田藝, 馮仲科, 常晨

(北京林業(yè)大學(xué)精準(zhǔn)林業(yè)北京市重點(diǎn)實(shí)驗(yàn)室， 北京 100083)

森林資源是林地及其森林有機(jī)體的總稱(chēng)[1]。近20 年來(lái)，中國(guó)在全球綠地凈增長(zhǎng)中占據(jù)了25%的份額，中國(guó)綠地面積增加主要來(lái)自森林和農(nóng)作物，其中包括42%的森林面積和32%的農(nóng)作物面積[2]。截至2013年，中國(guó)森林面積和森林蓄積分別達(dá)到了2.08×108hm2和151.37×108m3，為此如何高效、準(zhǔn)確地獲取森林資源信息成為林業(yè)行業(yè)的熱點(diǎn)問(wèn)題[3-4]。而在森林資源調(diào)查中，觀(guān)測(cè)裝備是森林資源信息得以順利獲取的基礎(chǔ)，是調(diào)查數(shù)據(jù)精確程度的重要保證[5-6]。我國(guó)傳統(tǒng)森林調(diào)查長(zhǎng)期沿用胸徑尺或角規(guī)等工具，存在精度低、周期長(zhǎng)、工作強(qiáng)度大及生長(zhǎng)量難以準(zhǔn)確獲得等缺陷[7-9]。3S技術(shù)以其時(shí)效性、多元性和互聯(lián)互通的特點(diǎn)為森林資源調(diào)查提供了新的思路[10]，梁長(zhǎng)秀等[11]利用電子經(jīng)緯儀實(shí)現(xiàn)了樹(shù)高、胸徑(diameter breast height, DBH)的精度測(cè)量及存儲(chǔ)數(shù)據(jù)導(dǎo)出。劉云偉等[12]基于全站儀可進(jìn)行通信、自動(dòng)記錄和計(jì)算處理的功能，提出了一體化觀(guān)測(cè)的理念。他們還利用三維激光掃描儀結(jié)合近景攝影測(cè)量實(shí)現(xiàn)了單木測(cè)樹(shù)因子提取[13]。將測(cè)樹(shù)超站儀與CCD相結(jié)合是一種固定樣地定位和單木精測(cè)的方法[14-16]。隨著智能手機(jī)和手機(jī)攝影測(cè)量軟件的發(fā)展，馮仲科等[17]提出森林資源調(diào)查裝備發(fā)展趨勢(shì)已由3S主導(dǎo)的森林調(diào)查技術(shù)及各種便攜式裝備逐漸向精準(zhǔn)化、智能化、輕量化及精細(xì)化方向發(fā)展。劉海洋等[18-19]研制了胸徑和樹(shù)高的手持式便攜測(cè)量?jī)x器，通過(guò)藍(lán)牙連接手機(jī)實(shí)現(xiàn)了胸徑的測(cè)量、編碼、記錄、編輯、存儲(chǔ)和導(dǎo)出等功能。范永祥等[20]利用SLAM智能手機(jī)通過(guò)增強(qiáng)現(xiàn)實(shí)的人機(jī)交互方式構(gòu)建了森林樣地調(diào)查系統(tǒng),實(shí)現(xiàn)了在手機(jī)上構(gòu)建虛擬樣地、每木檢尺及林分參數(shù)提取等功能。雖然目前國(guó)內(nèi)新型森林調(diào)查設(shè)備一定程度上解決了傳統(tǒng)林業(yè)調(diào)查設(shè)備功能單一、精度差、效率低等問(wèn)題，但是仍然存在新型設(shè)備價(jià)格昂貴、程序前后關(guān)聯(lián)性強(qiáng)、操作步驟繁瑣易錯(cuò)、常受天氣和實(shí)地情況影響、穩(wěn)定性不足等問(wèn)題。

