CN108196266A - 基于Lidar数据的植被冠层三维辐射传输模拟方法 - Google Patents
基于Lidar数据的植被冠层三维辐射传输模拟方法 Download PDFInfo
- Publication number
- CN108196266A CN108196266A CN201711478381.4A CN201711478381A CN108196266A CN 108196266 A CN108196266 A CN 108196266A CN 201711478381 A CN201711478381 A CN 201711478381A CN 108196266 A CN108196266 A CN 108196266A
- Authority
- CN
- China
- Prior art keywords
- lidar data
- voxel
- dimensional
- radiative transfer
- vegetation canopy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000012546 transfer Methods 0.000 title claims abstract description 25
- 230000005855 radiation Effects 0.000 claims abstract description 32
- 230000008569 process Effects 0.000 claims abstract description 18
- 230000002457 bidirectional effect Effects 0.000 claims abstract description 5
- 230000004907 flux Effects 0.000 claims abstract description 4
- 238000005286 illumination Methods 0.000 claims abstract description 4
- 238000003384 imaging method Methods 0.000 claims abstract description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 230000010354 integration Effects 0.000 claims description 10
- 239000000463 material Substances 0.000 claims description 9
- 238000004088 simulation Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 4
- 238000002310 reflectometry Methods 0.000 claims description 4
- 239000002023 wood Substances 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 description 16
- 239000007787 solid Substances 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 4
- 241000723346 Cinnamomum camphora Species 0.000 description 2
- 238000007062 Kim reaction Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 244000062793 Sorghum vulgare Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000000481 breast Anatomy 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 235000019713 millet Nutrition 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 239000000700 radioactive tracer Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/178—Methods for obtaining spatial resolution of the property being measured
- G01N2021/1785—Three dimensional
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1793—Remote sensing
- G01N2021/1797—Remote sensing in landscape, e.g. crops
