CN101680951A - 从lidar数据识别植物属性 - Google Patents
从lidar数据识别植物属性 Download PDFInfo
- Publication number
- CN101680951A CN101680951A CN200880020492A CN200880020492A CN101680951A CN 101680951 A CN101680951 A CN 101680951A CN 200880020492 A CN200880020492 A CN 200880020492A CN 200880020492 A CN200880020492 A CN 200880020492A CN 101680951 A CN101680951 A CN 101680951A
- Authority
- CN
- China
- Prior art keywords
- vegetation
- coordinate position
- geographic area
- lidar data
- crown
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G23/00—Forestry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Forests & Forestry (AREA)
- Environmental Sciences (AREA)
- Image Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Instructional Devices (AREA)
- Navigation (AREA)
Abstract
本发明的各方面旨在使用LiDAR数据来识别植物的属性。关于这一点,提供了一种从原始LiDAR数据识别个体植物项目的位置的方法。在一个实施例中,该方法包括:选择生成回波信号的在LiDAR数据中表示的坐标位置。然后,进行关于该选择的坐标位置是否在分配给先前识别的植物项目的地理区域内的确定。如果该选择的坐标位置不在分配给先前识别的植物项目的地理区域内,则该方法确定该选择的坐标位置与新的植物项目相关联。在该情况下,生成该新的植物项目的数字表示。
Description
背景技术
对于生物学家、森林管理员及其他人来说,存在掌握表征诸如一片树木的一组植物的信息的长期需要。传统上,手动地获得植物样本的属性并且将该植物样本的属性外推至较大的一组植物。例如,可以执行采样来估计除了其它属性以外的植物的高度、体积、年龄、生物量和物种。可以以许多不同的方式来使用该表征植物属性的信息。例如,可以使用样本数据来量化有利于收获的原材料的详细目录(inventory)。又如,通过随着时间的推移来比较植物的样本集的属性,可以确定病害是否正在危害植物的健康。
遗憾的是,将样本数据外推至较大的集合可能不会准确地反映植物的实际属性。关于这一点,物种及其它植物属性可能取决于即使在附近的地理位置中也能够高度变化的许多不同因素。因此,生物学家、森林管理员及其他人可能没有掌握准确地表征植物的属性的信息。
航空(airborne)和卫星激光扫描技术的进步提供了获得关于植物属性的更准确的信息的机会。关于这一点,光检测和测距(“LiDAR”)是一种用来识别距远程目标的距离的光学远程扫描技术。例如,可以从诸如飞行器或卫星等的源位置向地面上的目标位置发射激光脉冲。距目标位置的距离可以通过测量脉冲的发射与一个或多个反射的回波信号的接收之间的时间延迟来量化。此外,反射的回波信号的强度可以提供关于目标的属性的信息。关于这一点,地面上的目标将响应于激光脉冲以变化的强度量来反射回波信号。例如,具有大量树叶的植物物种平均将以比具有较少量树叶的植物更高的强度来反射回波信号。
