ABSTRACT The objective of this work was to obtain the stem volume from 3D-cloud points generated by terrestrial laser scanning in Eucalyptus stands. The processing started with using algorithms for tree detection in plantation (TDP) and stem filtering (Filter Dmax). Then, the acquisition of the total height was made semi-automatically and tridimensional modelling was performed through the adjustment of circumferences (AC) and the so-called triangulated irregular network (TIN). The results were compared with field data and conventional stem volume measurements. The detection accuracy was 100% for the trees in the plots while filtering reached 70% of the stem surface. The total height presented R2 = 0.98 and residuals less than 5%. The estimated volumes, analyzed in sections with a length of 2 m, were in average smaller than that obtained by the conventional Smalian method. The occlusion of points in the tree crown precluded obtaining the total stem volume.

Resumo: A identificação de padrões de dados subjacentes significativos tais como composição de imagem e arranjos espaciais é crucial em tarefas de sensoriamento remoto. Porém, o desenvolvimento de uma abordagem eficaz para extração de informações é crucial para alcançar esse objetivo. O algoritmo propagação de afinidade (PA) é uma técnica nova e poderosa capaz de lidar com dados incomuns, contendo atributos numéricos e/ou categóricos. No entanto, PA tem algumas limitações relacionadas com a escolha do parâmetro preferência inicial, ocorrência de oscilações e processamento de grandes conjuntos de dados. Este artigo avalia o desempenho da clusterização do algoritmo PA levando em consideração a influência do parâmetro preferência e o fator de amortecimento. O estudo foi realizado considerando o algoritmo PA, PA adaptativa e PA por partição. De acordo com os experimentos, a escolha da preferência e do fator de amortecimento influenciam grandemente no número de clusters final e na qualidade da clusterização.

Abstract: The identification of significant underlying data patterns such as image composition and spatial arrangements is fundamental in remote sensing tasks. Therefore, the development of an effective approach for information extraction is crucial to achieve this goal. Affinity propagation (AP) algorithm is a novel powerful technique with the ability of handling with unusual data, containing both categorical and numerical attributes. However, AP has some limitations related to the choice of initial preference parameter, occurrence of oscillations and processing of large data sets. This paper evaluates the clustering performance of AP algorithm taking into account the influence of preference parameter and damping factor. The study was conducted considering the AP algorithm, the adaptive AP and partition AP. According to the experiments, the choice of preference and damping greatly influences on the quality and the final number of clusters.

A utilização do laser terrestre para levantamentos em povoamentos florestais tem como objetivo prover dados à modelagem tridimensional das árvores, no entanto, para que seja possível aplicar tal modelo, é necessário realizar a detecção dos pontos que fazem parte de árvores na varredura. O presente estudo propõe um método para a detecção de árvores a partir da nuvem de pontos 3D de plantios florestais. Inicialmente, procura-se reconstituir a distribuição espacial das árvores a partir da aplicação de um algoritmo de segmentação em uma seção transversal (1 metro) da nuvem de pontos. Em seguida, é apresentado um algoritmo para detectar a posição das árvores com base no padrão de alinhamento do povoamento. Por fim, os resultados obtidos são apresentados para validação pelo usuário da nuvem de pontos. O método apresentado foi testado em parcelas circulares instaladas em povoamentos de Eucalyptus spp. levantados por varreduras simples e múltiplas. Os resultados apontaram a necessidade de utilização de múltiplas estações de TLS para redução do efeito de sombreamento no levantamento das parcelas circulares. A aplicação do método de detecção de árvores em conjunto com a análise visual resultou na identificação de 100% das árvores a partir das nuvens de pontos das parcelas

Terrestrial LIDAR measurements in forest stands is often used to gather data for 3D tree models. However, such models require the detection of points representing trees in the scanning field. The present study offers a method for tree detection from a 3D point cloud of forest plantations. Initially the spatial distribution of trees is reconstructed by applying a segmentation algorithm in a transverse slice (1 meter) through the point cloud. This is followed by an algorithm for detecting tree position based on plantation stand row alignment. Finally, the results are presented for validation by the point cloud user. The methods were evaluated over young Eucalyptus spp. stands (i.e. 2, 4 and 5 years) exploring single and multiple positioning of the TLS device inside the circular plots. Results suggest that several TLS stations should be used to reduce shading effects in mapping circular plots. Employing the tree detection method with the visual analysis of point clouds of each plot were identified 100 % of the trees.

Os sensores inerciais MEMS de baixo custo apresentam grandes vantagens para diversas aplicações em navegação, porém estes dispositivos são caracterizados por diversos tipos de erros. Através de procedimentos específicos como a calibração é possível obter resultados com melhor acurácia. Neste artigo utilizou-se o Método de Calibração Multi-Posições Modificado, que permite determinar erros sistemáticos, tais como deriva, erro de fator de escala e de não-ortogonalidade. O método, o procedimento e as equações desta calibração são brevemente descritos. Primeiramente foi realizada a calibração com diferentes acelerômetros. O desempenho dos parâmetros de calibração foi verificado por meio de um teste em campo, comparando as trajetórias calculadas pelas acelerações antes e após as correções. Após a correção das acelerações com os parâmetros de calibração, foram verificadas algumas discrepâncias nas trajetórias. Ainda assim houve uma melhora significativa na solução final. A vantagem deste método consiste no fato de que este não requer o uso de equipamentos especiais ou de um preciso alinhamento dos sensores, podendo ser aplicado em campo antes da utilização dos sensores.

