Algoritmo para la estimacin de la masa forestal, clculo de caractersticas de rboles individuales partiendo de imgenes LiDAR

Palomino Palomino, M Pilar E-mai l- ppalominos@gmail.com Departamento de Economa y Gestin Forestal. E.T.S. Montes, UPM Garmendia Salvador, Luis E-mail- lgarmend@fdi.ucm.es Departamento de Ingeniera del Software e Inteligencia Artificial (DISIA), UCM Mauro Gutirrez, Francisco E-mail-pmaurogut@hotmail.com Garmendia Salvador, Alfonso - algarsal@upvnet.upv.es Instituto Agroforestal Mediterrneo, UPV.

RESUMEN
En este artculo se describe un algoritmo para la estimar la masa forestal, posicionamiento de los rboles y la altura de los mismos, partiendo de imgenes LiDAR. Con este algoritmo se pueden contabilizar los rboles de pequea altura y rboles con dos copas y un nico tronco. La deteccin de estos rboles suelen presentar muchas problemticas con otros algoritmos.
Palabras claves:

Escaneo laser; segmentacin; DTM; LiDAR; rasterizacin

ABSTRACT
The article describes an algorithm for estimating the forest biomass, position and height of the trees from LiDAR images. The advantage of this algorithm is the possibility to count small trees and to detect trees with two canopies with a single trunk. It is difficult to detect these trees with another algorithms.
Keywoards

Laser scanning; segmentation; DTM; LiDAR; rasterization

Jornadas Internacionales de Didctica de las Matemticas en Ingeniera 275

Algoritmo para la estimacin de la masa forestal, clculo de caractersticas de rboles individuales partiendo de imgenes LiDAR

1. INTRODUCCIN
Una de las posibles aplicaciones de las imgenes LiDAR es conocer caractersticas de los rboles, realizar inventario forestal, determinar la biomasa forestal, el volumen de madera, estimar la altura de los rboles entre otras muchas. El escner lser aerotransportado ofrece grandes oportunidades para el clculo de estas caractersticas en extensas reas forestales. Los sistemas que usan imgenes LiDAR han mejorado a medida que el nmero de impulsos transmitidos por escner lser aumenta. Ya que se permite una investigacin detallada de las zonas forestales y la creacin de 3 dimensiones de altura de los rboles. Existen diversos mtodos que permiten localizar los rboles, calcular la masa forestal, calcular la altura partiendo de la informacin obtenida de las imgenes LiDAR. En este artculo se describe una mejora al mtodo publicado por Wang para el clculo de la masa forestal, la altura de los rboles y el posicionamiento de estos.

2. CONTEXTO DEL TRABAJO

El clculo de posiciones de puntos partiendo de las coordenadas conocidas de otros puntos y de un conjunto de mediciones de ngulos y distancias es el pilar fundamental de la topografa y las tcnicas de posicionamiento. La aparicin de sensores LiDAR ha supuesto una revolucin en lo que se refiere a captura de datos espaciales. Los sensores LiDAR son equipos lser que permiten calcular la posicin de puntos en el espacio de una forma masiva. Existen variantes de este tipo de aparatos, pero la que est desarrollndose con ms fuerza en el campo de la investigacin forestal es la variante aerotransportada. sta consiste en montar un sensor lser en un avin o helicptero y sobrevolar la zona a estudiar escaneando la superficie terrestre. El principio de funcionamiento de estos sensores es conceptualmente sencillo pues a partir de las coordenadas conocidas del emisor lser y de las mediciones efectuadas de ngulos y distancias se calculan las coordenadas de puntos en el espacio cuya posicin se desconoca. La medicin de ngulos y distancias la realiza el sensor de la siguiente forma:
276 Jornadas Internacionales de Didctica de las Matemticas en Ingeniera

Algoritmo para la estimacin de la masa forestal, clculo de caractersticas de rboles individuales partiendo de imgenes LiDAR

El sensor emite pulsos lser y anota la posicin en la que se encuentra en ese instante y la direccin en la que ha lanzado los pulsos. Algunos pulsos chocan contra la cubierta vegetal y vuelve hacia el sensor, otros pulsos siguen su camino hasta chocar contra el suelo y una vez chocan contra la tierra rebotan y vuelven hacia el avin. El sensor recibe los rebotes de los pulsos emitidos y calculando el tiempo que han tardado en ir y volver calcula la distancia a las que ha chocado. Conocidas las distancias a las que han chocado los pulsos, las direcciones en las que stos fueron lanzados y la posicin desde donde se emitieron se reconstruye la posicin original de los puntos donde rebot cada uno.

Figura 1: Imgenes LiDAR.

Una de las grandes ventajas que ofrecen estos sensores frente a otros de otro tipo es el elevado volumen de puntos que pueden registrar de forma precisa. Sin embargo presentan un inconveniente, la toma de puntos se hace de una forma indiscriminada. Se controla la zona por la que pasa el avin pero no el lugar exacto donde rebotan los puntos lser emitidos por el sensor. As el resultado de un escaneo LiDAR es una nube de millones de puntos almacenados en un fichero tipo *.las de los cuales parte pertenecen al suelo y parte pertenecen a la superficie de las copas de los rboles. El problema de discriminar qu pulsos son

Jornadas Internacionales de Didctica de las Matemticas en Ingeniera

277

Algoritmo para la estimacin de la masa forestal, clculo de caractersticas de rboles individuales partiendo de imgenes LiDAR

suelo y cuales son copas de rboles ha sido resuelto, sin embargo an hay problemas importantes que resolver. Las tcnicas actuales clasifican a todos los puntos que chocan en las copas de los rboles como puntos sobre vegetacin, esta clasificacin deja mucho que desear si se desea estimar el nmero de rboles presentes en el bosque. Hay numerosos algoritmos para localizar los pices de los rboles, contarlos y medirlos de forma automtica, si bien la mayora de ellos realizan un proceso previo de rasterizacin de la nube de puntos. En este proceso se pasa de una nube de puntos irregularmente distribuidos a una malla de puntos regularmente espaciada pero mucho menos poblada. En esta rasterizacin se pierde o se distorsiona la informacin pero se gana en operatividad. Las experiencias muestran que pese a que los algoritmos funcionan notablemente en ciertas condiciones hay otros en las que la mayor irregularidad de los bosques escaneados hace que estos algoritmos sean totalmente inviable.

Figura 2: Perfil longitudinal extraido en una parcela de inventario forestal.

Los puntos de color rosa se corresponden con puntos clasificados como suelo. Los puntos verdes son puntos clasificados como vegetacin. Se puede intuir como los puntos verdes dibujan el contorno de las copas de los rboles.
278 Jornadas Internacionales de Didctica de las Matemticas en Ingeniera

Algoritmo para la estimacin de la masa forestal, clculo de caractersticas de rboles individuales partiendo de imgenes LiDAR

3. ALGORITMO QUE SE PRESENTA

El algoritmo que se presenta se basa en el algoritmo descripto por Wang en su artculo [1], mejorando uno de sus puntos dbiles, como la deteccin de rboles con dos copas. A continuacin se explica cada uno de los puntos del algoritmo propuesto en este trabajo. 3.1. Pre-procesamiento de la nube de puntos LiDAR El pre-procesamiento contiene dos pasos. Primero, la subdivisin de datos en reas de inters, segundo, normalizacin de los puntos. 3.1.1. Subdivisin de datos en reas de inters Debido al gran coste computacional de memoria y almacenamiento, no es posible analizar todos los puntos de un rea grande en un slo paso. De modo que el rea a estudiar se va a dividir en varias grids (celdas) pequeos como se muestra en la siguiente figura:

Figura 3: Segmentacin de la imagen

Adems se aplicar el algoritmo a cada grid por separado. El tamao de cada celda puede ser variable. Se probar con diferentes tamaos para contrastar los resultados y ver con que tamao se obtiene un mejor resultado.

Jornadas Internacionales de Didctica de las Matemticas en Ingeniera

279

Algoritmo para la estimacin de la masa forestal, clculo de caractersticas de rboles individuales partiendo de imgenes LiDAR

3.1.2. Normalizacin de puntos El algoritmo se basa en el anlisis de la altura de los objetos de la nube de puntos, por lo que la influencia del terreno debe de ser eliminada. Los puntos brutos son proyectados sobre el DTM, la diferencia de altura entre el punto bruto y el terreno se corresponde a la altura normalizada que estamos buscando. De esa forma normalizamos todos los puntos y obtenemos las alturas normalizadas de todos los puntos de la nube de puntos. A partir de este momento se va a trabajar con la altura normalizada, eliminando de esa forma la influencia del terreno. En las figuras siguientes se muestra el resultado de aplicar normalizacin a la nube de puntos:

Figura 4: Normalizacin de puntos.

3.2. Proyecciones horizontales Para llevar a cabo este paso nos centraremos exclusivamente en una celda. Se define un espacio local de voxel. Vxel o voxel (la palabra proviene de la contraccin del trmino en ingls "volumetric pixel") es la unidad cbica que compone un objeto tridimensional. Constituye la unidad mnima procesable de una matriz tridimensional y es, por tanto, el equivalente del pxel (o pixel) en un objeto 2D. Al igual que los pxels, los vxels no contienen su posicin (x,y,z) en el espacio 3D, sino que esta se deduce por la posicin del vxel dentro del archivo de datos.

280

Jornadas Internacionales de Didctica de las Matemticas en Ingeniera

Algoritmo para la estimacin de la masa forestal, clculo de caractersticas de rboles individuales partiendo de imgenes LiDAR

Todos los puntos normalizados de cada celda (obtenidos del paso anterior) sern reemplazados por puntos pertenecientes al espacio voxel. De forma que cada punto normalizado en el mundo real P(x,y,z) tendr su punto correspondiente en el espacio voxel P'(row, colum, layer). La relacin entre el sistema de coordenadas del espacio voxel (row, columns, layers) y el sistema de coordenadas del mundo real (x, y , z) es la siguente: [row column layer] = Round (M x [x y z 1] r ) donde:

Figura 5: espacio de Voxel y matriz M r: resolucin del raster t: delgadez de una capa x0,y0: coordenadas del origen local En este punto obtendremos una serie de imgenes en 2D, donde la tercera dimensin vendr marcada por la posicin del voxel dentro del espacio. Dependiendo de la densidad de la nube de puntos brutos y de la escala de r y t dentro de la matriz M, es posible que varios puntos normalizados se encuentren dentro del mismo voxel. Si cogemos todos los voxels de un sola capa del espacio Voxel, podemos considerar cada voxel como pxeles de una imagen. Podemos marcar cada voxel con un nivel de gris, en funcin del nmero de puntos normalizados que contenga. Los puntos brutos pertenecientes a cada una de las copas de cada rbol individual pertenecern a un grupo en funcin de la proyeccin horizontal de

Jornadas Internacionales de Didctica de las Matemticas en Ingeniera

281

Algoritmo para la estimacin de la masa forestal, clculo de caractersticas de rboles individuales partiendo de imgenes LiDAR

imagen y la forma de los clsters est muy relacionado con la resolucin horizontal r y el espesor t del espacio voxel. 3.4. Modelado de copas de rboles individuales Los clsters de las proyecciones horizontales de cada capa representan la distribucin de las copas de los rboles en el correspondiente nivel de altura. De esa forma cada rbol individual debera de ser visible en la misma localizacin de varias capas verticales vecinas. El concepto bsico de extraccin de un rbol es realizar un seguimiento de los clsters de arriba abajo a travs de la proyeccin de imgenes en diferentes niveles de altura. Los pasos para obtener los rboles individuales empezando por la capa de ms arriba y acabando por la capa de ms abajo son los siguientes: 1.- Delimitar el contorno de la copa. Para ello debo de buscar las estructuras que se muestran a continuacin, que me indicarn el comienzo de un rbol. Las distintas morfologas dependern del tamao de r y t y evidentemente del tipo de rboles.

Figura 6: Morforlogias de los rboles

Cuando encuentre alguna de esas formas guardo el posible rbol con las coordenadas de cada pixel que lo forma en una lista de posibles rboles. 2.- Hacer esto para cada una de las capas del espacio voxel: Tomando como punto de partida cada uno de los posibles rboles de la capa superior con todos los pixels que lo forman, busco en esta capa los mimos pxels y todos los pxels vecinos. Si encuentro alguno, los voy aadiendo a los pxel del posible rbol que aad previamente. Adems en cada capa busco las formas bsicas mostradas en el primer punto, ya que en las capas ms bajas tambin puedo encontrar copas de rboles de menor altura. En este paso no considero los pxel que ya hayan sido aadidos a un
282 Jornadas Internacionales de Didctica de las Matemticas en Ingeniera

Algoritmo para la estimacin de la masa forestal, clculo de caractersticas de rboles individuales partiendo de imgenes LiDAR

rbol. Si encuentro alguna de las formas bsicas lo aado a la lista de posibles rboles como lo hice en el paso anterior. En este paso podemos encontrarnos algn conflicto sobre todo en las capas ms baja. Puede suceder que haya un pxel que puedan pertenecer a ms de un rbol. Esto puede suceder cuando se junten rboles. Esto soluciona aadiendo un atributo ms a cada pxel perteneciente a un rbol con el grado de pertenencia de ese pxel a ese rbol (Lgica Fuzzy), de esa forma hay que tener en cuenta que cada pxel podra pertenecer a ms de un rbol. O quizs se trate de rboles con dos copas y un tronco. Este grado de pertenencia se pude deducir del nivel de gris guardado anteriormente. De forma que si el nivel de gris es muy grande podra tratarse de un nico rbol con dos copas y un tronco. Y si el nivel de gris es bajo nos indica el borde de un rbol.

3.5. Calcular la localizacin de cada rbol Una vez que haya procesado todos los pxel de todas las capas, ya tengo todos los posibles rboles guardados en la lista. Llegados a este punto debo de calcular la localizacin de cada rbol. Para este clculo se opta por posicionar cada rbol en el punto en el que comienza su copa.

3.6. Resolver el problema de la segmentacin Como se explico al principio dividimos toda la zona en grid. Llegados a este punto ha llegado el momento de juntarlos y resolver los problemas de los bordes para que no contabilicemos ningn rbol varias veces y que tampoco dejemos de contabilizar ningn rbol. Cuando se divida la imagen en celdas ms pequeas es importante dejar x metros ms a cada lado, por ejemplo 1 metro ms a cada lado. A la hora de superponer todas las celdas nos tenemos que fijar en esas zonas de borde y aplicar una mscara para no contar rboles que ya se hayan contado anteriormente.

Jornadas Internacionales de Didctica de las Matemticas en Ingeniera

283

Algoritmo para la estimacin de la masa forestal, clculo de caractersticas de rboles individuales partiendo de imgenes LiDAR

4. COMPARACIN DE ESTE ALGORITMO CON OTROS EXISTENTES

La principal diferencia entre este algoritmo y otros existentes es que en este se trata la informacin en bruto desde la imagen LiDAR, mientras que otros algoritmos como Hyyppa [2], Morsdorf [3], Brandberg [4], hacen una rasterizacin de la informacin. Otra diferencia considerable es que con este algoritmo se pueden detectar rboles pequeos, al ir tratando la informacin por capas de arriba hacia abajo. Este es un punto en el que la mayora de algoritmos encuentran un problema importante, llegando en la mayora de ocasiones a no detectarlos. La gran ventaja de este algoritmo frente al de Wang [1] es la deteccin de rboles de doble copa, gracias al mtodo fuzzy que se aplica. Este es uno de los puntos dbiles del algoritmo de Wang.

CONCLUSIN

Con este trabajo se pretende ilustrar el potencial de las imgenes LiDAR para determinar la masa forestal, la altura y localizacin de los rboles. Para esta tarea son de gran utilidad los algoritmos de clustering que nos permiten una clasificacin no supervisada. En el futuro se aplicar la lgica Fuzzy para la toma de decisiones y tcnicas de clustering borroso.

6 REFERENCIAS BIBLIOGRFICAS
[1] YUNSHENG WANG (2008). Lidar Point Cloud Based Fully Automatic 3d Single Tree Modelling In Forest And Evaluations Of The Procedure. Actas de The International Archives Of The Photogrammetry, Remote Sensing And Spatial Information Sciences (ISPRS2008), Pekn, China, pp. 45-52.

284

Jornadas Internacionales de Didctica de las Matemticas en Ingeniera

Algoritmo para la estimacin de la masa forestal, clculo de caractersticas de rboles individuales partiendo de imgenes LiDAR

[2]

JUHA HYYPPA (2000). Feasibility For Estimation Of Single Tree Characteristics Using Laser Scanner. Geoscience and Remote Sensing (Symposium proceedings), pp. 981-983

[3]

FELIX MORSDORF, ERICH MEIER, BRITTA ALLGOWER and DANIEL NUESCH. (2003) Clustering in airborne laser scanning raw data for segmentation of single trees. Actas de The International Archives Of The Photogrammetry, Remote Sensing And Spatial Information Sciences (ISPRS2003), Dresden, Germany, pp. 8-10.

[4]

BRANDTBERG (2003). Detection And Analysis Of Individual Leaf-Off Tree Crows In Small Footprint, High Sampling Density Lidar Data From The Eastern Deciduous Forest In North America. Remote Sensing of Environment 85(3), pp. 290-303.

Jornadas Internacionales de Didctica de las Matemticas en Ingeniera

285