LiDAR光学远程扫描技术具有使其非常适合于识别植物属性的属性。例如,LiDAR激光脉冲的波长通常在电磁光谱的紫外线、可见光、或近红外区域中产生。这些短波长在识别树叶、树枝等的水平和垂直位置方面非常准确。而且,LiDAR提供执行高采样强度的能力、广泛的航摄覆盖范围、以及穿透植物冠层的顶层的能力。关于这一点,发射到目标植物的单个LiDAR脉冲通常将产生多个回波信号,每个回波信号都提供关于植物属性的信息。
现有系统的缺点在于不能识别使用LiDAR仪器扫描的个体的树木、灌木及其它植物的位置。例如,可以收集其中以高采样强度来扫描森林的原始LiDAR数据,所述高采样强度足以产生描述个体的植物项目的位置和反射属性的数据。具有其中处理原始LiDAR数据以便于识别个体的植物项目的位置的系统将是有益的。
具有能够从原始LiDAR数据识别各种植物属性的系统也将是有益的。例如,通过足够高的采样速率,可以辨别树木的树冠、树枝和树叶的形状和其它性质。如果该类信息是可辨别的,则计算机系统将能够识别个体的植物项目的物种。
发明内容
提供本发明内容来以简化的形式引入下文在具体实施方式中进一步描述的原理的选择。本发明内容并不意在指出要求保护的主题的关键特征,也不意在被用作确定要求保护的主题的范围的辅助。
本发明的各方面旨在使用LiDAR数据来识别植物的属性。关于这一点,提供了一种从原始LiDAR数据识别个体的植物项目的位置的方法。在一个实施例中,该方法包括:选择生成回波信号的在LiDAR数据中表示的坐标位置。然后,进行关于选择的坐标位置是否在分配给先前识别的植物项目的地理区域内的确定。如果选择的坐标位置不在分配给先前识别的植物项目的地理区域内,则该方法确定选择的坐标位置与新的植物项目相关联。在该情况下,生成该新的植物项目的数字表示。
附图说明
通过结合附图来参考下面的详细描述,将更容易认识到并且更好地理解本发明的前述方面及许多附带优点,在附图中:
图1描绘了可以用来实现本发明的各方面的计算机的组件;
图2描绘了根据本发明的一个实施例的用于识别与植物项目相关联的树冠的位置和属性的示例性树冠识别例程;
图3描绘了可以用来说明本发明的各方面的LiDAR数据的样本集;
图4描绘了可以用来说明本发明的各方面的树木的数字表示;
图5描绘了具有描述用LiDAR仪器扫描的植物的属性的信息的样本树木列表数据文件;
图6描绘了根据本发明的另一实施例的识别个体的植物项目的物种的示例性物种识别例程;以及
图7描绘了根据本发明的另一实施例的可以用来在植物的物种之间进行区分的示例性物种属性模板。
具体实施方式
可以在诸如由计算机执行的程序模块的计算机可执行指令的上下文中描述本发明。一般而言,程序模块包括执行任务或实现特定的抽象数据类型的例程、程序、应用、窗口小部件(widget)、对象、组件、数据结构等。此外,还可以在由通过通信网络链接的远程处理设备来执行任务的分布式计算环境中实践本发明。在分布式计算环境中,程序模块可以位于本地和/或远程计算存储介质上。
虽然本发明将主要在使用原始LiDRA数据来识别植物属性的上下文中进行描述,但本领域的技术人员及其他人应认识到本发明还适用于其它上下文。例如,使用其它类型的扫描系统来识别植物属性可以实现本发明的各方面。在任何情况下,以下描述首先提供了其中可以实现本发明的各方面的计算机系统的概述。然后,将描述用于识别个体的植物项目的位置和物种的方法。本文提供的说明性示例并不意在是穷尽的或将本发明局限于所公开的确切形式。类似地,为了实现相同的结果,本文所述的任何步骤可与其它步骤或步骤组合互换。