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种基于Lidar数据(激光雷达数据)的植被冠层三维辐射传输模拟方法，包括以下步骤：S1.获取Lidar数据后对Lidar数据进行预处理，然后对经过预处理的Lidar数据进行基于八叉树的体素法处理，重构森林的三维结构；其中，重构森林三维结构的体素为厘米级的高分辨率体素；S2.用户定义好相机参数和光照条件，然后利用辐射传输方程估算到达相机每个像素的辐射亮度值；S3通过步骤S2模拟图像成像过程，并进一步计算出辐射通量和双向反射率因子。
Description
技术领域
本发明涉及遥感技术领域，更具体地，涉及一种基于Lidar数据的植被冠层三维辐射传输模拟方法。
背景技术
植被冠层三维辐射传输模拟是遥感技术中一个重要的研究领域。这种技术可以模拟太阳辐射在植被冠层中的传输过程，有助于更好地理解陆地生态***中的生物物理过程，包括生物圈与大气圈之间的能量、碳和水分的交换；此外，植被冠层辐射传输模拟的研究是理解遥感观测信号和定量反演地表参数的理论基础，有助于更加有效地从遥感数据中提取地表信息用于解决相关的科学问题。
为了模拟陆地生态***中的辐射传输，研究者分别提出不同的模拟方法。在早期，研究者提出了一维辐射传输模拟方法，该方法将场景假设为空间同质、在水平面上无限延伸的均匀介质，可以成功地模拟在均匀介质中的辐射传输。然而，植被冠层的结构往往具有空间异质性，而非均匀分布的介质。因此，研究者提出了三维辐射传输模拟方法，用于模拟空间异质、复杂场景的辐射传输(Kimes and Kirchner,1982；Govaerts and Verstraete,1998)。在三维辐射传输模拟方法中，场景通常由一系列几何体来描述，例如三角形、圆盘、锥形、球形、圆柱和椭球等(Chen et al.,2000；Kobayashi and Iwabuchi,2008；Widlowskiet al.,2015)。每一个几何体有固定的位置、大小、形状和散射属性，通过不同几何体的组合可以产生具有不同复杂程度的三维场景。根据复杂程度，可以用简单的形状描述树木的外部轮廓而将内部结构简化地假设为均匀介质(图1a)，也可以详细地刻画树木的叶片/枝干的形状(图1b)。前者如Li–Strahler几何光学模型(Li and Strahler,1985)和FLiES(Forest Light Environmental Simulator)模型(Kobayashi and Iwabuchi,2008)，后者如librat模型(Lewis,1999)和PBRT(physically based ray tracer)模型(Pharr andHumphreys,2010)。另外一种常见的场景描述方法是将整个场景划分为一系列规则的三维网格(Kimes and Kirchner,1982；Gastellu-Etchegorry et al.,1996)，如图1(c)所示。这种三维网格定义为体素(voxel)。每一个体素具有特定的信息，包括所包含元素的类别、位置和散射属性等。基于体素法的典型例子是DART(Discrete Anisotropic RadiativeTransfer)模型(Gastellu-Etchegorry et al.,1996)和VLIM(Voxel-based LightInterception Model)模型(Van der Zande et al.,2011)。
当场景定义好之后，下一个关键步骤便是求解辐射传输方程，定量描述太阳辐射在三维冠层中的传输过程。目前常见的两种求解方法分别是解析解(analyticalsolution)和数值解(numerical solution)(Gastellu-Etchegorry et al.,1996；Govaerts and Verstraete,1998；Chen et al.,2000；Disney et al.,2000)。解析解具有求解速度快的优点，但往往过分依赖很多简化假设，因此一般适用于相对比较简单的场景；相反，数值解可以处理非常复杂的场景，但求解速度比较慢(Disney et al.,2000)。随着计算机性能和计算资源的大幅提升，基于数值解的模型已被广泛应用于模拟逼真的三维场景中的辐射传输，例如蒙特卡罗光线追踪法(Monte Carlo ray tracing,MCRT)(Govaertsand Verstraete,1998；Widlowski et al.,2006；Pharr and Humphreys,2010)。
总的来讲，已有的模型对冠层结构进行了很多简化假设，但是其对树木结构的描述不够详细，因此导致模型的精度下降；或者对冠层结构进行了非常详细的描述，但需要对树种模型进行非常复杂的参数调整，适用于虚拟实验和理论探讨，但在现实应用中仍有很多局限。