針對(duì)目前森林調(diào)查所存在的問(wèn)題，本文以林業(yè)調(diào)查的實(shí)際需求為出發(fā)點(diǎn)，在滿(mǎn)足胸徑、樹(shù)高測(cè)量精度的前提下，充分考慮其便攜性、經(jīng)濟(jì)性、智能性和穩(wěn)定性，設(shè)計(jì)研制了手杖式測(cè)樹(shù)儀，在已知定長(zhǎng)測(cè)桿長(zhǎng)度及攝影中心到目標(biāo)樹(shù)木距離的前提下，通過(guò)智能手機(jī)拍攝樹(shù)木胸高位置影像，經(jīng)過(guò)圖像處理和相應(yīng)算法自動(dòng)識(shí)別并計(jì)算樹(shù)木胸徑；通過(guò)截取的完整樹(shù)高與所得胸徑演算開(kāi)展樹(shù)高測(cè)量，實(shí)現(xiàn)森林觀(guān)測(cè)裝置的便攜化、集成化、自動(dòng)化、精準(zhǔn)化、低成本化[21]。

1 材料與方法

1.1 試驗(yàn)區(qū)域概況

本試驗(yàn)主要在遼寧省遼陽(yáng)市的中部地區(qū)，位于東經(jīng)122.584°—123.683°，北緯40.705°—41.609°，全市行政區(qū)域面積共4 743 hm2，擁有中山、低山、丘陵、臺(tái)地、平原多種地貌類(lèi)型，地勢(shì)由東南至西北逐步緩降，海拔最高為1 181 m。轄區(qū)內(nèi)植被資源豐富，森林資源主要分布在東南部地區(qū)，主要樹(shù)種為柞樹(shù)(QuercusmongolicaFisch. ex Ledeb), 其次是落葉松(LarixolgensisHenry Korean Larch)、油松(PinustabuliformisCarrière)、刺槐(RobiniapseudoacaciaL.)、加楊(PopulusXcanadensisMoench)等。

1.2 硬件設(shè)計(jì)

手杖式測(cè)樹(shù)儀由碳素定長(zhǎng)測(cè)桿、防滑手柄、防滑桿頭、智能手機(jī)、簡(jiǎn)易水準(zhǔn)儀、MINI藍(lán)牙遙控器、手機(jī)支架等組成。其中，定長(zhǎng)測(cè)桿(圖1)為可折疊式，折疊后長(zhǎng)度為34 cm，重量為270 g，展開(kāi)全長(zhǎng)為130 cm(含防滑手柄、防滑桿頭)，可作為輕型登山手杖并配有專(zhuān)用腰包便于攜帶；桿身為碳素材質(zhì)，硬度強(qiáng)且穩(wěn)定性好，可以忽略測(cè)量時(shí)測(cè)桿形變帶來(lái)的誤差。為防止碳素測(cè)桿磨損和登山時(shí)防滑，在桿身末端套有耐磨型防滑桿頭，在桿頭末端1 mm處有磨損極限刻度，當(dāng)桿頭磨損達(dá)到該刻度時(shí)應(yīng)及時(shí)更換。測(cè)桿前端依次裝有直握式防滑手柄、MINI藍(lán)牙遙控器、簡(jiǎn)易水準(zhǔn)儀，方便調(diào)整手杖水平位置和姿態(tài)。

圖1 手杖式測(cè)樹(shù)儀

智能手機(jī)采用HUAWEI MLA-AL10智能手機(jī)，設(shè)備尺寸為151.8 mm×75.7 mm×7.3 mm，重量為160 g，硬件配備Qualcomm MSM8953(驍龍625)八核64位處理器和Adreno506圖形處理器；該智能手機(jī)定位采用GPS、北斗雙星定位系統(tǒng)，支持多種差分改正，定位精度1 m；手機(jī)相機(jī)后置1 600萬(wàn)像素?cái)z像頭，電池容量3 340 mAh，滿(mǎn)電狀態(tài)下可以連續(xù)作業(yè)10 h以上。手機(jī)支架由北京三鼎光電儀器有限公司進(jìn)行加工，分為2與4 cm兩節(jié)，均為鋁合金材質(zhì)并由球形閉鎖轉(zhuǎn)軸結(jié)構(gòu)連接。為了保證手機(jī)攝影位置距離目標(biāo)樹(shù)木位置為1 m，將手機(jī)支架固定在測(cè)桿距桿頭末端98 cm處。

