基于无人机先验点云的移动背包LiDAR森林扫描路径优化框架

《Computers and Electronics in Agriculture》：UAV-assisted scan planning for improved forest inventory using a mobile backpack LiDAR system

本文提出一种创新框架，通过无人机激光雷达（UAV-LiDAR）获取的先验点云，为移动背包激光雷达（LiDAR）系统实现森林冠层下扫描路径的自动化规划。该研究解决了传统森林调查依赖人工路径决策导致的效率低下与覆盖不全问题，结合三维可见性模拟与聚类旅行商问题（CTSP）优化，在人工林和天然林实验中分别实现1.4%和14.4%的完整性缺失率（LoC），显著提升数据采集效率与覆盖质量，为自主化森林资源监测提供关键技术支撑。

　　

Highlight

实验结果表明，所提出的扫描规划框架在不同森林环境中均表现优异。在人工林场地，聚类扫描路径因树木规则排列而对树干实现了充分覆盖。联合路径的加入进一步提升了扫描完整性，将完整性缺失率（LoC）从4.4%降至1.4%。在具有不规则地形和不均匀植被的天然林场地，该方法实现了14.4%的LoC，证明了其在复杂环境中的适应性。

Discussions

实验结果验证了所提扫描规划框架在不同森林环境中的有效性。人工林场地中树木排列规整，聚类扫描路径对树干实现了充分覆盖。通过添加联合路径，扫描完整性得到进一步提升，LoC从4.4%降至1.4%。在地形不规则、植被分布不均的天然林场地，该方法实现了14.4%的LoC。扫描路径的优化显著减少了传统人工方法所需的操作时间，同时保证或大幅提升了扫描覆盖质量。然而，研究也存在局限性，例如对先验点云质量的依赖性以及在极端茂密植被下的挑战，未来需探索实时导航集成与动态路径重规划。

Conclusions and recommendations for future work

本研究提出了一种利用无人机衍生点云作为先验知识的移动背包LiDAR系统自动化森林扫描规划框架。该框架解决了传统依赖调查员经验的低效扫描操作问题，包含三个主要阶段：扫描路径候选生成、扫描覆盖优化和路径规划。未来工作将聚焦于将该框架与实时导航系统结合，以进一步提升操作效率，推动冠层下森林资源调查绘图的自主化进程。