在辐射传输模拟中，如何描述森林场景中每棵树的位置和结构将明显影响模型的模拟精度，而Lidar技术为此提供一种快速、准确、有效的方法(Chen et al.,2008；Newnhamet al.,2015；Magney et al.,2016)。Lidar是一种主导扫描的遥感技术，可以迅速获取高精度、高分辨率的三维点云数据(Wehr and Lohr,1999；Lefsky et al.,2002)。目前Lidar已被广泛应用于获取森林三维结构信息，包括每棵树的位置、树高、胸高直径(diameter atbreast height,DBH)、树冠大小以及详细的枝干/叶片轮廓等(Chen et al.,2007；何祺胜et al.,2009； et al.,2011；Li et al.,2012；张瑞英et al.,2016)。因此，研究者可以利用Lidar数据(激光雷达数据)构建三维森林场景，从而进一步驱动辐射传输模型。
如何基于Lidar数据模拟植被冠层的辐射传输，研究者提出了不同的方法。总体来讲，当前研究的共同特点是在现有模型的框架下，将Lidar数据进行处理，提取模型所需要的输入参数，进一步模拟植被冠层的辐射传输。根据森林场景构建所采用的方法，已有的模拟技术可以分为两类：几何体法和体素法。几何体法主要是基于Lidar点云数据提供的单木参数(包括树的位置、树高、树冠大小等)定义简单的几何形状来刻画树木的外部轮廓而将冠层内部结构简化地假设为均匀的浑浊介质，如Kobayashi et al.(2012)；或者结合树木重构算法(如L-system)把点云数据转化为复杂的几何体组合(常见的格式为三角网格)，从而详细刻画树木的枝叶结构，如 et al.(2009)。前者对树木的几何形状描述不够详细，对Lidar的信息利用不够充分，因此导致模型的精度下降；后者可以产生高度逼真的树木，但这种算法过分依赖具体的树种模型，要求用户定义很多结构参数(如树种类别、叶倾角分布等)，而这些结构参数往往需要从野外观测数据统计提取出来，因此该类方法实现起来非常复杂困难，适用于虚拟实验和理论探讨，但在现实应用中仍有很多局限( etal.,2009；Raumonen et al.,2013；Huang et al.,2015；Vauhkonen et al.,2016)。体素法则通过体素化(voxelization)算法将点云数据划分到对应的体素中，而这些不同类型的体素在空间上的分布则表达了植被的冠层结构(Widlowski et al.,2014)。然而，已有的模型仅适用于采用低分辨的体素来描述冠层结构，并且需要对每一个体素进行统计学的简化假设。例如Schneider et al.(2014)采用2m分辨率的体素来描述冠层，并且假定每一个体素是均匀的浑浊介质，其属性由统计学参数(如叶倾角、植物面积指数等)来定义。Widlowskiet al.(2014)则采用0.1-0.9m分辨率的体素，每一个冠层体素被假定为均匀的浑浊介质。除此之外，Van der Zande et al.(2011)提出一个新的模型VLIM(Voxel-based LightInterception Model)用于估算到达冠层顶部的太阳辐射。该模型采用0.1m分辨率的体素来描述冠层，其中代表叶子的体素的内部结构被假定为：表面积0.01m2的圆盘，方位角随机分布，天顶角则由用户根据观测数据设定一个固定的值。然而，这些简单化假设很可能与真实情况不符，模型的参数化过程也比较复杂，因此在实际应用中具有很大的局限。
发明内容
本发明为解决以上现有技术的缺陷，提出基于Lidar数据，采用高分辨率固体体素、八叉树数据结构和蒙特卡罗路径追踪求解辐射传输，从而模拟植被冠层的三维辐射传输。
为实现以上发明目的，采用的技术方案是：
基于Lidar数据的植被冠层三维辐射传输模拟方法，包括以下步骤：
S1.获取Lidar数据后对Lidar数据进行预处理，然后对经过预处理的Lidar数据进行基于八叉树的体素法处理，重构森林的三维结构；其中，重构森林三维结构的体素为厘米级的高分辨率体素；
S2.用户定义好相机参数和光照条件，然后利用辐射传输方程估算到达相机每个像素的辐射亮度值：
其中Lo(p,ωo)、Le(p,ωo)和Li(p,ωi)分别指从点p发射的总辐射亮度、从点p主动发射的辐射亮度和到达点p的辐射亮度；ωo和ωi分别为出射角和入射角；Pr(ωi)为抽样密度函数；fr(p,ωi,ωo)为二向散射方程；θi为散射表面法向量和入射角的夹角；其中N为从积分域Ω中随机选取的样本的个数。对于不透光材料，积分域Ω为半球面；对于透光材料，积分域Ω为全球面；设物体表面为朗伯体，则fr(p,ωi,ωo)为常数，其数值由材料的反射率和透射率决定，与入射角和出射角无关；
S3通过步骤S2模拟图像成像过程，并进一步计算出辐射通量和双向反射率因子。
优选地，所述步骤S1的预处理包括：滤波处理，将Lidar数据划分为地面点和非地面点；对地面点进行空间插值产生地表高程模型，用于描述地形；对于非地面点，使用单木分割算法将每棵树的Lidar数据分别单独提取出来；然后在单木分割基础上采用枝-叶分离算法，将每棵树的Lidar数据进一步分为叶子和枝干。
优选地，所述步骤S1进行基于八叉树的体素法处理的具体过程如下：
S1.对每棵树的Lidar数据产生一个立方体包围盒，作为八叉树的根节点；
S2.将根节点划分为8个子节点；
S3.当子节点里面包含有至少一个Lidar数据点时，将子节点进一步划分为8个子节点；
S4.重复步骤S3直至子节点里面不包含有Lidar数据点或者子节点的尺寸小于设定的阈值，此时每个子节点作为一个树木的一个体素。