现在参考图1,将描述具有能够实现本发明的各方面的组件的示例性计算机100。本领域的技术人员及其他人将认识到计算机100可以是各种设备中的任何一个,包括但不限于,个人计算设备、基于服务器的计算设备、小型和大型计算机、膝上型计算机、或具有某种类型存储器的其它电子设备。为了便于说明,而且由于对理解本发明并不重要,因此图1没有示出许多计算机的典型组件,诸如键盘、鼠标、打印机、显示器等。然而,图1中所描绘的计算机100包括处理器102、存储器104、计算机可读介质驱动器108(例如,磁盘驱动器、硬盘驱动器、CD-ROM/DVD-ROM等),其全部都通过通信总线110被通信地彼此连接。存储器104通常包括随机存取存储器(“RAM”)、只读存储器(“ROM”)、闪速存储器等等。
如图1中所示,存储器104存储用于控制计算机100的总体操作的操作系统112。操作系统112可以是通用操作系统,诸如操作系统、Linux操作系统、或操作系统。替选地,操作系统112可以是被设计用于非通用硬件的专用操作系统。在任何情况下,本领域的技术人员及其他人将认识到操作系统112此外通过管理对硬件资源和输入设备的访问来控制计算机的操作。例如,操作系统112执行允许程序从计算机可读介质驱动器108读取数据的功能。如下文进一步详细描述的,可以使得计算机100可以从计算机可读介质驱动器108获得原始LiDAR数据。关于这一点,安装在计算机100上的程序可以与操作系统112交互,以从计算机可读介质驱动器108访问LiDAR数据。
如图1中进一步描绘的,存储器104附加地存储提供LiDAR处理应用114的程序代码和数据。在一个实施例中,LiDAR处理应用114包括计算机可执行指令,该计算机可执行指令在由处理器102执行时,将算法应用于原始LiDAR数据集,以识别使用LiDAR仪器扫描的个体的植物项目的位置。如前文所述,LiDAR是可以用来识别距远程目标的距离的光学远程扫描技术。关于这一点,可以从飞行器、卫星或其它源位置向地面上的目标位置发射一系列激光脉冲。通过测量激光脉冲的发射与回波信号的接收之间的时间延迟来确定距受激光脉冲冲击的植物(树叶、树枝等)的距离。此外,回波信号的强度根据接触的植物的属性而变化。在一个实施例中,LiDAR处理应用114使用以原始LiDAR数据表示的距离值和强度值来识别从其收集到原始LiDAR数据的个体的植物项目(例如树木、庄稼等)的位置。关于这一点,下面参考图2来描述由识别个体的植物项目的位置的LiDAR处理应用114实现的例程的示例性实施例。
在另一实施例中,LiDAR处理应用114包括计算机可执行指令,该计算机可执行指令在由处理器102执行时应用识别个体的植物项目的物种的算法。更具体地说,LiDAR处理应用114实现识别个体的植物项目的属性的功能,除了其它以外,所述属性包括但不限于高度、树冠参数、分枝模式。当已知植物的区别属性时,执行处理来识别植物的物种。关于这一点,下面参考图6来描述由被配置成从LiDAR数据识别物种信息的LiDAR处理应用114来实现的例程的示例性实施例。
如图1中进一步描绘的,存储器104附加地存储提供数据库应用116的程序代码和数据。如前所述,LiDAR处理应用114可以从LiDAR数据识别某些植物属性。根据一个实施例,数据库应用程序116被配置成将描述通过LiDAR处理应用114识别的这些植物属性的信息存储在详细目录数据库118中。关于这一点,出于与详细目录数据库118交互的目的,数据库应用程序116可以生成查询。因此,可以用描述从其收集LiDAR数据的植物属性的大的数据集合来填充详细目录数据库118。
图1描绘了用于具有可以用来实现本发明的一个或多个实施例的组件的计算机100的示例性架构。当然,本领域的技术人员及其他人将认识到计算机100可以包括比图1所示的那些更少或更多的组件。此外,本领域的技术人员及其他人将认识到,虽然上文已经参考图1描述了特定的计算机配置和示例,但因为可以在不脱离要求的主题的范围的情况下在其它上下文中实现本发明的各方面,所以该特定示例实际上应当被解释为说明性的。
