基于激光雷达技术获取甚高郁闭度森林蓄积量的方法与流程

本发明涉及一种基于激光雷达技术获取甚高郁闭度森林蓄积量的方法，属于激光雷达点云数据处理技术领域。

背景技术：

森林资源清查的主要目的是通过调查各类森林资源的分布和质量变化情况来进行森林管理和决策分析(包括森林砍伐和种植等应用)。传统的方法是通过人工对标准样地进行大量的实地勘测，并利用样本数据中单棵树木的胸径、冠层直径和树高等参数来估算整个森林的林分信息，耗费大量的人力资源和时间成本，而且实地测量时树高一般是通过目视经验来确定的，其取值也存在一定的误差，因此，传统的作业模式已无法满足森林资源信息高效率、高精度地获取。

近年来，激光雷达技术在获取高精度的三维森林结构信息方面优势突出，相较地面激光雷达的小范围高精度测量以及星载激光雷达的精度局限，机载激光雷达在森林勘察应用中的作用愈发明显。在北欧一些国家，机载激光雷达技术已经成熟应用于森林资源清查中，其作用的对象主要是北方针叶林，利用低密度点云数据进行单棵树的检测较为容易；而在国内，大多是面积广、郁闭度高，森林分布密集的南方阔叶林，致使单棵树的检测较为困难，因此机载激光雷达技术尚没有真正应用于森林调查中。

利用机载激光雷达技术获取森林蓄积量，其要解决的关键问题有两个，即单棵树的检测和树高、胸径的获取。目前，在单棵树的检测方面主要利用冠层高度模型CHM(一般通过DSM与DTM的差值或者利用点云数据与DTM的差值归一化后再经插值栅格化来获取)，采用平滑滤波和插值算法填补凹坑，并通过搜索窗口检测局部最大值来获得树高，利用双正切角和分水岭分割算法检测单棵树的所在范围。平滑滤波和插值算法的主要目的是确保栅格图像的连续光滑，减小分割算法的边界效应，提高树检测的准确性，但是经过平滑滤波后通常会使树冠之间的边界变得的模糊，并且通过上述分割方法也不可避免地会出现过度分割现象。在树高和胸径的获取方面，主要是利用人工对样地的树高和胸径进行直接量测，耗时较长。

技术实现要素：

针对现有技术的不足，本发明提出了一种基于激光雷达技术获取甚高郁闭度森林蓄积量的方法，其提供了从森林数据采集到森林参数获取的技术流程，为森林清查提供了技术支持。

本发明解决其技术问题采取的技术方案是：对获取的甚高郁闭度森林区域的地面信息通过树木分割来提取单棵树，并进行推算森林蓄积量，从而获得该区域的甚高郁闭度森林森林蓄积量。

优选地，获取甚高郁闭度森林蓄积量的过程包括以下步骤：

1)根据不同区域，设置满足要求的飞行高度、飞行速度和飞行航线，以达到300点/m2以上的点密度为条件进行数据采集，并将经纬度坐标转换成后续数据处理所需的地理坐标生成以米为单位的点云数据；

2)通过代表树木冠层顶部信息的数字表面模型DSM与表示地形信息的数字地面模型DTM之间的差值获得归一化的数字高程模型nDSM；

3)将数字高程模型nDSM数据投影到二维平面，通过设定采样间隔和最大值栅格化处理，取落入每一格网内的最大值作为当前点的高程值；

4)进行垂直方向最大值稀疏处理，保留冠层顶部，并以实际树木冠径的经验宽度为搜索半径，检测局部最大值点，然后将检测的种子点栅格化为标记图像，作为分水岭分割算法的输入参数来提取单棵树；

5)根据数据采集区域样地单棵树的实测数据拟合生成胸径-树高-冠径模型，推算森林蓄积量并通过构建LOD2树模型对森林区域中树的分布情况进行三维模型显示。

优选地，在步骤2)中，通过分类方法对点云数据进行区分地面和非地面信息，利用数字表面模型DSM与数字地面模型DTM的差值进行高程归一化处理获得归一化的数字高程模型nDSM。

优选地，在步骤3)中，根据设置固定采样间隔，取所有落入单个格网中的最大值点为当前灰度值，没有点落入时赋值为0，以此来形成二维栅格数据。

优选地，在步骤4)中，首先是对栅格图像中的每个像素的灰度级进行由低到高的排序过程，然后通过注水，由每一个局部极小值慢慢向外扩展，进行从低到高的淹没处理，各个种子点相互间的汇集处构成分水岭，定义为边界。

优选地，所述种子点为通过对nDSM进行稀疏处理时，只保留垂直方向上的最大值，并通过给定的搜索半径，检测水平位置上的最大值点来获取到的且其个数表示检测出单棵树个数的栅格图像。

优选地，局部最大值点为通过一定大小的搜索窗口，逐像素的比较搜索窗口范围内的所有点与当前点的灰度值大小，当前点大于周边点时，取该局部最大值点为种子点。

优选地，所述胸径-树高-冠径模型为：

D＝aC+bH+c

D＝aC^b+cH^d+e

其中，H为树高、D为胸径、C为冠径，a，b，c，d，e表示根据样地实测数据进行方程拟合的系数，冠径是根据单棵树的检测范围采用最小二乘法对该范围内的所有点进行圆的拟合操作最后确定圆的直径。

优选地，根据单棵树的检测区域确定每棵树的高度值H，并且利用最小二乘法拟合圆来拟合单棵树的所有点以此来确定冠径C，然后通过树高-胸径-冠径拟合模型计算胸径D；

所述树高-胸径-冠径拟合模型为：

其中，胸径、树高、冠径的单位分别为mm、dm、dm。

优选地，森林蓄积量V(m³)是根据胸径、树高和冠径来确定的，其计算公式如下：

V＝G_1.3(H+3)f_ε

其中，a、b表示胸高处相互垂直的直径大小，当a和b相等时，用D表示，单位是厘米，则整个区域中总的森林蓄积量用下式表示：

其中，i表示第i棵树，G_1.3为树干胸高断面积，其单位为m²，f_ε为平均实验系数，f_εi为第i棵树的平均实验系数。

优选地，获取甚高郁闭度森林蓄积量的过程还可以包括以下步骤：

1)根据不同区域，设置满足要求的飞行高度、飞行速度和飞行航线，以达到300点/m2以上的点密度为条件进行数据采集，并将经纬度坐标转换成后续数据处理所需的地理坐标生成以米为单位的点云数据；

2)通过代表树木冠层顶部信息的数字表面模型DSM与表示地形信息的数字地面模型DTM之间的差值获得归一化的数字高程模型nDSM；

3)将数字高程模型nDSM数据投影到二维平面，通过设定采样间隔和最大值栅格化处理，取落入每一格网内的最大值作为当前点的高程值；

4)进行垂直方向最大值稀疏处理，保留冠层顶部，并以实际树木冠径的经验宽度为搜索半径，检测局部最大值点，然后将检测的种子点栅格化为标记图像，作为分水岭分割算法的输入参数来提取单棵树；

5)根据数据采集区域已有的经验模型估算每棵树木的胸径，采用该数据采集区域树种的材积公式来推算森林蓄积量；并通过构建LOD2树模型对森林区域中树的分布情况进行三维模型显示。在推算森林蓄积量的过程中，根据数据采集区域已有的经验模型估算每棵树木的胸径，并根据该数据采集区域树种的材积公式来推算森林蓄积量，从而替代根据胸径-树高-冠径模型来推算森林蓄积量。

优选地，材积公式包括马尾松(人工林)的二元材积公式：

V＝0.0000942941D^1.832223553H^0.8197255549

其中，胸径D和树高H的单位分别为cm和m。

本发明的有益效果如下：

本发明首先获取甚高郁闭度森林区域的地面信息，然后在nDSM基础上通过垂直方向最大值点云稀疏和局部最大值方法检测种子点，并将nDSM栅格数据取反进行树木分割来提取单棵树，利用数据采集区域的胸径-树高-冠径模型或材积公式来获得甚高郁闭度森林区域的森林蓄积量，本发明利用机载激光雷达技术提出了从数据采集到森林蓄积量获取的方法流程，为机载激光雷达在甚高郁闭度的林业勘察应用中提供技术解决方案，为森林资源清查提供高效率、低成本的技术支持。

本发明为机载激光雷达在甚高郁闭度的林业勘察应用中提供完整的技术解决方案，利用机载激光雷达获取森林点云数据，通过垂直方向最大值稀疏处理和以树木真实冠幅为搜索半径搜索种子点来抑制分水岭分割算法的过度分割，从而快速的获取森林区域内树的棵数以及对应的树高和冠径，利用样地实测数据拟合或者根据已有的经验方程获取胸径和森林蓄积量，可以大大减少了人力和财力的耗费，加快森林清查工作的更新速度，推进森林资源的智能化管理。

附图说明

图1是本发明获取甚高郁闭度森林蓄积量的一种方法流程图；

图2是本发明获取甚高郁闭度森林蓄积量的另一种方法流程图；

图3-a是第一组实验数据中截取四块区域的位置分布图；

图3-b是第二组实验数据中截取四块区域的位置分布图；

图3-c是第三组实验数据中截取四块区域的位置分布图；

图3-d是第四组实验数据中截取四块区域的位置分布图；

图3-e是第五组实验数据中截取四块区域的位置分布图；

图4-a是经过地形分类后的显示图；

图4-b是在检测出的种子点分布图；

图4-c是在根据种子点进行分水岭分割后检测出树的范围示意图；

图5-a是LOD2树模型示意图；

图5-b是LOD2树模型中胸径、树高和冠径的细节展示示意图；

图6-a是第一组数据中四块区域分别对应的平均树高、平均冠径、平均胸径和两种森林蓄积量的统计结果示意图；

图6-b是第二组数据中四块区域分别对应的平均树高、平均冠径、平均胸径和两种森林蓄积量的统计结果示意图；

图6-c是第三组数据中四块区域分别对应的平均树高、平均冠径、平均胸径和两种森林蓄积量的统计结果示意图；

图6-d是第四组数据中四块区域分别对应的平均树高、平均冠径、平均胸径和两种森林蓄积量的统计结果示意图；

图6-e是第五组数据中四块区域分别对应的平均树高、平均冠径、平均胸径和两种森林蓄积量的统计结果示意图；

图7-a是密度大并且冠层结构非常明显的点云数据经本发明方法的检测结果示意图；

图7-b是密度小的点云数据经本发明方法的检测结果示意图；

图7-c是冠层结构区分不明显的点云数据经本发明方法的检测结果示意图。

具体实施方式

为能清楚说明本方案的技术特点，下面通过具体实施方式，并结合其附图，对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。此外，本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意，在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。

如图1所示，本发明的一种基于激光雷达技术获取甚高郁闭度森林蓄积量的方法，它对获取的甚高郁闭度森林区域的地面信息首先进行检测种子点，然后通过树木分割来提取单棵树，最后利用胸径-树高-冠径模型获得甚高郁闭度森林区域的森林蓄积量。其获取甚高郁闭度森林蓄积量的具体过程包括以下步骤：

1)根据不同区域，设置满足要求的飞行高度、飞行速度和飞行航线，以达到300点/m2以上的点密度为条件进行数据采集，并将经纬度坐标转换成后续数据处理所需的地理坐标生成以米为单位的点云数据；

2)通过代表树木冠层顶部信息的数字表面模型DSM与表示地形信息的数字地面模型DTM之间的差值获得归一化的数字高程模型nDSM；

3)将数字高程模型nDSM数据投影到二维平面，通过设定采样间隔和最大值栅格化处理，取落入每一格网内的最大值作为当前点的高程值；

4)进行垂直方向最大值稀疏处理，保留冠层顶部，并以实际树木冠径的经验宽度为搜索半径，检测局部最大值点，然后将检测的种子点栅格化为标记图像，作为分水岭分割算法的输入参数来提取单棵树；

5)根据数据采集区域样地单棵树的实测数据拟合生成胸径-树高-冠径模型，推算森林蓄积量并通过构建LOD2树模型(如图5-a和图5-b所示)对森林区域中树的分布情况进行三维模型显示。

优选地，在步骤2)中，通过分类方法对点云数据进行区分地面和非地面信息，利用数字表面模型DSM与数字地面模型DTM的差值进行高程归一化处理获得归一化的数字高程模型nDSM。

优选地，在步骤3)中，根据设置固定采样间隔，取所有落入单个格网中的最大值点为当前灰度值，没有点落入时赋值为0，以此来形成二维栅格数据。

优选地，在步骤4)中，首先是对栅格图像中的每个像素的灰度级进行由低到高的排序过程，然后通过注水，由每一个局部极小值慢慢向外扩展，进行从低到高的淹没处理，各个种子点相互间的汇集处构成分水岭，定义为边界。

优选地，所述种子点为通过对nDSM进行稀疏处理时，只保留垂直方向上的最大值，并通过给定的搜索半径，检测水平位置上的最大值点来获取到的且其个数表示检测出单棵树个数的栅格图像。

优选地，局部最大值点为通过一定大小的搜索窗口，逐像素的比较搜索窗口范围内的所有点与当前点的灰度值大小，当前点大于周边点时，取该局部最大值点为种子点。

优选地，所述胸径-树高-冠径模型为：

D＝aC+bH+c

D＝aC^b+cH^d+e

其中，H为树高、D为胸径、C为冠径，a，b，c，d，e表示根据样地实测数据进行方程拟合的系数，冠径是根据单棵树的检测范围采用最小二乘法对该范围内的所有点进行圆的拟合操作最后确定圆的直径。

优选地，根据单棵树的检测区域确定每棵树的高度值H，并且利用最小二乘法拟合圆来拟合单棵树的所有点以此来确定冠径C，然后通过树高-胸径-冠径拟合模型计算胸径D；

所述树高-胸径-冠径拟合模型为：

其中，胸径、树高、冠径的单位分别为mm、dm、dm。

优选地，森林蓄积量V(m³)是根据胸径、树高和冠径来确定的，其计算公式如下：

V＝G_1.3(H+3)f_ε

其中，a、b表示胸高处相互垂直的直径大小，当a和b相等时，用D表示，单位是厘米，则整个区域中总的森林蓄积量用下式表示：

其中，i表示第i棵树，G_1.3为树干胸高断面积，其单位为m²，f_ε为平均实验系数，f_εi为第i棵树的平均实验系数。

如图2所示，本发明的另一种基于激光雷达技术获取甚高郁闭度森林蓄积量的方法，它对获取的甚高郁闭度森林区域的地面信息首先进行检测种子点，然后通过树木分割来提取单棵树，最后利用胸径-树高-冠径模型获得甚高郁闭度森林区域的森林蓄积量。其获取甚高郁闭度森林蓄积量的具体过程包括以下步骤：

1)根据不同区域，设置满足要求的飞行高度、飞行速度和飞行航线，以达到300点/m2以上的点密度为条件进行数据采集，并将经纬度坐标转换成后续数据处理所需的地理坐标生成以米为单位的点云数据；

2)通过代表树木冠层顶部信息的数字表面模型DSM与表示地形信息的数字地面模型DTM之间的差值获得归一化的数字高程模型nDSM；

3)将数字高程模型nDSM数据投影到二维平面，通过设定采样间隔和最大值栅格化处理，取落入每一格网内的最大值作为当前点的高程值；

4)进行垂直方向最大值稀疏处理，保留冠层顶部，并以实际树木冠径的经验宽度为搜索半径，检测局部最大值点，然后将检测的种子点栅格化为标记图像，作为分水岭分割算法的输入参数来提取单棵树；

5)根据数据采集区域已有的经验模型估算每棵树木的胸径，采用该数据采集区域树种的材积公式来推算森林蓄积量；并通过构建LOD2树模型对森林区域中树的分布情况进行三维模型显示。在推算森林蓄积量的过程中，根据数据采集区域已有的经验模型估算每棵树木的胸径，并根据该数据采集区域树种的材积公式来推算森林蓄积量，从而替代根据胸径-树高-冠径模型来推算森林蓄积量。

优选地，材积公式包括马尾松(人工林)的二元材积公式：

V＝0.0000942941D^1.832223553H^0.8197255549

其中，胸径D和树高H的单位分别为cm和m。

本发明利用机载激光雷达(ALS)获取甚高郁闭度的森林点云数据，通过点云分类、地形归一化、局部最大值、分水岭分割等算法提取单棵树的树高，利用最小二乘法拟合圆获取冠径，利用树高、冠径和胸径的函数模型估算胸径，根据经验方程获取森林蓄积量，并对机载激光雷达点云数据在甚高郁闭度情况下的森林勘察进行可行性研究和分析。本发明为具有甚高郁闭度的林业勘察提供了利用机载激光雷达数据估算森林蓄积量的方法,并在理论论证及多次实验验证后，确定了在具有甚高郁闭度的森林区域，激光点云数据需达到300点/m2以上的密度才能有效获取地面信息，获得树木高度的准确值。根据该方法可以快速、高精度地获取单棵树的高度，冠径，进行各类森林参数的估算，不仅给林木的勘测带来极大便利，同时也减少了人力和财力的巨大浪费。

下面以南方某省的林业数据为实施案例，结合附图和技术方案进一步说明本发明的具体实施方式。

(1)参考该省当地的地面高程数据，根据实验区域的真实特征，确定飞机的安全飞行高度(130～200m)，为了使激光打到地面，飞行速度设为4m/s，点云密度达到400点/m2，将获取的点云数据进行拼接，并将经纬度转成米。

(2)根据点云数据具有地面和非地面信息这一特征，如图4-a，首先对点云数据进行分类，将树和地面区分开来；然后通过高程归一化获取nDSM数据，并在此基础上设置采样间隔为0.2，保留落入格网内的最大值，转成二维栅格图像。

(3)根据nDSM数据，采用垂直方向最大值稀疏处理，保留冠层顶部，此时当前点在垂直方向上只有一个最大值点，表征了不同树冠之间的分布特征；由于单棵树的冠层直径一般为2～10m，检测树木顶部，一般在当前点周围1～3m范围内即可确定，因此设置搜索半径为2m，通过局部最大值方法提取单棵树的树顶(种子点)，如图4-b所示，并以0.2为采样间隔对其进行栅格化，赋值为1，其他点赋值为0，定义为标记图像，然后对原始点云数据进行取反操作；将标记图像和取反图像作为输入参数带入分水岭分割算法中，确定单棵树的所在范围，并以不同的类别表示，如图4-c。由于采集数据时周边区域的点很少，单个点也可能被误认为是树，因此，这里设置有效点数为20，即认为单棵树检测范围内的点数低于20个时，视为无效点。

(4)根据单棵树的检测区域，确定每棵树的高度值H(dm)，并且利用最小二乘法拟合圆来拟合单棵树的所有点，以此来确定冠径C(dm)；然后采用地处经度25.11°，纬度61.19°区域内某树种的经验方程计算每棵树的胸径D(mm)：

森林蓄积量的求法主要包括标准木法(根据标准地内具有特定林分平均材积来推算林分蓄积量)、材积表法(根据胸径、树高、干形等与材积的回归关系建立查找表，常用的有一元材积表、二元材积表和三元材积表)、标准表法(林分蓄积量由林分中(或单位面积上)所有树木胸高总断面积、林分条件平均高和林分形数三要素的乘积构成)、平均实验形数法(在标准表法的基础上，根据相应树种的实验形数求林分蓄积量)以及一种根据调查员目估经验的目测法。

这里，森林蓄积量采用平均实验形数法和二元材积公式两种方法进行估算，分别如下：

A.根据平均实验形数f_ε，第i棵树的树高H_i(m)，胸径D_i(m)计算森林蓄积量V(m³)：

B.根据福建省马尾松(人工林)的二元材积公式，通过冠层直径D(cm)、树高H(m)计算森林蓄积量V(m³)：

V＝0.0000942941D^1.832223553H^0.8197255549

其中，胸径和树高的单位分别为D(cm)、H(m)。

本实施例中共采集了五组数据，以一亩地面积为标准(宽和高均为25.82m)，如图3-a到3-e所示，分别在每组数据中截取宽高相等的四块数据，并计算截取区域内的平均树高、平均胸径、平均冠径和两种方法估算的平均森林蓄积量。影响森林蓄积量准确获取地主要因素分别是点云数据密度、冠形结构特征和树检测算法，如图7-a至图7-c所示，当点云数据密度不够、实验区树种的干径偏小，以及树种的冠形结构特征不明显时，将会导致树无法被检测出来，因此，对于甚高郁闭度的森林数据，点云密度必须要达到足够的点数才能获取准确的树木高度。

本次实施例所测五组数据，占地总面积约为400亩，就森林调查效率的比较情况而言，采集数据共用一天时间，而人工测量则要远大于五天的时间，因此，机载激光雷达的采集效率要远远大于人工调查的作业效率，而且检测的树木棵数和获取的森林蓄积量与样地数据也较为吻合。由于研究区域森林郁闭度高达到0.9以上，森林分布更加密集，本发明经理论和实验确定了至少满足300点/m2以上的点云密度，才能获取准确的树高信息；而且，该方法同样适用于其他林区的森林蓄积量计算，具有很强的普适性。

本发明将归一化的点云数据nDSM进行最大值栅格化；通过对nDSM进行垂直结构最大值稀疏处理，并在此基础上检测种子点，然后栅格化为标记图像，作为抑制分水岭分割算法过度分割的输入参数。利用树木实际冠径的取值范围约束最小二乘法拟合圆获取树木冠径，并根据树高-胸径-冠径之间的关系模型，通过树高和冠径获取胸径，最后利用经验方程计算森林蓄积量。本发明利用机载激光雷达技术提出了从数据采集到森林蓄积量获取的方法流程，为机载激光雷达在甚高郁闭度的林业勘察应用中提供技术解决方案，为森林资源清查提供高效率、低成本的技术支持。

本发明对获取的甚高郁闭度森林区域的地面信息通过树木分割来提取单棵树的过程，还可以采用以下步骤来实现：

1)从原始的甚高郁闭度森林区域激光雷达点云中将树的点云分离出来；树的点云的分离过程是通过滤波方法先将原始甚高郁闭度森林区域激光雷达点云分为地面点和非地面点，再利用分类方法将非地面点分为树的点云和非树点云。

2)将三维的原始甚高郁闭度森林区域激光雷达点云投影到二维平面，即将激光雷达点云划分在规则三维网格中，并利用分水岭分割算法以二维图像作为输入参数，通过区域增长对树的点云进行初始分割；

3)将二维的初始分割结果转到三维网格环境下，首先确定每个分割组块的根网格和树枝网格，然后利用3D网格融合算法将过分割的点云进行融合；

4)利用LOD2数据建立单棵树的三维模型，并利用单棵树的三维模型提取出单棵树。提取出单棵树之后，根据数据采集区域样地单棵树的实测数据拟合生成胸径-树高-冠径模型来推算森林蓄积量，或者根据数据采集区域已有的经验模型估算每棵树木的胸径，并采用材积公式来推算森林蓄积量，并利用单棵树的三维模型对森林区域中树的分布情况进行三维模型显示。

进一步地，所述将原始甚高郁闭度森林区域激光雷达点云分为地面点和非地面点的过程包括以下步骤：

1)选取初始种子点构建初始TIN：确定点云的边界，并以最大建筑物尺寸为网格大小，构建网格，选取每个网格中的最低点作为种子点，四个角点的高程等于距离该角点最近的种子点高程，剩下的点则定义为待定点；

2)TIN迭代加密：对待定点进行判定是否为地面点并且刷新三角网，根据待定点的坐标位置，确定待定点所在的三角面片，计算其与所在三角面片的角度和距离，如果角度和距离均小于给定阈值则定义为地面点；否则计算三角面片的坡度，如果坡度小于阈值则判定该点为非地面点；否则，对该点的镜像点判断是否为地面点，如果是则该点为地面点，否则为非地面点；

3)将新增的地面点加入TIN，并重复TIN迭代加密过程，直到将所有地面点加入TIN为止。

进一步地，所述将非地面点分为树的点云和非树点云的过程就是通过获取点云数据的DSM和DEM进行构建nDSM来确定树的点云和非树点云。

进一步地，所述根网格和树枝网格的确定是通过以下两个标准来实现的，对于每一个分割组块及其邻接分割组块：

1)每个分割组块中，具有最小高程的格网为根网格；

2)按照每个分割组块为单位，直接或间接连接到根网格的网格均为树枝网格。

进一步地，利用3D网格融合算法将过分割的点云进行融合的过程包括以下步骤：

1)如果一个分割组块的根网格与其邻接分割组块的根网格之间的二维距离超过规定的阈值时则不进行融合，否则进入下一步；

2)如果该分割组块的根网格与其邻近分割组块的树枝网格之间的二维或者三维距离超过规定的阈值时则不进行融合，否则进入下一步；

3)如果该分割组块的每个树枝网格与其邻近分割组块的树枝网格之间的二维或者三维距离超过规定阈值时则不进行融合，否则将该分割组块与其邻接分割组块进行融合；

4)重复上述步骤继续对两个相邻分割组块进行融合。

该对获取的甚高郁闭度森林区域的地面信息通过树木分割来提取单棵树的方法，利用图像分割算法获取初始分割结果，然后通过3D网格融合算法对过度分割进行融合，并利用单棵树的三维模型提取出单棵树，可以修正传统图像分割算法中出现的过度分割问题，提供准确的单木提取结果，而且不受点云密度的限制，极大地减少了人工干预，根据分割结果建立的三维树模型，可以获取相应的森林参数，为森林应用提供较为准确的树木生长参考数据。

以上所述只是本发明的优选实施方式，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也被视为本发明的保护范围。