优选地，所述体素的类别由其包含的各类别Lidar数据点的数量所决定。比如，如果体素内不包含Lidar数据点，则定义为空气；如果体素内的多数点为树叶，则将体素定义为树叶。
优选地，所述三维辐射传输模拟方法使用基于POSIX Threads的多线程(multithreading)和基于Message Passing Interface的多过程(multiprocessing)相结合的并行计算。
与现有技术相比，本发明的有益效果是：
(1)与基于几何体的模型如PBRT模型比较，本发明提出的方法更具有实用性。Lidar技术提供的三维点云数据可以用于重构三维场景，但基于几何体的模型需要将点云数据转化为几何体(通常为三角网格)从而详细描述树木的三维结构，而目前基于几何体的树木重构算法过于复杂，在实际应用中具有很大局限性。而本发明提出的方法采用体素化进行场景重构，算法相对简单，其实用性更好。
(2)与已有的基于体素的方法相比，本发明提出的方法在实用性和准确性上更具有优势。已有的方法采用固定大小的体素对点云数据进行体素化，内存消耗太大，因此没法采用高分辨率的体素，而只能采用低分辨率的体素，并且需要对每个体素内部的结构进行统计学的简单化假设(如均匀的浑浊介质)，而用户需要根据野外观测数据来提供这些统计学假设所需要的参数(如叶面积指数和叶倾角分布函数)。而本发明提供的方法采用八叉树结构的体素，大大提高内存的利用效率，因此可以使用厘米级高分辨率的体素对点云数据进行体素化。由于体素的分辨率非常高，将每一个体素定义为固体的散射体，不需要对其内部结构进一步做出简单化的统计学假设。因此，本发明提供的方法在实际应用中假设更少、参数更简单、模拟结果更准确。
(3)已有的方法目前只适用于单个节点或工作站的并行运算，而本发明提出的方法采用高性能计算技术，既可以在单个节点上并行运算，也可以在高性能计算平台上进行多个节点的并行运算，更有效的利用计算资源，提高运行速度。
附图说明
图1：三维场景不同描述方式：简单几何模型(a)；复杂几何模型(b)；体素模型(c)。
图2：基于体素化的三维场景构建：10m×10m×10m的三维场景，其中圆球代表树冠而圆柱代表树干(a)；采用2m分辨率的体素重构场景(b)；采用1m分辨率的体素重构场景(c)。
图3：Lidar数据进行基于八叉树的体素法处理的具体过程：对Lidar数据产生一个立方体包围盒，作为八叉树的根节点(a)；将根节点分为八个子节点(b)；循环停止后最终产生的八叉树结构(c)；每一个节点为一个体素。
图4：一棵樟树Lidar数据的八叉树体素法重构：原始数码图像(a)；采用RIEGL VZ-400 3D扫描仪产生的Lidar数据(b)；采用0.01m分辨率的八叉树体素的重构结果(c)。树高：8.8m；扫描方位角：0，90，180和270度；扫描距离：5m。
图5：方法的流程示意图。BRF：双向反射率因子。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
以下结合附图和实施例对本发明做进一步的阐述。
实施例1
如图5所示，本发明提供的方法具体包括以下步骤：
(1)场景构建
方法的输入数据是经过预处理的高精度、高密度的Lidar数据。Lidar数据预处理步骤包括：滤波处理，将Lidar数据分为地面点和非地面点；对地面点进行空间插值产生地表高程模型(digital elevation model,DEM)，用于描述地形；对于非地面点，使用单木分割算法将每棵树的Lidar数据分别单独提取出来；在单木分割基础上采用枝-叶分离算法，将每棵树的Lidar数据进一步分为叶子和枝干。Lidar数据预处理已有成熟的算法和软件工具，在此不做详述。Lidar数据经过分类等预处理之后，将对其进行基于八叉树的体素化处理，重构森林的三维结构。本发明提出采用厘米级的高分辨体素，例如0.01m，0.02m和0.04m。因此，体素的空间分布将可以更加详细准确地刻画树木的三维结构，从而避免对植被结构进一步做不切实际的简单化假设。同时，为了节省内存空间，在体素化过程中将采用八叉树(octree)结构对体素进行存储。图2显示，当体素的分辨率越来越高时，对场景的刻画也越来越准确。图3为Lidar数据八叉树体素化过程示意图：当根节点里面包含至少有一个Lidar数据点时，将进一步划分为8个子节点；每一个子节点将重复以上划分过程，直到每个节点里面不包含Lidar数据点或者该节点(体素)的尺寸小于定义的大小时停止循环。图4为一颗真实樟树点云数据的体素化过程，说明了厘米级别的高分辨率体素可以准确地重构树木的结构。
原则上，体素的分辨率越高，场景构建越准确，但也受到Lidar数据密度和计算机内存的限制。在实际应用中用户可以根据情况定义。每一个体素的类别由该体素内部所包含的Lidar数据点的类别决定：如果不包含Lidar数据点，则定义为空气；如果多数Lidar数据点为树叶，则定义为树叶；依次类推。不同类别体素(如叶子、枝干和背景土壤)的光谱特性(包括反射率、透射率和吸收率)也需要用户定义，在实际应用中可以用相关仪器测量(如美国ASDFieldSpec4光谱仪)或从文献中获取。
(2)辐射传输模拟
当场景模型构建好之后，下一步就是求解辐射传输方程，模拟辐射传输过程。蒙特卡罗路径追踪(Monte Carlo path tracing)算法是从相机到光源对光线传输路径进行反向追踪，是辐射传输方程的一种无偏差数值求解算法。因此，本发明将采用该算法求解以下辐射传输方程：