1.3 圖像處理

1.3.1灰度化處理手杖式測(cè)樹(shù)儀樹(shù)木胸徑圖像處理與胸徑樹(shù)高量測(cè)軟件部分在A(yíng)rduino系統(tǒng)開(kāi)發(fā)環(huán)境下設(shè)計(jì)研發(fā)。首先利用不同方法對(duì)R、G、B三個(gè)通道色彩的樹(shù)干正直影像進(jìn)行灰度化處理，將彩色通道的影像轉(zhuǎn)換為單色通道(0～255)的黑白影像，以減輕手機(jī)處理器負(fù)荷并加快圖像處理速度達(dá)到降維簡(jiǎn)化的效果[22]。

①最大值法:選擇R、G、B三個(gè)顏色通道的最大強(qiáng)度值作為灰度值(Y)進(jìn)行圖像灰度化。

Y=MAX(R,G,B)

(1)

②平均值法:將R、G、B三個(gè)顏色通道的強(qiáng)度值進(jìn)行算術(shù)平均計(jì)算，計(jì)算結(jié)果作為灰度值(Y)進(jìn)行圖像灰度化。

(2)

③加權(quán)平均法:將R、G、B三個(gè)顏色通道的強(qiáng)度值根據(jù)一定的權(quán)值進(jìn)行加權(quán)平均計(jì)算。

Y=0.299R+0.587G+0.114B

(3)

為了將樹(shù)干信息與背景信息進(jìn)行區(qū)別，需要對(duì)灰度化影像設(shè)定閾值進(jìn)行分割，將圖像像素點(diǎn)灰度值分為目標(biāo)物和背景兩類(lèi)，其原理如下。

(4)

式中，f(x,y)為輸入圖像中坐標(biāo)(x,y)的灰度值，g(x,y)為輸出圖像中坐標(biāo)(x,y)的灰度值，T為分割閾值。

常用的閾值分割方法有OTSU法、迭代閾值分割法、最大熵閾值分割法等[23-25]。

1.3.2閾值分割①OTSU法：基于最大類(lèi)間方差自動(dòng)選擇閾值的分割方法，該方法根據(jù)聚類(lèi)的思想將圖像按灰度值特性分為目標(biāo)物和背景兩類(lèi)。基于最小二乘法先將最佳閾值設(shè)為T(mén)，再采用遍歷的方法使得類(lèi)間方差g達(dá)到最大，從而求得使目標(biāo)物和背景灰度分割效果最好的閾值T，其算法如下。

(5)

(6)

μ=ω0μ0+ω1μ1

(7)

g=(ω0+ω1)(μ0-μ)2

(8)

式中，N0為目標(biāo)物像素?cái)?shù)，N1為背景像素?cái)?shù)，x為圖像寬度像素?cái)?shù)，y為圖像高度像素?cái)?shù)，ω0為目標(biāo)物所占整幅圖像的比例，ω1為背景所占整幅圖像的比例，μ0為目標(biāo)物的平均灰度，μ1為背景的平均灰度，μ為圖像的平均灰度，g為類(lèi)間方差。

②迭代閾值分割法：基于逼近思想的閾值獲取算法。首先,獲得圖像灰度值的最大值Ymax和最小值Ymin，設(shè)定閾值T0。

(9)

其次，根據(jù)閾值T0將圖像分為目標(biāo)物和背景，計(jì)算目標(biāo)物區(qū)域的平均灰度值G1和背景區(qū)域的平均灰度值H1，計(jì)算新閾值T1。

