Mapování stojícího a ležícího mrtvého dřeva pomocí pozemních metod laserového skenování

Bc. Victor Damon Girotto

Diplomová práce

Mapping Standing and Fallen Dead Wood Using Ground-based Laser Scanning Methods

Anotace:

V této práci se testovaly možnosti detekce stojícího a ležícího mrtvého dřeva pomocí pozemních metod laserového skenování – TLS a MLS. Byly zkoušeny možnosti a limity segmentace bodových mračen na jednotlivé stromy a testovány možnosti klasifikace stromů na živé a mrtvé. Dále byl hledán způsob detekce ležících mrtvých kmenů v porostu. V neposlední řadě byla zkoumána přesnost určování dimenzí skrze nasnímaná data z laserového skenování. Byla naskenována tři bodová mračna pomocí MLS. Následně v softwaru CloudCompare byl odfiltrován terén nástrojem CSF filter a provedena segmentace stojících stromů na mračna obsahující jednotlivé stromy pluginem TreeIso. Následně byly klasifikovány jednotlivé segmenty stojících stromů na živé a mrtvé pomocí vytvořeného skriptu a měřeny jejich dimenze. Při hledání ležících mrtvých kmenů byl též terén a zároveň veškerá vegetace, která se nacházela výše než 2 metry nad zemí odfiltrována. Byla provedena segmentace pomocí nástroje Label to Connected Components. V jednotlivých segmentech byl poté hledán dominantní směr, pomocí kterého byly jednotlivé ležící kmeny lokalizovány a poté měřeny jejich dimenze. Výsledky potvrzují, že v hustých strukturovaných porostech dochází k nedokonalému naskenování okolí. Problémy nastávají především v korunách nejvyšší etáže a v hustých mlazinách či křovinách. Přibližně 9 % z celkového počtu vygenerovaných segmentů bylo falešně pozitivních a neobsahovalo nic identifikovatelného. Dalších cca 9,3 % segmentů obsahovalo pouze přízemní vegetaci či fragmenty větví stromů. 81,64 % segmentů obsahovalo stromy. 38,13 % stromů bylo správně segmentováno do jednoho segmentu. Po cca 19 % byly jednotlivé stromy rozpadlé do vícero segmentů nebo naopak spojeny s jedním dalším stromem. Zbytek stromů byl segmentován chybně nějakou složitější kombinací těchto jevů. Při klasifikaci stojících stromových segmentů byly všechny stromy klasifikovány jako živé. Přesnost však přesto vyšla 92,6 %. Hodnoty „precision“ a „recall“ však byly nulové. Důvodem tohoto výsledku byla velmi silná nevyváženost vstupních dat, jelikož pouze 6 stromů bylo skutečně mrtvých z celkového počtu 81. Úspěšnost správného určení dominantního směru u 14 vytvořených segmentů ležícího dřeva dosáhla 57 %. Díky husté a strukturované vegetaci, nedokonalému naskenování a následným horším výsledkům segmentace dopadlo měření dimenzí stojícího a především ležícího mrtvého dřeva velice nepřesně. V některých případech docházelo k extrémnímu nadhodnocování nebo naopak podhodnocování dimenzí v důsledku ovlivnění přítomností velkého množství rušivé vegetace uvnitř segmentů. Pomocí ordinální statistické regrese bylo zjištěno, že druh dřeviny ani velikost stromu nemají vliv na kvalitu segmentace. Na srovnávacím bodovém mračně stejnověkého lesa bylo prokázáno, že největší vliv na kvalitu segmentace má hustota porostu a jeho výšková struktura, což potvrzují i jiné studie. Při určování dimenzí byla u výšek souší zjištěna relativní chyba 20,5 %. U určování dimenzí ležících mrtvých kmenů zjištěna relativní chyba 13,52 % u délek a 29,57 % u objemů.

Abstract:

This diploma thesis tested the possibilities of standing and lying dead wood detection using ground methods of laser scanning – TLS and MLS. Possibilities of point cloud segmentation of single trees were examined and classification of standing trees into living and dead categories were tested. A method for detecting dead wood in forest stands was developed. At last, the determination of dead wood dimension using laser-scanned data accuracy was examined. Three point clouds were scanned by an MLS scanner. CloudCompare software was used to process the point clouds. The terrain was removed by using the CSF filter and the segmentation of standing trees into single point clouds was done by the plugin TreeIso. Subsequently, the individual segments were classified into classes of dead and alive using a created script. During the detection period of the dead trunks, the terrain was filtered out as well as all the vegetation that was 2 meters above ground. Segmentation was done by the Label to Connected Components tool. The dominant direction was searched inside the segments to localize the individual lying tree trunks and to measure their dimensions. The results show that imperfect laser scans are generated in dense, structured forest stands. Imperfections are present, especially in the scans of the tallest tree canopies or in dense juvenile stands and shrubs. About 9 % out of all the generated segments are false positives and do not contain anything that could be identified. Another circa 9,3 % of segments contained only ground vegetation or small fragments of tree branches. 81,64 % of segments contained actual trees. 38,13 % of trees were correctly segmented into a single segment. About 19 % of trees were split up into several segments and another 19 % were joined with another tree inside the segment. The rest of the trees were incorrectly segmented through a combination of these phenomena. During the process of classification of the tree segments, all the trees were classified as living. The accuracy of the classification still resulted in 92,6 %. The precision and recall values both resulted in zero. The reason for this result was a very strong imbalance in the input data, because only 6 standing trees were dead out of 81 trees. The success rate of the correct dominant direction determination of 14 generated lying dead wood segments reached 57 %. Thanks to the dense and structured vegetation, imperfectly generated laser scans, followed by the poor outcome of the segmentation process, the results of the dimension measuring of standing and especially lying dead wood was very inaccurate. In some cases, extreme overestimates or underestimates of dimensions occurred due to the impact of a large amount of interfering vegetation inside the segments. With the help of an ordinal statistical regression model a discovery was made that the tree species and/or the dimension of the tree does not have any effect on the quality of the segmentation. A comparative analysis of point clouds from an age-homogeneous forest stand demonstrates that stand density and vertical structure are the primary factors influencing segmentation quality. That is also confirmed by other studies. During the determination of dimensions of the height of standing dead trees a relative error of 20,5 % was found. As for the lying dead wood a relative error of 13,52 % for lenght and 29,57 % for volume was found.

Klíčová slova

mrtvé dřevo, laserové skenování, TLS, MLS, segmentace

Keywords

dead wood, laser scanning, TLS, MLS, segmentation

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 4. 4. 2026

Obhajoba závěrečné práce

• Obhajoba proběhla 25. 5. 2026
• Vedoucí: doc. Ing. Karel Kuželka, Ph.D.
• Oponent: Tomáš Mikita, externi

Česká zemědělská univerzita v Praze

Fakulta lesnická a dřevařská

Magisterský studijní program:
Lesní inženýrství