Lo(p,ωo)＝Le(p,ωo)+∫ΩLi(p,ωi)fr(p,ωi,ωo)cosθidωi (1)
其中Lo(p,ωo)，Le(p,ωo)和Li(p,ωi)分别指从点p发射的总辐射亮度、从点p主动发射的辐射亮度和到达点p的辐射亮度；ωo和ωi分别为出射角和入射角；fr(p,ωi,ωo)为二向散射方程(bi-directional scattering distribution function,BSDF)；θi为散射表面法向量和入射角的夹角。公式中的积分项描述了散射表面对来自各个方向入射光的散射(包括反射和透射)。对于不透光材料(如枝干)，积分域Ω为半球面；对于透光材料(如树叶)，积分域Ω为全球面。由于获取物体表面的BSDF比较困难，将散射体假定为朗伯体是一种广泛认可的方法，因此fr(p,ωi,ωo)变成一个常数，其数值由材料的反射率和透射率决定，与入射角和出射角无关。
根据蒙特卡罗积分法，可以从积分域Ω中随机选取样本来估算积分项，因此公式(1)可以改写为公式(2)：
其中N为样本个数，Pr(ωi)为抽样密度函数。如果对半球面进行均匀随机抽样，则Pr(ωi)为1/2π。
具体算法步骤如下。首先将相机模型设置于场景中某个位置，其目标是估算到达相机每个像素的辐射亮度值。从每个像素发射一束光线k1，假如该光线与某个表面的p1点相交，便可以根据公式(2)来估算该光线的Lo(p1,ωo1)；ωo1为该光线在p1的出射角。为了估算点p1的入射辐射亮度Li(p1,ωi1)，需要由该点随机发射另外一束光线k2，进入下一步循环。假如光线k2与某个表面的p2点相交，将继续估算Lo(p2,ωo2)；ωo2为p2到p1的出射角。依此类推，不断循环迭代，直到该光线离开场景或者到达光源时停止下来。这样将可以逐步估算到达每个像素的辐射亮度值。同时，采用Russian Roulette技术，在每次光线与散射体相交时根据一个随机数来判断是否进入下一步循环，这样可以避免由于多次散射导致的无限循环问题。
用户定义好相机参数(包括位置、观测角度、视场角度、分辨率等)和光照条件(包括太阳的天顶角和方位角、直射光和散射光的辐亮度等)，便可以根据以上方法模拟图像成像过程，并进一步计算出辐射通量(如吸收率和透射率等)和双向反射率因子(bi-directional reflectance factor,BRF)。
(3)高性能计算
本发明提出的方法模型简称为VBRT(voxel-based radiative transfer)，用C语言编程实现，并在Linux***下采用GCC(GNU Compiler Collection)编译器编译。该模型基于八叉树体素场景进行光子路径追踪求解辐射传输方程，计算量巨大，因此该模型使用基于POSIX Threads(Pthreads)的多线程(multithreading)和基于Message PassingInterface(MPI)的多过程(multiprocessing)相结合的并行计算。其中Pthreads可以利用单个节点计算机的多核CPU(central processing unit)进行多线程并行，而MPI可以将不同节点的计算机连接起来进行多过程并行，可以充分利用已有的计算资源，显著提高计算速度。VBRT模型既可以在个人电脑上运行，也可以在高性能服务器(如“天河二号”超级计算机)上运行。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。
Claims (5)
1.基于Lidar数据的植被冠层三维辐射传输模拟方法，其特征在于：包括以下步骤：
S1.获取Lidar数据后对Lidar数据进行预处理，然后对经过预处理的Lidar数据进行基于八叉树的体素法处理，重构森林的三维结构；其中，重构森林三维结构的体素为厘米级的高分辨率体素；
S2.用户定义好相机参数和光照条件，然后利用辐射传输方程估算到达相机每个像素的辐射亮度值：
其中Lo(p,ωo)、Le(p,ωo)和Li(p,ωi)分别指从点p发射的总辐射亮度、从点p主动发射的辐射亮度和到达点p的辐射亮度；ωo和ωi分别为出射角和入射角；Pr(ωi)为抽样密度函数；fr(p,ωi,ωo)为二向散射方程；θi为散射表面法向量和入射角的夹角；其中N为从积分域Ω中随机选取的样本的个数。对于不透光材料，积分域Ω为半球面；对于透光材料，积分域Ω为全球面；设物体表面为朗伯体，则fr(p,ωi,ωo)为常数，其数值由材料的反射率和透射率决定，与入射角和出射角无关；
S3通过步骤S2模拟图像成像过程，并进一步计算出辐射通量和双向反射率因子。
2.根据权利要求1所述的基于Lidar数据的植被冠层三维辐射传输模拟方法，其特征在于：所述步骤S1的预处理包括：滤波处理，将Lidar数据划分为地面点和非地面点；对地面点进行空间插值产生地表高程模型，用于描述地形；对于非地面点，使用单木分割算法将每棵树的Lidar数据分别单独提取出来；然后在单木分割基础上采用枝-叶分离算法，将每棵树的Lidar数据进一步分为叶子和枝干。
3.根据权利要求2所述的基于Lidar数据的植被冠层三维辐射传输模拟方法，其特征在于：所述步骤S1进行基于八叉树的体素法处理的具体过程如下：