(10)

根據(jù)閾值T1進(jìn)一步分割圖像；不斷重復(fù)以上步驟n次至Tn收斂，即Tn=Tn+1，Tn即為迭代閾值法所求閾值。此方法是對(duì)雙峰法的改進(jìn)算法，一般適用于目標(biāo)物與背景灰度值區(qū)別較大的情況。

③最大熵閾值分割法：基于信息熵值最大時(shí)的閾值選擇方法，該算法具有較強(qiáng)的抗干擾能力。首先，設(shè)定一個(gè)閾值T(0～255)，使用閾值T將圖像分割為目標(biāo)物B和背景O， 此時(shí)目標(biāo)物信息熵HB和背景信息熵HO計(jì)算如下。

(11)

(12)

式中，pi為圖像中灰度值為i的像素?cái)?shù)量，pT為分割后圖像灰度值小于等于T像素的數(shù)量。

遍歷所有T的可選值，使得HB+HO獲得最大值，此時(shí)T值即為最大熵的閾值分割點(diǎn)。

1.3.3連通域分析為了準(zhǔn)確識(shí)別樹(shù)干需要剔除背景中的斑點(diǎn)干擾區(qū)域，對(duì)閾值化分割影像進(jìn)行連通域分析。該測(cè)樹(shù)軟件采用Two-Pass算法對(duì)影像進(jìn)行處理，對(duì)圖像進(jìn)行兩次掃描即可完成，其原理如下。

第一次遍歷：對(duì)影像自上而下從左到右進(jìn)行遍歷，設(shè)影像中掃描點(diǎn)的灰度值為g(x,y),其中x為影像的橫坐標(biāo)，y為影像的縱坐標(biāo)，若g(x,y)鄰域點(diǎn)的灰度值都為0，則將g(x,y)標(biāo)記為一個(gè)新的label(label+=1，g(x,y)=label)；若g(x,y)鄰域點(diǎn)的灰度值存在灰度值大于0的情況，將鄰域點(diǎn)中的最小值賦予給g(x,y)，即g(x,y)=MIN(Neighbors)，若這些label值相同則認(rèn)定其為相同的連通區(qū)域。

第二次遍歷：繼續(xù)對(duì)影像自上而下從左到右進(jìn)行遍歷，查詢(xún)每一個(gè)掃描點(diǎn)g(x,y)的灰度值，若g(x,y)=255，則查找與label=g(x,y)屬于相等關(guān)系的最小label值，將其值賦予給g(x,y)，完成掃描之后，影像之中所有l(wèi)abel值相同的像素便形成了同一個(gè)連通區(qū)域，即賦予了相同的強(qiáng)度值[26]。

1.3.4像素計(jì)算經(jīng)過(guò)灰度化、閾值化分割、連通域標(biāo)記之后提取得到完整純粹的樹(shù)干胸高處影像，影像中樹(shù)干胸徑處最左端像素點(diǎn)的灰度值應(yīng)為0，通過(guò)對(duì)處理后影像中心軸從左向右遍歷所有值，查找到第一個(gè)灰度值為0的點(diǎn)坐標(biāo)n左(x左，y左)和最后一個(gè)灰度值為0的點(diǎn)坐標(biāo)n右(x右，y右)，由于遍歷是在同一軸線(xiàn)上進(jìn)行的所以此時(shí)y左=y右，而所提取的樹(shù)木胸徑則由中軸線(xiàn)上所有灰度值為0的像素點(diǎn)排列組成，所以目標(biāo)胸徑像素距離(N)計(jì)算如下。

N=|x右-x左|

(13)

1.4 胸徑測(cè)量

通過(guò)手杖式測(cè)樹(shù)儀瞄準(zhǔn)胸高處拍攝樹(shù)木胸高位置影像，經(jīng)過(guò)影像處理后可提取樹(shù)木胸徑處像素距離N，而實(shí)際林業(yè)調(diào)查中需獲取胸徑實(shí)際距離D′，此時(shí)需對(duì)像素距離結(jié)合智能手機(jī)參數(shù)進(jìn)行解算如圖2所示，其原理如下。

