-
公开(公告)号：CN113124817A
公开(公告)日：2021-07-16
申请号：CN202110370495.7
申请日：2021-04-07
Applicant: 南京林业大学
Abstract: 本发明公开了一种便携式的林木测高采样器，涉及测量机械技术领域，包括底座以及升降杆，所述升降杆的顶端安装有可拆卸的采样组件，所述采样组件由固定板、电机A、转动板、动力组件、取样组件一以及取样组件二组成，所述固定板通过螺丝与所述升降杆的顶端可拆卸固定。本发明通过升降杆与标尺板的配合使用可测量树木高度，同时红外探测器还可通过紫外线探测树木高度并将数据传送至控制器，测量数据更加准确，通过取样组件一与取样组件二的配合使用使得装置采样完全，并且取样组件一与取样组件二均可进行移动，方便操作人员进行取样工作，在采样过程中同时完成收集，实用性强，能够一次性完成测高及多种采样需求，提高了操作人员的工作效率。
-
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：CN111340826A
公开(公告)日：2020-06-26
申请号：CN202010218236.8
申请日：2020-03-25
Applicant: 南京林业大学
Abstract: 本发明公开了基于超像素与拓扑特征的航拍图像单株树冠分割算法，包括：对原始航拍图像进行SLIC超像素分割，同时利用HED网络获取图像的冠状边界；计算出相邻两个超像素之间的三个相似性测量指标，即相邻两个超像素的RGB平均值的差值、相邻两个超像素区域的相交像素个数和与从HED网络中得到的边界像素相交的个数，并用它们构造相邻两个超像素区域之间的相似度权重；基于每个超像素的中心点构造超像素邻域连通图，从超像素邻域连通图中提取最小生成树生成航拍图像的连通树，并根据相似度权重将超像素进行合并，实现单株树冠的分割。本发明将超像素分割和拓扑图方法相结合，能够准确有效地将单株树冠从航空图像分离，分割精度高。
-
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。
-
Patent Agency Ranking
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：CN105806266B
公开(公告)日：2018-08-31
申请号：CN201610350345.9
申请日：2016-05-24
Applicant: 南京林业大学
IPC: G01B11/28
Abstract: 本发明公开了一种基于激光点云数据的树木冠层真实叶面积计算方法，以三站激光扫描仪扫描树木冠层，在水平投影面上，以冠层中心点为原点，将扫描获得的冠层点云分为n个等距同心环域，选取取样区，其内的空间点云进行三角剖分，计算出三角形的周长并与阈值比较，如舍弃该三角形，再计算第i个同心环域内取样区留下的三角形面积和，即为激光覆盖的冠层叶面积，并计算树木冠层的叶面积总数Ltotal，本发明采用三站扫描仪环绕对象树的扫描方式，配准后的点云具有更均匀的分布。以三角形的周长并与阈值比较，可以更有效去除叶片的遮盖部分，进而获取叶片的真实叶面积，并且减少计算量，提高计算效率。
-
公开(公告)号：CN107705309A
公开(公告)日：2018-02-16
申请号：CN201710955957.5
申请日：2017-10-15
Applicant: 南京林业大学
CPC classification number: G06T7/11 , G06T7/62 , G06T2207/10028 , G06T2207/20152 , G06T2207/30188
Abstract: 本发明提供一种测定数据方便，不受环境影响，评估结果准确的激光点云中林木参数评估方法。该方法是对点云数据进行窗口平滑操作，以消除地形高度差；对点云特征进行枝叶分离操作，并获取主枝干信息；计算主枝干点云的法矢量，求取瑞利商获取主枝干倾斜角；结合投影分水岭算法，实现对橡胶林段的单株提取；株株分离后进行反演冠幅与叶片分布，分别计算了冠幅、胸径、冠积、倾斜度、树叶分布与叶面积指数等参数。
-
公开(公告)号：CN112819830B
公开(公告)日：2024-09-06
申请号：CN202110092586.9
申请日：2021-01-24
Applicant: 南京林业大学
Abstract: 本发明公开一种基于深度学习与机载激光点云的单株树冠分割方法，包括获取研究场地的点云数据；将去噪后的点云数据分为地上点和地面点；提取地上点中单株树木点云，将不同树木划分在不同的体素内；构造训练样本数据集；对PointNet深度神经网络开展训练；将待测场地的地上点通过体素化的方法细分为多个体素，将体素内点云数据转换为PointNet所需格式后，输入到训练好的PointNet模型内，识别出树的每个体素中的点云；将每个体素DSM的梯度信息结合惯性动量梯度的方法定位树冠的边界点，根据边界点勾勒出分割的树冠。本发明在体素尺度上识别树木，并结合高度相关的梯度信息来完成单株树冠的划定，单株树冠分割精确较高。
-
公开(公告)号：CN114494586B
公开(公告)日：2024-03-19
申请号：CN202210021725.3
申请日：2022-01-10
Applicant: 南京林业大学
IPC: G06T17/00 , G06N3/0464 , G06N3/08 , G06V10/762 , G06V10/82 , G06V10/764
Abstract: 本发明公开了基于晶格投影的深度学习网络阔叶树枝叶分离与骨架重建方法，包括对获取的树木三维点云数据去燥处理；将去燥后的多颗树木三维点云数据作为数据集，采用机器学习算法以及人工标注对数据集进行枝叶分离操作；将数据集带入晶格投影的深度学习网络中训练，得到训练好的晶格投影深度学习网络模型；根据晶格投影深度学习网络模型分割后的枝干的垂直高度自下而上切分整棵枝干；对每一个高度层中的枝干点云数据进行空间聚类；求取每类的中心点；根据聚类中心点并采用带有空间方向性的圆柱体拟合枝干骨架。本发明运用晶格投影策略的深度学习网络，实现复杂林木点云的枝叶分类操作，开展精准的枝叶分离并重建树木空间枝干的三维模型。
-
-
-
-
-
-
-
-
-
Search Results
81
records
(took 0.049 seconds)