S1.对每棵树的Lidar数据产生一个立方体包围盒，作为八叉树的根节点；
S2.将根节点划分为8个子节点；
S3.当子节点里面包含有至少一个Lidar数据点时，将子节点进一步划分为8个子节点；
S4.重复步骤S3直至子节点里面不包含有Lidar数据点或者子节点的尺寸小于设定的阈值，此时每个子节点作为树木的一个体素。
4.根据权利要求3所述的基于Lidar数据的植被冠层三维辐射传输模拟方法，其特征在于：所述体素的类别由其包含的各类别Lidar数据点的数量所决定。
5.根据权利要求1～4任一项所述的基于Lidar数据的植被冠层三维辐射传输模拟方法，其特征在于：所述三维辐射传输模拟方法使用基于POSIX Threads的多线程和基于Message Passing Interface的多过程相结合的并行计算。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711478381.4A CN108196266B (zh) | 2017-12-29 | 2017-12-29 | 基于Lidar数据的植被冠层三维辐射传输模拟方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711478381.4A CN108196266B (zh) | 2017-12-29 | 2017-12-29 | 基于Lidar数据的植被冠层三维辐射传输模拟方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108196266A true CN108196266A (zh) | 2018-06-22 |
| CN108196266B CN108196266B (zh) | 2021-07-02 |
Family
ID=62586559
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711478381.4A Active CN108196266B (zh) | 2017-12-29 | 2017-12-29 | 基于Lidar数据的植被冠层三维辐射传输模拟方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108196266B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220317301A1 (en) * | 2021-03-31 | 2022-10-06 | Gm Cruise Holdings Llc | Modeling foliage in a synthetic environment |
| CN117747029A (zh) * | 2023-12-26 | 2024-03-22 | 中国人民解放军陆军工程大学 | 确定多壁聚碳酸酯板透光结构光学特性的数值模拟方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7634393B1 (en) * | 2005-01-04 | 2009-12-15 | United States Of America | Technique for coupling meteorology to acoustics in forests |
| CN104616345A (zh) * | 2014-12-12 | 2015-05-13 | 浙江大学 | 一种基于八叉树森林压缩的三维体素存取方法 |
| CN104699952A (zh) * | 2015-01-29 | 2015-06-10 | 北京航空航天大学 | 一种湿地水生植被冠层brdf蒙特卡洛模型 |
| CN104899394A (zh) * | 2015-06-23 | 2015-09-09 | 中国科学院遥感与数字地球研究所 | 一种实用的叶面积指数遥感反演方法 |
| CN106383998A (zh) * | 2016-09-09 | 2017-02-08 | 厦门大学 | 一种基于地面激光雷达扫描的树木胸径自动计算方法 |
| CN106558102A (zh) * | 2016-10-10 | 2017-04-05 | 合肥阿巴赛信息科技有限公司 | 一种基于Screened Poisson重建的三维模型建立方法 |
| CN107437267A (zh) * | 2016-05-26 | 2017-12-05 | 中国科学院遥感与数字地球研究所 | 植被区高光谱图像模拟方法 |
| CN107451348A (zh) * | 2017-07-25 | 2017-12-08 | 中国科学院东北地理与农业生态研究所 | 一种l波段森林微波辐射传输特性的优化估算方法 |
-
2017
- 2017-12-29 CN CN201711478381.4A patent/CN108196266B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7634393B1 (en) * | 2005-01-04 | 2009-12-15 | United States Of America | Technique for coupling meteorology to acoustics in forests |