圖2 胸徑解算

(14)

式中，D′為結(jié)算后胸徑值，單位cm；N為提取出的樹(shù)木像素距離，單位pix；L為智能手機(jī)鏡頭至目標(biāo)樹(shù)的距離，單位cm；f為經(jīng)檢校后智能手機(jī)鏡頭定焦焦距，單位pix。

由于正直攝影時(shí)測(cè)算距離為鏡頭至目標(biāo)樹(shù)表面距離，所以測(cè)定出的D′并不是真實(shí)的樹(shù)木胸徑，如圖3所示。D′為圖中AB長(zhǎng)度，為了準(zhǔn)確解算目標(biāo)樹(shù)胸徑設(shè)S為智能手機(jī)攝影點(diǎn)，O為樹(shù)木胸徑處的圓心，A、B為像素點(diǎn)提取長(zhǎng)度，C為直線(xiàn)SO與圓的交點(diǎn)，d為圓的半徑及樹(shù)木半徑，α為SA與SO的夾角，最終樹(shù)木測(cè)量胸徑值D為2d，單位cm，公式如下。

圖3 實(shí)際胸徑解算

(15)

帶入化簡(jiǎn)計(jì)算樹(shù)木半徑。

(16)

1.5 樹(shù)高測(cè)量

樹(shù)高測(cè)量主要利用智能手機(jī)通過(guò)攝影測(cè)量原理進(jìn)行測(cè)算，在完成胸徑測(cè)量之后，使用智能手機(jī)對(duì)待測(cè)樹(shù)木整體進(jìn)行正直攝影，在獲得樹(shù)木完整影像的情況下對(duì)樹(shù)頂、樹(shù)底、樹(shù)干胸高兩側(cè)進(jìn)行手動(dòng)標(biāo)記，如圖4所示。在影像像素坐標(biāo)系中，設(shè)樹(shù)頂坐標(biāo)為(x1，y1)，樹(shù)底坐標(biāo)為(x2，y2)，樹(shù)干胸高左側(cè)坐標(biāo)為(x3，y3)，樹(shù)干胸高右側(cè)坐標(biāo)為(x4，y4)，則可計(jì)算樹(shù)高的像素距離H(單位pix)和胸徑的像素距離D(pix)。

圖4 立木樹(shù)高測(cè)量模塊

(17)

(18)

(19)

式中，h為樹(shù)木高度，單位m；d為樹(shù)木胸徑，單位cm。

1.6 誤差分析方法

選取不同立地條件的253棵樹(shù)木開(kāi)展手杖式測(cè)樹(shù)儀的功能測(cè)量實(shí)驗(yàn)，真實(shí)值使用胸徑尺量。全站儀測(cè)量立木的樹(shù)高的精度遠(yuǎn)高于不同目標(biāo)的林業(yè)調(diào)查精度要求[27]，使用NTS-391R10全站儀(無(wú)棱鏡距離測(cè)量靜的為±3 mm+2×10-6D,角度測(cè)量精度為±1″)測(cè)量樹(shù)高真實(shí)值。通過(guò)所得測(cè)量值和真實(shí)值對(duì)比分析手杖式測(cè)樹(shù)儀的測(cè)量精度，并根據(jù)中國(guó)森林調(diào)查現(xiàn)狀，依據(jù)二類(lèi)調(diào)查標(biāo)準(zhǔn)[28]對(duì)樹(shù)高、胸徑提出的3種誤差等級(jí)(A類(lèi)精度5 %，B類(lèi)精度10 %，C類(lèi)精度15 %)對(duì)該設(shè)備的測(cè)量精度進(jìn)行分析。分別利用公式(20)～(24)計(jì)算參考值與測(cè)量值之間的偏差Bias、相對(duì)偏差Bias%、均方根誤差RMSE、相對(duì)均方根誤差RMSE%及決定系數(shù)R2作為設(shè)備測(cè)量精度評(píng)價(jià)指標(biāo)。