现在参考图2,将描述从原始LiDAR数据识别个体的植物项目的位置的示例性树冠识别例程200。如图2中所示,树冠识别例程200开始于框202,在框202处,执行预处理来将原始LiDAR数据转换成可以共享的标准化格式。例如,在框202处,执行的预处理可以将原始LiDAR数据转换成为遵循美国摄影测量与遥感学会(American Societyof Photogrammetry and Remote Sensing)(“ASPRS”).LAS 进制文件标准的格式。关于这一点,ASPRS.LAS文件格式是被配置成存储使用LiDAR仪器收集的三维数据点的二进制文件格式。如下文进一步详细描述的,.LAS文件格式包括定义明确的记录和字段,该定义明确的记录和字段可以由本发明的各方面实现的软件系统容易地进行访问。
出于说明性目的并且仅通过示例的方式,图3中描绘了可以包括在ASPRS.LAS文件中的LiDAR数据的样本集300。在该示例性实施例中,LiDAR数据的样本集300包括每一个都与从LiDAR仪器生成的激光脉冲相对应的记录302、304和306。图3中所描绘的记录302-306被组织成列,该列包括回波编号列308、位置列310、强度列312、以及地面标志列314。如前所述,可以使从LiDAR仪器生成的每个激光脉冲与多个反射的回波信号相关联。因此,回波编号列308基于以其接收回波信号的时间顺序来识别回波信号。在图3中所描绘的数据的示例性样本集300中,位置列310识别生成回波信号的位置的三元坐标(例如,X、Y和Z)。根据一个实施例,位置列310中的三元坐标遵循通用横轴墨卡托(“UTM”)坐标系。关于这一点,可以使用地理信息系统(“GIS”)来将原始LiDAR数据映射到UTM坐标系。然而,本领域的技术人员及其他人将认识到,在不脱离要求的主题的范围的情况下可以采用其它类型的映射技术来识别这些坐标位置。
如图3中进一步所示的,图3中所描绘的LiDAR数据的样本集300包括识别对应的回波信号的强度的强度列312。关于这一点,从目标位置以其反射回波信号的强度取决于很多不同的因素。更具体地说,由LiDAR脉冲接触的表面面积的量影响强度值,以及接触的标的物的物理特性。例如,由LiDAR脉冲接触的表面面积越大,回波信号的强度就越高。而且,在地面标志列314中提供的数据指示特定的回波信号是否被识别为植物冠层下面的地面或地表(floor)。
如图2中所示,在框202处执行以生成数据的样本集300的预处理可以包括将原始LiDAR数据转换成为定义明确的格式。此外,在图3中所描绘的实施例中,执行预处理来识别从接触植物冠层下面的地面或地表而生成的回波信号。如下文进一步详细描述的,识别从植物冠层下面的地面或地表反射的回波信号可以用来识别植物项目的高度。
再次参考图2,在框204处,识别在选择的多边形的边界内的坐标位置。在一个实施例中,本发明的各方面在选择其它地理区域以供处理之前,顺序地处理预定地理区域(例如,多边形)内的位置。因此,将由选择的多边形所占据的地理区域与生成回波信号的原始LiDAR数据集中的坐标位置作比较。关于这一点,出于识别选择的多边形内的LiDAR数据集中的坐标位置的目的来执行交运算。如下文进一步详细描述的,在选择其它地理区域之前,识别选择的多边形内的植物的位置。
如图2中进一步所示,在框206处,基于选择的多边形内的生成回波信号的坐标位置的绝对海拔高度来对其进行排序。关于这一点,将被识别为最高的坐标位置置于排序的数据中的第一位置。类似地,将最低的坐标位置置于排序的数据中的最后的位置。然而,由于可以使用本领域中公知的技术来执行基于位置的绝对高度来对所述位置进行排序,所以这里将不描述这些技术的进一步描述。
在框208处,选择生成回波信号的LiDAR数据中的位置以供处理。在一个实施例中,本发明的各方面基于位置的绝对高度来顺序地选择在框206处以排序的数据表示的位置。关于这一点,首先选择排序的数据中的最高位置,并且最后选择最低位置。