| CN104616345A (zh) * | 2014-12-12 | 2015-05-13 | 浙江大学 | 一种基于八叉树森林压缩的三维体素存取方法 |
| CN104699952A (zh) * | 2015-01-29 | 2015-06-10 | 北京航空航天大学 | 一种湿地水生植被冠层brdf蒙特卡洛模型 |
| CN104899394A (zh) * | 2015-06-23 | 2015-09-09 | 中国科学院遥感与数字地球研究所 | 一种实用的叶面积指数遥感反演方法 |
| CN107437267A (zh) * | 2016-05-26 | 2017-12-05 | 中国科学院遥感与数字地球研究所 | 植被区高光谱图像模拟方法 |
| CN106383998A (zh) * | 2016-09-09 | 2017-02-08 | 厦门大学 | 一种基于地面激光雷达扫描的树木胸径自动计算方法 |
| CN106558102A (zh) * | 2016-10-10 | 2017-04-05 | 合肥阿巴赛信息科技有限公司 | 一种基于Screened Poisson重建的三维模型建立方法 |
| CN107451348A (zh) * | 2017-07-25 | 2017-12-08 | 中国科学院东北地理与农业生态研究所 | 一种l波段森林微波辐射传输特性的优化估算方法 |
Non-Patent Citations (4)
| Title |
|---|
| AHMAD K. AIJAZI, ET AL: "Automatic Detection and Parameter Estimation of Trees for Forest Inventory Applications Using 3D Terrestrial LiDAR", 《REMOTE SENSING》 * |
| JAMES T. KAJIYA，ET AL: "THE RENDERING EQUATION", 《S I G G R A P H 》 * |
| JEAN-FRANÇOIS CÔTÉ,ET AL: "The structural and radiative consistency of three-dimensional tree reconstructions The structural and radiative consistency of three-dimensional tree reconstructions", 《REMOTE SENSING OF ENVIRONMENT》 * |
| 劳彩莲: "基于蒙特卡罗光线跟踪方法的植物三维冠层辐射传输模型", 《中国博士学位论文全文数据库 基础科学辑》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220317301A1 (en) * | 2021-03-31 | 2022-10-06 | Gm Cruise Holdings Llc | Modeling foliage in a synthetic environment |
| CN117747029A (zh) * | 2023-12-26 | 2024-03-22 | 中国人民解放军陆军工程大学 | 确定多壁聚碳酸酯板透光结构光学特性的数值模拟方法 |
| CN117747029B (zh) * | 2023-12-26 | 2024-06-18 | 中国人民解放军陆军工程大学 | 确定多壁聚碳酸酯板透光结构光学特性的数值模拟方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108196266B (zh) | 2021-07-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Winiwarter et al. | Virtual laser scanning with HELIOS++: A novel take on ray tracing-based simulation of topographic full-waveform 3D laser scanning | |
| Grau et al. | Estimation of 3D vegetation density with Terrestrial Laser Scanning data using voxels. A sensitivity analysis of influencing parameters | |
| Qi et al. | A large-scale emulation system for realistic three-dimensional (3-D) forest simulation | |
| Li et al. | VBRT: A novel voxel-based radiative transfer model for heterogeneous three-dimensional forest scenes | |
