激光雷达（LiDAR）点云柱投影方法用于估计果树冠层区域相关视向冠层空隙率

《Agronomy》：A LiDAR Point Cloud Column Projection Method for Estimating Zone-Specific View-Dependent Canopy Gap Fraction of Fruit Tree Canopies

　　

视向冠层空隙率（view-dependent canopy gap fraction）是反映冠层开度的方向性描述符，可为刻画果树冠层异质性提供结构信息。然而，现有基于激光雷达（LiDAR）的冠层表征方法在刻画冠层遮挡的区域相关变化方面稳定性有限。研究人员提出一种激光雷达（LiDAR）点云柱投影方法，用于估计果树冠层区域相关视向冠层空隙率。研究中采用闪光激光雷达（flash LiDAR）传感器与RGB相机，在匹配视向下并基于一致感兴趣区域（ROI）约束获取模拟果树与真实桃树的配有点云与图像数据。以各3×3子区域中蓝布背景面积得到的图像派生冠层空隙率作为参考值，将所提柱投影方法与区域体素占用（regional volumetric occupancy）方法、区域二维投影覆盖（regional two-dimensional projection coverage）方法比较。在室内方法开发条件下，基于88帧配对的样本，所提方法相对图像派生参考值的平均绝对误差为8.59%，Pearson相关系数为0.925，Spearman秩相关系数为0.914。在初步半控制室外评价中，基于8个配对真实树样本，所提方法平均绝对误差为10.48%，且数值误差与系统偏差低于两种基线方法。结果表明，在所测条件下，该方法可提供更符合图像派生参考值的区域相关视向冠层空隙率估计。

论文解读：《Agronomy》刊载的该项研究以果树冠层结构感知为背景。现有面向果园目标变量喷雾的激光雷达（LiDAR）研究多关注冠层体积、轮廓、叶面积与区域密度，对局部视线遮挡和区域相关冠层开度的稳定刻画不足。冠层空隙率（canopy gap fraction，指定视向下可见背景占比）、冠层覆盖与冠层密度概念相关但不等价，而真实三维冠层孔隙度（canopy porosity，定义体积内空隙体积占比）更难由单视点数据稳定获取。为支持变量喷雾中气流与药量决策，研究人员需要一种能在统一空间边界下反映各区域视线遮挡强度的指标，因此开展激光雷达点云柱投影方法研究。

作者为开展研究使用的主要关键技术方法包括：搭建室内模拟果树平台，以闪光激光雷达（flash LiDAR）与RGB相机同高近似共轴采集；以可拆枝模拟树形成11种冠层状态、8个视向共88帧配对样本；室外以8株真实桃树、单侧视向、蓝布背景与固定参考框获得8个配对样本。点云经坐标校正、0.02 m体素下采样、ROI裁剪、虚拟后墙抑制与深度重参数化，再按Y–Z平面作3×3分区；图像侧通过透视校正与HSV空间蓝布分割得到参考空隙率。方法核心是把每个Y–Z位置沿视深方向组织为体素列（voxel column），以连续占用关系计算列占用权重，并经首尾占用截断与饱和增强后反演区域视向冠层空隙率。

研究结果如下。

室内模拟果树冠层空隙率估计结果：在88帧样本上，柱投影方法Pearson为0.925、Spearman为0.914、Kendall为0.741，平均绝对误差8.59%，偏差?0.62%；Top-1最密区匹配75.0%，Top-3重叠均值为2.58。相比区域体素占用方法严重高估空隙率、区域二维投影覆盖方法系统性低估，柱投影方法在误差、趋势一致性与密区识别上更优。

关键处理步骤消融结果：移除虚拟后墙抑制后相关性与Top-1下降、误差上升，说明其后方背景点会产生伪占用；移除首尾占用截断后虽Top-1略升，但误差与正偏差增大，表明该步骤抑制纯空区间稀释；移除饱和增强后相关性略升但平均绝对误差与偏差上升，说明其改善数值尺度一致性与密区稳定性。

参数敏感性结果：计算体素边长0.04 m时在数值一致性上优于0.03 m、0.05 m与0.06 m；最小连续占用长度阈值0.04 m时数值偏差最低；饱和增强系数取5时均方根误差最低且绝对偏差最小；虚拟后墙初始远深分位数在0.990–0.999内无影响，后排排除距离0.10 m抑制不足，0.20 m与0.30 m较稳，默认取0.20 m。

半控制室外真实果树评价结果：8株桃树下柱投影方法平均绝对误差10.48%、RMSE 13.71%、偏差3.04%，Pearson 0.756、Spearman 0.786；区域二维投影覆盖相关性接近但严重低估，区域体素占用严重高估。室外排名与最密区识别弱于室内，说明单视点遮挡、相机与激光雷达视差、顺序采集无硬件同步会带来区域对应误差。

讨论部分总结：区域体素占用受点云密度与散点影响，区域二维投影覆盖压缩深度信息，均不能充分代表视深方向遮挡。柱投影方法的新意在于保留每个Y–Z位置的深度向连续占用结构。消融与敏感性结果表明默认参数在当前闪光激光雷达、距离、ROI与树种下是折中选择，但不可视为跨树种、跨距离与跨传感器通用最优。室外结果不代表柱投影在所有排序指标上均优于基线；其优势是数值尺度更接近图像参考值。室内88帧为同一模拟树重复观测，非生物学独立重复；室外8样本也非果园群体推断。图像派生空隙率只是固定相机视角可见背景比例，不是三维孔隙度真值。后续需多视点或多帧融合、相机–激光雷达标定、以及喷量、气流、沉积与飘移实验。

结论部分翻译：本研究将所评价结构指标定义为区域相关视向冠层空隙率，即指定视向与统一ROI约束下可见背景占比。研究人员提出激光雷达（LiDAR）点云柱投影方法估计该指标。室内方法开发条件下，激光雷达派生估计与图像派生参考值的Pearson、Spearman、Kendall分别为0.925、0.914、0.741；Top-1最密区匹配66/88（75.0%），Top-3均值2.58。相较两种基线，所提方法数值误差与系统偏差更低，且保持较好区域排序与密区识别。半控制室外评价中，柱投影方法平均绝对误差、RMSE与偏差为10.48%、13.71%与3.04%；区域二维投影覆盖相关性接近但数值误差与低估更重。室外仅8个真实树配对样本，Top-1为3/8（37.5%），应视为测试条件下的初步适用性证据而非果园群体验证。该方法在所测条件下可提供区域相关视向冠层开度结构表征，但冠层空隙率与喷量、气流需求、液滴沉积、穿透及飘移的定量关系尚待专门喷雾实验建立。