The low-cost inertial sensors MEMS are very advantageous for several applications in navigation, however these devices are characterized by several types of errors. By performing specific procedures such as calibration it is possible to obtain results with better accuracy. In this paper, it has been used the Modified Multi-Position Calibration Method, which allows to determine systematic errors, like bias, scale factor error and misalignment of the axes error. This method, the procedure and the equations of this calibration are shortly described. First of all, a calibration of different accelerometers has been made. The performance of the calibration parameters was verified by a field test, comparing the trajectories calculated by the accelerations before and after the corrections. After correction of the accelerations with the calibration parameters, were verified some discrepancies in the trajectories. Still, there was a significant improvement in the final solution. The advantage of this method is that it does not require the use of special equipment or precise alignment of the sensors. It can be applied in the field before the use of the sensors

A varredura laserterrestre vem sendo testada e apontada como alternativa não destrutiva para mensuração de árvores. Variáveis dendrométricas podem ser obtidas a partir de técnicas de modelagem tridimensional. Porém, é necessária a filtragem dos dados para eliminar pontos que não representam a superfície do tronco. Esse trabalho teve como objetivo apresentar uma proposta de algoritmo, baseada em métodos já consolidados na literatura, para filtragem automática da nuvem de pontos do tronco da árvore. O estudo foi conduzido a partir de doze árvores inseridas em um povoamento inequiâneo de Pinusspp. Três estações laser foram utilizadas para o recobrimento de cada árvore. O algoritmo proposto, denominado de Filtro Distância Máxima (Filtro Dmax), realiza a filtragem do tronco de forma iterativa e em seções da nuvem de pontos. Para o melhor desempenho da automatização optou-se por um algoritmo parametrizado. O Filtro Dmax foi testado experimentalmente e os resultados apontaram que as superfícies dos troncos foram efetivamente filtradas até aproximadamente dois terços da altura total das árvores estudadas. A alta densidade de acículas impediu a representação das superfícies dos troncos no terço superior das árvores. A aplicação do Filtro Dmax não alterou as características geométricas dos troncos proporcionando dados à modelagem tridimensional.

The terrestrial laser scanner has been tested and pointed as non-destructive alternative for measuring trees. Dendrometric variables can be obtained with three-dimensional modeling techniques. However, data filtering is necessary to eliminate points that do not represent the surface to the trunk. This paper aimed at presenting a proposal of an algorithm, based on methods already established in the literature for automatic filtering of point clouds of tree trunk. The study was conducted from twelve trees inserted in a stand of Pinus spp with different ages. Three laser stations were used for surveying each tree. The proposed algorithm, called Maximum Distance Filter (Dmax Filter), filters iteratively the trunk by sections of the point cloud. For the best automation performance, we chose a parametric algorithm. The Dmax Filter was experimentally tested and the results showed that the surfaces of the trunks were effectively filtered up to approximately two thirds of the total height of the trees studied. The high density of leaves prevented the surface representation of the trunks in the upper third of the trees. The application of Dmax Filter did not change the geometric characteristics of the tree trunk and provided data to the three-dimensional modeling.

O laser scanner terrestre é uma alternativa para a coleta de dados dendrométricos em campo sem a necessidade da derrubada da árvore. Assim, este estudo teve como objetivo avaliar a influência da distância da varredura laser terrestre na determinação das variáveis dendrométricas. Foram analisadas duas árvores com altura total de 17,14 m e 16,00 m. A varredura laser foi realizada a 5, 10, 15 e 20 m de distância da árvore. Os diâmetros foram obtidos em alturas parciais até o topo da árvore. Os resultados obtidos com a varredura laser foram validados com as medidas obtidas tradicionalmente em campo com suta e trena. A melhor distância para a obtenção das variáveis dendrométricas foi de 15 m para ambas as árvores. As distâncias menores que 10 m não foram indicadas para a mensuração das duas árvores analisadas. A determinação da altura total foi coerente com as medidas paramétricas. Foi possível a determinação de diâmetros até 55% da altura total e, acima, a ramificação da árvore resultou em uma super ou subestimativa. A melhor distância de varredura possivelmente está atrelada à altura da árvore.

The terrestrial laser scanner is presented as an alternative to dendrometric data collection in the field without the necessity of cutting down trees. This study aimed at the evaluation of the scanning distance for dendrometric variables determination. Two trees have been used in the study, with total height of 17.14 and 16.00 m. Data collection has been made at distances of 5, 10, 15 and 20 m. Diameters have been obtained in partial heights up to the top of the tree. Data has been validated by using the caliper and tape. The best scanning distance to obtain reliable variables has been at 15 m for both trees. Distances closer than 10 m are not recommended in this case. Total height determination has been coherent with the parametric measurements. Diameter estimative has been possible up to 55% of tree height and above that, resulted in over or under-estimative. The best scanning distance is possibly linked to the tree height.