-
公开(公告)号：CN108335354A
公开(公告)日：2018-07-27
申请号：CN201810172379.2
申请日：2018-03-01
Applicant: 东北林业大学
IPC: G06T17/00
Abstract: 一种基于移动最小二乘法的贪婪投影三角化算法单木重建方法，本发明涉及基于移动最小二乘法的贪婪投影三角化算法单木重建方法。本发明为了解决现有技术精度低的问题。本发明包括：步骤一：通过地面三维激光扫描仪获取单木的三维点云数据；步骤二：利用步骤一得到的单木三维点云数据采用贪婪投影三角化算法进行三维重建，得到三维重建图；步骤三：利用移动最小二乘法对步骤二得到的三维重建图进行曲面拟合。本发明结合移动最小二乘法，通过贪婪投影三角化算法进行单木的三维重建，并对单木进行曲面拟合。本发明对最小二乘法作了较大的改进，使生成的曲面更光滑，精度更高。本发明用于单木重建领域。
-
公开(公告)号：CN106304937B
公开(公告)日：2018-04-17
申请号：CN201610940649.0
申请日：2016-10-25
Applicant: 东北林业大学
IPC: A01D15/04
Abstract: 一种平贝收获机，属于农业机械技术领域。本发明解决了现有的用于平贝收获的机械功耗大的问题。挖铲的前部与主轴通过两组传动组件可转动连接，挖铲通过第一摇臂可转动连接在机架主体上，主轴通过链传动机构与变速器连接，筛选装置通过带传动机构与主轴连接，筛网主体通过第三摇臂及第四摇臂可转动连接在机架主体上，且筛网主体的前端与第二曲柄盘通过第三连杆可转动连接，下层筛网的网孔小于上层筛网的网孔，每个碎土杆均平行于上层筛网设置且若干碎土杆形成的平面倾斜于上层筛网，上层筛网的后端设置有第一出料口，下层筛网的后端设置有第二出料口，第一出料口和第二出料口交错设置。本发明用于收获及筛选平贝。
-
公开(公告)号：CN112407079B
公开(公告)日：2024-07-05
申请号：CN202011426798.8
申请日：2020-12-09
Applicant: 东北林业大学
Abstract: 一种履带式森林火灾早期监测机器人，它涉及林业火灾监测机械领域。本发明解决了现有森林火灾早期监测及预警采用人工监测，存在难度大，不易实现，成本高，劳动强度高和风险大的问题。本发明的主动轴水平可转动安装在履带平台的后端，两个轮履复合型履带分别安装在主动轴两端，自平衡平台安装在履带平台上部，监测机构底部可转动安装在履带平台上，监测机构竖直设置在自平衡平台上部，清障机械臂底部可转动安装在履带平台上方，清障机械臂通过回转支承与自平衡平台连接，两个除障拨片分别相对设置在清障机械臂的两侧，除障拨片沿履带平台的长度方向水平设置在履带平台前方。本发明用于森林火灾早期监测。
-
公开(公告)号：CN113988222A
公开(公告)日：2022-01-28
申请号：CN202111427472.1
申请日：2021-11-29
Applicant: 东北林业大学
Abstract: 本发明提供一种基于Faster‑RCNN的森林火灾检测与识别方法，步骤如下：1)获取数据，鉴于林火数据采集的特殊性，通过公开的数据集(IEEE Datasets中的“FLAME数据集)获取森林火灾图像数据。2)数据扩充：对林火图片进行平移、翻转、添加噪声等操作扩充数据集。3)制作数据集：对图片中的火焰区域进行标注，并划分数据集。4)训练模型：用搭建好的Faster‑RCNN模型对训练集进行训练，得到训练好的模型。5)模型测试：用生成的模型对测试集图片进行检测。6)对检测出火灾的图片进行信息提取，输出位置信息和时间信息。本发明通过对森林火灾图像的分析，实现对森林火灾的检测，并可以返回火灾发生的大概时间和位置，具有较高的准确率和检测速度，为林区防火的数字化和自动化提供了参考。
-
公开(公告)号：CN107451982B
公开(公告)日：2020-08-14
申请号：CN201710693176.3
申请日：2017-08-14
Applicant: 东北林业大学
Abstract: 一种基于无人机影像的高郁闭度林分树冠面积获取方法，本发明涉及高郁闭度林分树冠面积获取方法。本发明为了解决现有无人机获取的影像数据由于树冠之间的相互遮挡存在无法准确区分的连结树冠，导致无法准确提取单木树冠信息以及面积的问题。本发明包括：一：生成数字正射影像、数字表面模型和数字高程模型；二：对数字正射影像处理得到林地区域图像，经过二值化和图像形态学处理后利用索贝尔算子检测林地边缘；三：对数字表面模型进行中值滤波后得到各行和各列的像素曲线，取出曲线上的极小值点得到相互遮挡树冠之间的边界；四：将林地边缘和相互遮挡树冠之间的边界进行合并后，利用霍夫变换算法检测圆并提取树冠面积。本发明用于林业遥感领域。
-
Patent Agency Ranking
公开(公告)号：CN107063187A
公开(公告)日：2017-08-18
申请号：CN201710318091.7
申请日：2017-05-08
Applicant: 东北林业大学
IPC: G01C11/00
CPC classification number: G01C11/00