| Levis et al. | Airborne three-dimensional cloud tomography | |
| Gastellu-Etchegorry et al. | Simulation of satellite, airborne and terrestrial LiDAR with DART (I): Waveform simulation with quasi-Monte Carlo ray tracing | |
| Govaerts | A model of light scattering in three-dimensional plant canopies: a Monte Carlo ray tracing approach | |
| Åkerblom et al. | Non-intersecting leaf insertion algorithm for tree structure models | |
| Wang et al. | DART-Lux: An unbiased and rapid Monte Carlo radiative transfer method for simulating remote sensing images | |
| Rautiainen et al. | Crown envelope shape measurements and models | |
| CN104834015B (zh) | 基于光偏折层析的脉动火焰四维测量方法 | |
| Qi et al. | 3D radiative transfer modeling of structurally complex forest canopies through a lightweight boundary-based description of leaf clusters | |
| Xue et al. | Shortwave radiation calculation for forest plots using airborne LiDAR data and computer graphics | |
| Bailey et al. | Semi-direct tree reconstruction using terrestrial LiDAR point cloud data | |
| Fan et al. | GOST2: The improvement of the canopy reflectance model GOST in separating the sunlit and shaded leaves | |
| Guo et al. | Parallel computation of aerial target reflection of background infrared radiation: Performance comparison of OpenMP, OpenACC, and CUDA implementations | |
| Li et al. | Retrieving 2-D leaf angle distributions for deciduous trees from terrestrial laser scanner data | |
| Widlowski et al. | Rayspread: A virtual laboratory for rapid BRF simulations over 3-D plant canopies | |
| CN102819860B (zh) | 基于辐射度算法的次表面散射物体的实时全局光照方法 | |
| CN108196266A (zh) | 基于Lidar数据的植被冠层三维辐射传输模拟方法 | |
| Zhu et al. | Reconstruction of tree crown shape from scanned data | |
| Geng et al. | GOFP: A geometric-optical model for forest plantations | |
| Zhu et al. | A reinterpretation of the gap fraction of tree crowns from the perspectives of computer graphics and porous media theory | |
| Potapov et al. | Data-based stochastic modeling of tree growth and structure formation | |
| Halubok et al. | Errors in the estimation of leaf area density from aerial LiDAR data: Influence of statistical sampling and heterogeneity |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |