzew stoj¹cych. Stosowanie algorytmów do automatycznego obliczania pierœnicowego pola powierzchni przekroju pnia (g) znacz¹co obni¿a czasoch³onnoœæ, jednoczeœnie zapewniaj¹c wysok¹ poprawnoœæ wyników. Opracowany algorytm wymaga jeszcze wielu ulepszeñ i pracy (uwzglêdnienie nachylenia pnia i gruntu), ale pokazuje mo¿liwoœci technologii naziemnego skaningu laserowego. Mo¿e to przyczyniæ siê do zweryfikowania obowi¹zuj¹cych przepisów i instrukcji okreœlaj¹cych standardy obliczania zasobnoœci drzewostanu. W chwili obecnej wysoka dok³adnoœæ danych TLS nie jest w zasadzie wykorzystywana w standardowej inwentaryzacji. Dopóki nie zacznie siê stosowaæ w praktyce pojêcia „precyzyjne leœnictwo” tak d³ugo skaning laserowy bêdzie uwa¿any za drog¹ i zbêdn¹ technologiê. TLS wydaje siê byæ wreszcie odpowiednim narzêdziem do obiektywnego pozyskiwania informacji o strukturze drzewostanu. Jednak¿e w pe³ni automatyczne wykorzystanie danych, bêdzie dopiero mo¿liwe w niedalekiej przysz³oœci. Literatura Aschoff T., Spieker H., 2004: Algorithms for the automatic detection of trees in laser scanner data. [In]: The International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, Freiburg, Deutschland, Vol. XXXVI, Part 8/ W2, pp. 66-70. Bienert A., Scheller S., Keane E., Mullooly G., Mohan F., 2006: Application of terrestrial laserscanners for the determination of forest inventory parameters. Image Engineering and Vision Metrology. ISPRS Commission V Symposium, WG 3, Dresden, 25.-27. September 2006, Vol. XXXVI, PART 5 (http://rcswww.urz.tudresden.de/~isprs/proceedings/pages/start.html). Chrobak T., Kozio³ K., Keller S. F., Szostak M., ¯ukowska M., 2007: Podstawy cyfrowej generalizacji kartograficznej (red. Chrobak T.), AGH Uczelniane Wydawnictwa Naukowo-Dydaktyczne, Kraków. de Kok R., Kozio³ K., Wê¿yk P., 2005: Zastosowanie klasyfikacji obiektowej wysokorozdzielczych obrazów teledetekcyjnych oraz analiz przestrzennych GIS w kartowaniu drzewostanów. Roczniki Geomatyki. Tom III, Zeszyt 4. s. 99-108. Zastosowanie algorytmu Delaunay`a w eliminacji i klasyfikacji chmury punktów ... 41 de Kok R., Wê¿yk P., 2006: Process development and sequential image classification for automatic mapping using case studies in foestry. ISPRS WG VIII/11 & EARSeL joint Conference „3D Remote Sensing in Forestry”, Vienna, 14-15 February. pp. 380-384 Hopkinson, C., Chasmer, L., Young-Pow, C., Treitz, P., 2004. Assessing forest metrics with a ground-based scanning lidar. Can. J. Forest Research, 34, pp. 573- 583. Kozio³ K., 2006: Eliminacja obiektów liniowych z zastosowaniem regionów strukturalnych na przyk³adzie sieci drogowej. Roczniki Geomatyki Tom IV Zeszyt 3. PTIP, Warszawa, s. 109-117. Naesset, E., Gobakken, T., Holmgren, J., Hyyppä, H., Hyypää, J., Maltamo, M., 2004: Laser scanning of forest resources: the Nordic experience. Scandinavian Journal of Forest Research, 19, pp. 482-499. Simonse M., Aschoff T., Spiecker H., Thies M., 2003: Automatic Determination of Forest Inventory Parameters Using Terrestrial Laserscanning. Proceedings of the ScandLaser Scientific Workshop on Airborne ° Laser Scanning of Forests. Umea. pp. 251-257. Weinacker H., Koch B., Heyder U., Weinacker R., 2004: Development of Filtering, Segmentation and Modelling Modules for LIDAR and Multispectral data as a Fundament of an Automatic Forest Inventory System. Proceedings of the ISPRS working group VIII/2 Laser-Scanners for Forest and Landscape Assessment, Freiburg, 3. bis 6. Okt. 2004. PGL LP, 2003: Instrukcja Urz¹dzania Lasu. Czêœæ 1. Instrukcja sporz¹dzania planu urz¹dzania lasu dla nadleœnictwa. Za³¹cznik do Zarz¹dzenia nr 43 DGLP z dn. 18.04.2003 r. Wê¿yk P., 2004: Mity i fakty dotycz¹ce stosowania GPS w leœnictwie. Roczniki Geomatyki Tom II Zeszyt 4. PTIP, Warszawa, s.19-32. Summary In the last few years we could observe dynamic changes in the methods of collecting data of objects and in qualitative characteristics of the information gathered. A relatively new technology is laser scanning (LIDAR) both aerial (ALS) and terrestrial (TLS). In LIDAR technology objects are represented by point clouds, which after proper filtration and classification can be useful to define an object and its parameters and features. Great number of measuring points causes often indeterminacy or ambiguity both in geometry and concerning the attributes of the object examined. In this paper the problem discussed refers to the use of triangulation in elimination and classification process of point clouds gathered from terrestrial laser scanning and using algorithms of point filtration allowing to eliminate points not belonging to any object. This algorithm was based on the analysis of 3D surrounding points and the classification takes advantage of the well known Delaunay algorithm. Identification of objects was based on their geometrical properties. Testing of developed algorithms was carried out on point clouds obtained from TLS gathered on forest inventory plots. dr in¿. Krystain Kozio³ rlkoziol@cyf-kr.edu.pl dr in¿. Piotr Wê¿yk rlwezyk@cyf-kr.edu.pl Krystian Kozio³, Piotr Wê¿yk 42 Rys. 1. Przyk³adowe rozmieszczenie 4 pozycji skanera, kul referencyjnych wraz z lokalizacj¹ drzew (na podstawie danych urz¹dzeniowych i TLS) Rys. 2. Sklasyfikowana chmura punktów (Terra SCAN) Rys. 3. Algorytm Delaunay’a zastosowany dla punktów 3D z zaznaczonymi obiektami poligonowymi wygenerowanymi przez zaprojektowany algorytm a c Zastosowanie algorytmu Delaunay`a w eliminacji i klasyfikacji chmury punktów ... b 43 d Rys. 4. Podstawy teoretyczne rozpoznawania pni: a – pieñ zeskanowany fragmentarycznie, b – wykres zale¿noœci azymutu i promienia dla niepe³nego pnia – obwód przerwany w zakresie 90–175o azymutu, c – inny obiekt nie bêd¹cy pniem (krzewy), d – wykres obrazuj¹cy zale¿noœæ azymutu i promienia dla obiektu nie bêd¹cego pniem drzewa Rys. 5. Pieñ bez pe³nego pokrycia punktami z TLS: Ao – powierzchnia wygenerowanego obiektu; Ae – czeœæ pnia o zbli¿onej do poprawnej powierzchni pnia; a, b – linie miêdzy pozycjami 2 i 4 skanera i œrodkiem ciê¿koœci obiektu Ao; a – k¹t œrodkowy dla poszukiwanego wycinka obiektu Ac