Abstract: 一种全站仪与无人机影像联合的树高快速提取方法，本发明涉及全站仪与无人机影像联合的树高快速提取方法。本发明为了解决单一无人机获取的影像数据由于树冠之间的相互遮挡，导致局部区域信息缺失的问题。本发明包括：一：利用无人机采集林地的影像，利用全站仪或GPS‑RTK采集林地的地形数据；二：对无人机采集的影像和控制点坐标进行定向拼接后得到林地数字正射影像，对林地数字正射影像数据进行立体观测得到树梢点坐标；三：利用自然生长算法将地形数据生成不规则三角网；四：在不规则三角网中进行高程内插，求取树梢点正下方的地面坐标作为树根点坐标，求取树梢点坐标和树根点坐标的高程差值。本发明应用于林业遥感领域。
-
公开(公告)号：CN104893334B
公开(公告)日：2017-04-05
申请号：CN201510309267.3
申请日：2015-06-08
Applicant: 东北林业大学
IPC: C08L97/02 , C08L67/04 , C08L55/02 , C08K5/09 , C08K5/3492 , C08K5/1545 , C08K5/12
Abstract: 一种绿色环保3D打印线材的制备方法，它涉及一种打印线材。本发明的目的是要解决现有3D打印材料为不可降解材料，制作成本高和对环境造成污染的问题。一种绿色环保3D打印线材按重量份数由40份～60份麻茎颗粒、20份～35份聚乳酸、5份～9份灌木树枝颗粒、5份～8份速干绿叶、0.5份～2份马来酸酐、0.5份～2份抗氧化剂、0.5份～1.5份增塑剂和0.5份～2份其他助剂制备而成。制备方法：一、称料；二、研磨、过筛；三、干燥；四、混合；五、造粒；六、挤出；七、卷捆，得到绿色环保3D打印线材。本发明的绿色环保3D打印线材不仅成本低廉，而且实现了绿色、低碳环保的目的。本发明可获得一种绿色环保3D打印线材。
-
公开(公告)号：CN105014905A
公开(公告)日：2015-11-04
申请号：CN201510451128.4
申请日：2015-07-28
Applicant: 东北林业大学
CPC classification number: B29C47/0016 , B29C47/8895 , B29C47/0014 , B29C47/34 , B29C47/822 , B29C47/8815
Abstract: 一种3D打印线材制备装置，涉及一种3D打印线材制备装置。本发明为解决现有3D打印线材制备装置的生产工艺繁琐，而且生产装置占地空间大，直接购买成品线材，价格比较昂贵，成本高的问题。一种3D打印线材制备装置包括主支架、进料装置、挤出装置、水冷装置和卷线装置，进料装置设置在挤出装置的上端，挤出装置设置在主支架的一端，卷线装置设置在主支架的另一端，水冷装置设置在挤出装置与卷线装置之间，进料装置包括进料斗和第一传动装置，第一传动装置与进料斗内部的螺杆连接，多螺杆挤出区和单螺杆挤出区连通设置，多螺杆挤出区与单螺杆挤出区之间设置有降温区，降温区与水泵连接，本发明用于3D打印领域。
-
公开(公告)号：CN116977593A
公开(公告)日：2023-10-31
申请号：CN202210429377.3
申请日：2022-04-22
Applicant: 东北林业大学
Abstract: 本发明的目的在于提供一种用于地基激光雷达的林地点云数据基于超体素凹凸性分割与点云颜色的区域生长的单木分割算法，涉及密集林地单木提取的方法，解决了复杂林地相邻树木直接粘连分割效果差与超体素聚类无法考虑点云颜色的问题，提高了单木分割精度，进而促进地基激光雷达在林业中的广泛应用。具体方法为：对点云数据进行精确的多站式配准，得到完整的林地点云数据；对点云数据高程进行归一化处理；利用PCL点云库中的CSF滤波对林地点云数据进行分离地面处理；对树木点云数据在三维空间内进行超体素化聚类；根据不同体素区域间的凹凸关系，按照凸区域的增长的算法，对不同体素块进行聚类，将粘连树木进行分割；聚类结果按照点云颜色规则进行区域生长，将分割的区域进行聚类，进而提取出完整单木点云数据。本发明用于激光雷达技术的林业应用领域。
-
公开(公告)号：CN116819485A
公开(公告)日：2023-09-29
申请号：CN202210283872.8
申请日：2022-03-21
Applicant: 东北林业大学
IPC: G01S7/48
Abstract: 本发明提供一种基于PSO‑ELM算法的林分郁闭度反演方法，步骤如下：1)获取数据。2)数据预处理。3)制作数据集。4)初始化PSO中的基本参数。5)更新适应度函数值、个体极值、群体极值。6)更新粒子速度和位置。7)判断算法是否符合算法结束条件。8)将最优粒子作为ELM的权值和阈值，将测试集输入ELM中，得到基于粒子群算法优化极限学习机的林分郁闭度预测模型。9)将点云数据作为待测试数据，经步骤2预处理后输入到基于粒子群算法优化极限学习机的林分郁闭度预测模型中，得到待测试数据的预测结果。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.026 seconds)