(20)

(21)

(22)

(23)

(24)

2 結(jié)果與分析

2.1 圖像處理結(jié)果分析

選擇五棵不同的樹(shù)種拍攝樹(shù)干影像，在圖像處理過(guò)程中分別用不同法進(jìn)行閾值化分割，得到樹(shù)干和背景分離的影像的像素點(diǎn)提取情況，如表1所示。與人工標(biāo)記的實(shí)際像素點(diǎn)數(shù)量相比，最大熵閾值法所得影像的像素提取平均誤差為6 pix；迭代分割法所得影像的像素提取平均誤差為4.4 pix；OTSU法所得影像的像素提取誤差為2.2 pix。如圖5所示，最大熵閾值分割法和迭代閾值分割法對(duì)樹(shù)干和背景的分割效果較模糊，周?chē)?xì)小斑點(diǎn)出現(xiàn)較多，背景過(guò)濾效果較差；OTSU法對(duì)樹(shù)干和背景的分割較為清晰，背景的過(guò)濾效果較好，細(xì)小斑點(diǎn)出現(xiàn)較少，故本文選擇OTSU法作為樹(shù)木灰度圖的閾值化分割算法。

表1 不同閾值分割檢測(cè)的立木胸徑像素距離

圖5 不同閾值分割結(jié)果

2.2 胸徑誤差分析

本研究使用手杖式測(cè)樹(shù)儀共獲取253棵目標(biāo)樹(shù)的胸徑值，并使用胸徑尺量取對(duì)應(yīng)目標(biāo)樹(shù)的真實(shí)胸徑值作為參考。經(jīng)過(guò)手杖式測(cè)樹(shù)儀自動(dòng)解算得到胸徑測(cè)量最小值和最大值分別為4.7和45.1 cm；胸徑尺量取的目標(biāo)書(shū)真實(shí)值的最小值與最大值為4.5 和43.9 cm。經(jīng)過(guò)胸徑誤差精度分析表明手杖式測(cè)樹(shù)儀胸徑測(cè)量偏差為0.29 cm，相對(duì)偏差為1.5%，均方根誤差為0.7 cm，相對(duì)均方根誤差為3.6%；胸徑的測(cè)量值與參數(shù)擬合方程為y=0.985 64x-0.013 05，擬合直線(xiàn)的R2=0.993 4，如圖6所示。胸徑測(cè)量值自由度及均方誤差方差分析顯示，F(xiàn)(0.177)0.05，可以接受原假設(shè)，胸徑測(cè)量值與真實(shí)值之間無(wú)顯著差異[29]，且滿(mǎn)足二類(lèi)調(diào)查A類(lèi)胸徑精度要求，說(shuō)明測(cè)量結(jié)果有較高的精準(zhǔn)度。

圖6 胸徑測(cè)量值與參考值分布及擬合況

2.3 樹(shù)高誤差分析

在胸徑測(cè)量的同時(shí)獲取對(duì)應(yīng)的樹(shù)木樹(shù)高測(cè)量值，樹(shù)高測(cè)量值的最小值和最大值分別為5.26和20.06 m，使用全站儀測(cè)量全部目標(biāo)樹(shù)樹(shù)高作為參考真實(shí)值，真實(shí)值的最小值和最大值分別為4.86和18.44 m。經(jīng)過(guò)樹(shù)高精度誤差分析表明，手杖式測(cè)樹(shù)儀樹(shù)高測(cè)量偏差為0.48 m，相對(duì)偏差為4.2%，均方根誤差為0.70 m，相對(duì)均方根誤差為6.1%，樹(shù)高的測(cè)量值與參考值擬合方程為y=0.921 32x+0.465 72，斜率為0.921 32，擬合直線(xiàn)的R2=0.979 5，如圖7所示。結(jié)合表2樹(shù)高測(cè)量值自由度及均方誤差方差分析顯示，F(xiàn)(2.798)0.05，可以接受原假設(shè)，樹(shù)高測(cè)量值與真實(shí)值之間無(wú)顯著差異[29]，基本滿(mǎn)足二類(lèi)調(diào)查A類(lèi)樹(shù)高精度要求，說(shuō)明測(cè)量結(jié)果有較高的精準(zhǔn)度。

圖7 高測(cè)量值與參考值分布及擬合情況

3 討論

本文主要設(shè)計(jì)研發(fā)了手杖式測(cè)樹(shù)儀，利用測(cè)樹(shù)學(xué)、攝影測(cè)量學(xué)、機(jī)械加工學(xué)、機(jī)器視覺(jué)、影像處理等技術(shù)，在已知手杖式定長(zhǎng)測(cè)桿長(zhǎng)度(手機(jī)到樹(shù)干的距離)和智能手機(jī)相機(jī)焦距的基礎(chǔ)上對(duì)目標(biāo)樹(shù)進(jìn)行拍攝獲取胸徑處影像進(jìn)行灰度化處理。閾值化分割之后可以得到由樹(shù)干和背景組成的黑白二值影像，由于樹(shù)干的灰度值通常比背景的灰度值小，樹(shù)干一般以大面積黑色區(qū)域呈現(xiàn)，而背景由于其復(fù)雜程度較高，往往呈現(xiàn)出雜亂的細(xì)小斑點(diǎn)區(qū)域，因此，通過(guò)連通域標(biāo)記提取胸徑處像素點(diǎn)數(shù)量，通過(guò)數(shù)據(jù)分析，使用OTSU法進(jìn)行閾值分割效果最好，提取精度較高。本文利用OTSU算法進(jìn)行圖像分割，根據(jù)測(cè)桿和焦距形成的固定比例關(guān)系確定單個(gè)像素所代表的實(shí)際距離，結(jié)合三角函數(shù)原理最終實(shí)現(xiàn)樹(shù)木胸徑和樹(shù)高的測(cè)量，并通過(guò)手機(jī)完成全部數(shù)據(jù)的記錄、編碼、編輯、儲(chǔ)存、導(dǎo)出等功能。結(jié)果表明，使用OTSU法進(jìn)行閾值分割效果最好，提取精度較高。測(cè)量實(shí)驗(yàn)結(jié)果表明，本文設(shè)計(jì)的手杖式測(cè)樹(shù)儀的胸徑和樹(shù)高的測(cè)量值的相對(duì)誤差均小于5%,滿(mǎn)足二類(lèi)調(diào)查A類(lèi)精度要求[29]，且成本適中、操作簡(jiǎn)單、方便攜帶，與傳統(tǒng)林業(yè)調(diào)查方式相比該儀器單人即可操作，且測(cè)量速度更快，在保證作業(yè)精度的前提下節(jié)省了時(shí)間成本和人力成本，一定程度上提升了林業(yè)工作效率。

該設(shè)備在實(shí)際使用過(guò)程中仍有一些需要改進(jìn)的地方，在長(zhǎng)期使用過(guò)程中設(shè)備的穩(wěn)定性存在一定的不確定性，未來(lái)需提高設(shè)備的集成度，增加設(shè)備穩(wěn)定性。另外，在樹(shù)高測(cè)量模式中必需拍攝完整的樹(shù)木影像，本次實(shí)驗(yàn)選擇的試驗(yàn)區(qū)域郁閉度較小基本可以滿(mǎn)足實(shí)驗(yàn)攝影要求，但在實(shí)際工作中通常存在樹(shù)木相互遮擋難以獲取完整樹(shù)木影像，在未來(lái)的研究中需進(jìn)一步研究探索樹(shù)高測(cè)量的方法。