-
公开(公告)号：CN110554406B
公开(公告)日：2023-07-04
申请号：CN201910857028.X
申请日：2019-09-10
Applicant: 南京林业大学
IPC: G01S17/894
Abstract: 本发明公开了一种基于无人机立体摄影测量点云的次生林结构参数反演的方法，属于森林资源监测、生态因子调查及生物多样性研究等领域。本发明借助无人机对次生林采集影像数据，对影像数据进行影像匹配，影像拼接，获取稀疏点云；对稀疏点云加密，获取加密点云；借助无人机搭载的激光雷达获取的数字地形模型对加密点云进行归一化，获取归一化摄影测量点云数据；对归一化摄影测量点云数据提取点云特征变量；优选点云特征变量，借助地面实测数据建立多元回归模型反演林分特征，实现了高质量地反演森林结构参数。
-
公开(公告)号：CN110378909B
公开(公告)日：2023-06-06
申请号：CN201910551190.9
申请日：2019-06-24
Applicant: 南京林业大学
IPC: G06T7/11 , G06N3/0464
Abstract: 本发明公开了一种基于Faster R‑CNN的面向激光点云的单木分割方法，包括获取林段点云数据；计算扫描林段的点云特征，实现林段点云数据的枝叶分离；对林段的主干点云数据进行自适应体素化操作，并对其进行多角度投影以生成相应的深度图像；采用深度学习方法对生成的深度图像中的主干进行检测；利用检测到的深度图像中主干的位置信息，通过反投影获得相应主干的空间三维点云。将获取到的主干部分的点云作为种子点，结合区域增长算法实现单木分离。本发明采用深度学习方法，借助大数据样本进行学习，单木分割准确度更高，为使用深度学习来准确的解决基于地面的LiDAR数据的单个橡胶树分割问题提供可能性。
-
公开(公告)号：CN109961470B
公开(公告)日：2023-04-25
申请号：CN201910130528.3
申请日：2019-02-21
Applicant: 南京林业大学
Abstract: 本发明公开了一种基于激光点云的活立木叶属性精准估测方法，包括：对树木点云数据进行处理实现枝叶分离；通过具有自适应半径的球体邻域模型和四个辅助准则提取叶子的中心区域点；聚类叶子的中心区域点从而获得每个叶子表面的中心点；通过三维分水岭算法获取每个叶子表面的非中心区域点从而实现单片叶子点云的分割；采用Delaunay三角剖分面向单片叶子点云推导出每片叶子的面积；计算叶子表面的法向矢量与天顶角之间的夹角得到对应叶子的叶片倾角；计算水平面的北方向与叶子主轴线在水平面上的投影之间的顺时针角度得到对应叶子的叶片方位角。本发明可以准确得到树冠每个单片叶子的叶片属性，减少人工劳动工作量，效率高。
-
公开(公告)号：CN109031344B
公开(公告)日：2020-11-10
申请号：CN201810869943.6
申请日：2018-08-01
Applicant: 南京林业大学
IPC: G01S17/89
Abstract: 本发明公开了一种全波形激光雷达和高光谱数据联合反演森林结构参数的方法，先对机载全波形激光雷达数据进行去噪、平滑、强度校正、滤波，插值生成数字地形模型，点云及波形数据高度归一化处理；对高光谱影像进行辐射定标、大气校正、几何校正预处理；然后，分别基于归一化点云和波形数据、预处理高光谱数据分别提取特征变量；最后，结合地面实测数据和提取的特征变量分别构建多元回归模型以预测各森林结构参数。本发明有助于提高森林结构参数的反演精度，并有效抑制森林覆盖度高、生物量高林分结构参数反演的“饱和”问题。有效增强了森林结构参数反演的能力和精度；与使用其他相近遥感方法进行林分结构参数相比，其相对均方根误差提升了5％以上。
-
公开(公告)号：CN110580468A
公开(公告)日：2019-12-17
申请号：CN201910856188.2
申请日：2019-09-10
Applicant: 南京林业大学
Abstract: 本发明公开了一种基于影像匹配点云的单木结构参数提取的方法。该方法包括以下步骤：对需要测量的单木环绕拍摄，获取单木的多重叠度影像；采用图像密集匹配的方法对重叠度高的照片进行拼接，然后采用空三加密的方法生成密集点云，获得单木的三维点云数据；接着将点云数据进行去噪处理并进行地面点分类，根据地面点进行归一化处理，生成数字表面模型DSM；在生成的DSM上直接对单木进行测量，获得单木结构所需的参数，并与实际测量的结果进行对比分析及精度评价。该方法通过非接触测量，更加方便快捷，大大缩短了人工时间和资金支出。通过本发明对单木结构参数提取测量，与使用其他相近遥感方法进行分类相比，其总体精度提升了5％以上。
-
Patent Agency Ranking
公开(公告)号：CN109961470A
公开(公告)日：2019-07-02
申请号：CN201910130528.3
申请日：2019-02-21
Applicant: 南京林业大学
Abstract: 本发明公开了一种基于激光点云的活立木叶属性精准估测方法，包括：对树木点云数据进行处理实现枝叶分离；通过具有自适应半径的球体邻域模型和四个辅助准则提取叶子的中心区域点；聚类叶子的中心区域点从而获得每个叶子表面的中心点；通过三维分水岭算法获取每个叶子表面的非中心区域点从而实现单片叶子点云的分割；采用Delaunay三角剖分面向单片叶子点云推导出每片叶子的面积；计算叶子表面的法向矢量与天顶角之间的夹角得到对应叶子的叶片倾角；计算水平面的北方向与叶子主轴线在水平面上的投影之间的顺时针角度得到对应叶子的叶片方位角。本发明可以准确得到树冠每个单片叶子的叶片属性，减少人工劳动工作量，效率高。
-
公开(公告)号：CN109212505A
公开(公告)日：2019-01-15
申请号：CN201811060614.3
申请日：2018-09-11
Applicant: 南京林业大学
Abstract: 本发明公开了一种基于无人机多光谱高重叠度影像的森林林分特征反演方法，借助无人机机载多光谱传感器获取高重叠度影像，利用波段组合和植被指数变换获取光谱数据；并利用空中三角测量算法与点云密集匹配算法生成数字点云数据；基于归一化点云数据和光谱数据来提取待测林冠层结构特征变量；最后结合地面实测待测林林分数据和提取的待测林冠层结构特征变量构建多元回归模型，反演待测林林分特征。本发明有助于提高森林林分特征的反演精度，并可掌握待测林空间结构及动态变化规律，对于森林可持续生产经营、生态环境建模及维持区域生态平衡具有重要意义。
-
公开(公告)号：CN109164459A
公开(公告)日：2019-01-08
申请号：CN201810864245.7
申请日：2018-08-01
Applicant: 南京林业大学
Abstract: 本发明公开了一种结合激光雷达和高光谱数据对森林树种分类的方法，属于森林资源监测技术领域。本发明首先对获取的激光雷达点云数据进行去噪、归一化，然后通过激光雷达点云数据中的点云距离的差异提取研究区内的单木冠幅，然后提取高光谱数据中作为分类的变量特征，结合提取的单木冠幅，将高光谱特征在冠幅内进行统计与汇总，以汇总过后的特征均值作为训练样本对树种利用随机森林算法进行分类，具有效率高、精度高的优点，本发明的方法不仅利于特征变量的机理解释，也易于通过方法移植应用于天然林和次生林等。
-
公开(公告)号：CN109031344A
公开(公告)日：2018-12-18
申请号：CN201810869943.6
申请日：2018-08-01
Applicant: 南京林业大学
IPC: G01S17/89
CPC classification number: G01S17/89
Abstract: 本发明公开了一种全波形激光雷达和高光谱数据联合反演森林结构参数的方法，先对机载全波形激光雷达数据进行去噪、平滑、强度校正、滤波，插值生成数字地形模型，点云及波形数据高度归一化处理；对高光谱影像进行辐射定标、大气校正、几何校正预处理；然后，分别基于归一化点云和波形数据、预处理高光谱数据分别提取特征变量；最后，结合地面实测数据和提取的特征变量分别构建多元回归模型以预测各森林结构参数。本发明有助于提高森林结构参数的反演精度，并有效抑制森林覆盖度高、生物量高林分结构参数反演的“饱和”问题。有效增强了森林结构参数反演的能力和精度；与使用其他相近遥感方法进行林分结构参数相比，其相对均方根误差提升了5％以上。
-
公开(公告)号：CN108896021A
公开(公告)日：2018-11-27
申请号：CN201810879344.2
申请日：2018-08-03
Applicant: 南京林业大学
Abstract: 本发明公开一种基于航空摄影测量点云提取人工林林分结构参数的方法，对机载激光雷达离散点云数据滤波，插值生成数字地形模型，点云数据归一化处理；对真彩色像对特征点进行提取、匹配，进行空三加密生成航空摄影测量点云，使用生成的数字地形模型对航空摄影测量点云数据进行归一化处理；基于归一化航空摄影测量点云提取特征变量；结合地面实测数据和提取的特征变量分别构建多元回归模型以预测各林分结构特征。通过无人机高效获取的高重叠度影像数据，并借助立体摄影测量方法从影像像对中提取三维点云，从而获取森林冠层三维结构特征，有助于提高人工林林分结构参数的反演精度，并有效抑制森林覆盖度高、生物量高林分的结构参数反演“饱和”问题。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.033 seconds)