在判定框210处,进行关于在框208处所选择的位置是否在先前创建的数字树冠伞以下的确定。如下文更详细地描述的,本发明针对每个植物项目生成数字树冠伞,其表示由植物占据的区域的初始估计。关于这一点,如果选择的位置在先前创建的数字树冠伞以下,则在框210处执行的测试的结果是“是”,并且树冠识别例程200继续进行到下文进一步详细描述的框214。相反地,如果在框208处选择的位置不在先前创建的数字树冠伞以下,则树冠识别例程200确定在框210处执行的测试的结果是“否”,并且继续进行到框212。
在框212处,创建数字树冠伞,该数字树冠伞表示由个体植物项目所占据的区域的初始估计。如果到达框212,则在框208处所选择的位置被识别为是个体的植物项目中的最高位置。在该情况下,创建数字树冠伞,使得可以向个体的植物项目分配LiDAR数据中的所有其它位置。关于这一点,所述数字树冠伞是由植物项目所占据的区域的初始估计。然而,如下文进一步详细描述的,由于处理该数据中所表示的其它位置,因此可以修改分配给个体的植物项目的区域。
根据一个实施例,基于一组已知信息来估计在框212处创建的数字树冠伞的大小。如上文参考图3描述的,通过本发明的各方面获得的数据包括指示符,在LiDAR记录中所表示的其位置与植物冠层下面的地面或地表相关联。此外,如果到达框212,则识别了生成回波信号的最高位置。因此,可以通过识别生成回波信号的植物项目的最高位置与植物冠层下面的地面或地表之间的差来估计个体的植物项目的高度。本领域的技术人员及其他人将认识到,在植物的高度与植物的树冠的大小之间存在紧密的相关性。因此,除了其它因素以外,可以基于植物的高度来估计数字树冠伞的大小。
如图2中进一步所示,在框214处,创建表示由树枝所占据的区域的数字树枝伞。如果到达框214,则在框208处所选择的位置在先前重复树冠识别例程200期间所创建的数字树冠伞以下。因此,生成回波信号的选择的位置可以表示诸如树枝、树叶等植物的组成部分。在该情况下,创建可能扩展分配给植物项目的区域的数字树枝伞。如前所述,数字树冠伞表示由个体的植物项目所占据的区域的初始估计。然而,LiDAR数据的附加处理可以指示个体的植物项目大于如以数字树冠伞表示的初始估计。在该情况下,考虑到对LiDAR数据的附加处理,可以扩大分配给植物项目的区域。
现在参考图4,将描述可以用来表示由植物项目所占据的区域的数字树冠伞与数字树枝伞之间的关系。出于说明性目的,在图4中描绘了树木400,其中,激光脉冲接触三个位置402、404和406。在该示例中,当选择位置402时,树冠识别例程200生成数字树冠伞408,以提供由树木400所占据的区域的初始估计。此后,当选择位置404时,进行位置404在数字树冠伞408以下的确定。在该情况下,树冠识别例程200创建数字树枝伞410。类似地,当选择位置406时,进行位置406在数字树冠伞408以下的确定,并且树冠识别例程200创建数字树枝伞412。在该示例中,数字树枝伞412扩大通过本发明的各方面初始地分配给树400的区域414。这样,使用自上而下的层级方法来初始地估计由树木400所占据的区域,其中在需要时执行修改以扩大该区域。
再次参考图2,在判定框216处进行关于是否将选择在LiDAR数据中表示的其它位置的确定。如前所述,本发明的各方面顺序地选择生成回波信号的在LiDAR数据中表示的位置。通常,顺序地选择和处理在LiDAR数据的文件中所表示的所有位置。因此,当已经选择了LiDAR数据的文件中的每个记录时,树冠识别例程200继续进行到下面进一步详细描述的框218。相反,如果将选择其它位置,则树冠识别例程200返回到框208,并且重复框208-216,直至已经选择了在该文件中所表示的所有位置。
如图2中进一步所示,在框218处,用描述个体的植物项目的属性的数据来创建树木列表数据文件。关于这一点,并且如下文参考图5进一步描述的,本发明的各方面识别从其收集LiDAR数据的每个植物项目的某些属性。很明显,可以使用树木列表数据文件来更新数据库的内容,诸如跟踪有利于收获的原材料的详细目录的详细目录数据库118(图1)。一旦创建了树木列表数据文件,树冠识别例程200就继续进行到框220,在框220处该树冠识别例程200终止。
出于说明性目的并且仅通过示例的方式,在图5中描绘了通过本发明的各方面创建的树木列表数据文件的一部分500。在该示例性实施例中,树木列表数据文件包括每一个都与植物项目相对应的多个记录502-508。记录502-508被组织成列,该列包括标识符列510、位置列512、高度列514、距活树冠的高度(“HTLC”)列516、以及胸高直径(“DBH”)列518。关于这一点,标识符列510包括用于通过树冠识别例程200识别的每个植物项目的唯一数字标识符。类似于上文参考图3提供的描述,位置列512包括识别对应的植物项目的位置的三元坐标。如前所述,可以通过识别在生成回波信号的最高位置与植物冠层下面的地面或地表之间的差来计算在高度列514中所表示的植物项目的高度。
如图5进一步所示,树木列表数据文件500包括HTLC列516。本领域的技术人员及其他人将认识到,诸如树木的植物的项目将包括树木的上部上的活树枝和活树叶。包括活树枝和活树叶的树木的部分通常被称为“活树冠”。然而,从树木基部开始的树木的一部分将不具有活树枝或活树叶。在HTLC列516中识别了从树木基部到活树冠的距离。最后,DBH列518包括可以基于除了其它因素以外的植物的高度、距活树冠的高度来估计的被称为胸高直径的通用度量。
如图5中所示,在框218处执行以创建树木列表数据文件的处理可以包括:从LiDAR数据生成关于植物属性的估计。例如,对于在树木列表数据文件中所表示的每个植物项目,使用LiDAR数据来估计距活树冠的高度和胸高直径,以生成估计。
本发明的实现不限于图2中所描绘的树冠识别例程200。其它例程可以包括额外的步骤或者排除图2中所示的步骤。此外,还可以以与所示出的不同的顺序来执行图2中所描绘的步骤。例如,参考图2将树木列表数据文件的创建描述为与例程200的其它步骤分开地执行。然而,实际上,可以将树木列表数据文件动态地填充为正在处理的LiDAR数据。因此,在图2中描绘的树冠识别例程200仅仅提供了可以以其实现本发明的实施例的方式的一个示例。
现在参考图6,将描述用于基于LiDAR数据来识别植物物种的物种识别例程600。在一个实施例中,物种识别例程600被配置成结合上文参考图2描述的树冠识别例程200来执行处理。关于这一点,分析与个体的植物项目相关联的LiDAR数据,以便于获得物种信息。
如图6中所示,物种识别例程600开始于框602,在框602处识别收集LiDAR数据集的地理区域。如下文进一步详细描述的,并且根据一个实施例,本发明的各方面使用物种属性模板来识别物种信息,该物种属性模板从在特定地理区域中收集的样本中创建。因此,物种识别例程600识别从其收集LiDAR数据的地理区域,使得可以使用适当的物种属性模板来执行比较。关于这一点,容易得知收集LiDAR数据集的地理区域,并且可以在LiDAR数据自身中表示该地理区域。例如,当收集原始LiDAR数据时,可以将信息包括在二进制.LAS文件中,以识别正在执行LiDAR扫描的地理区域。
在框604处,为物种识别选择诸如树木、灌木等个体的植物项目。在一个实施例中,本发明的各方面顺序地选择个体的植物项目,并且识别选择的项目的物种。例如,上文参考图2描述的树冠识别例程200生成树木列表数据文件。树木列表数据文件中的每个记录包含位置信息和描述个体的植物项目的属性的其它数据。物种识别例程600可以顺序地选择在树木列表数据文件中所表示的记录,并且执行处理以获得关于在选择的记录中所表示的植物项目的物种信息。
如图6中进一步所示,在框606处,执行比较以确定在框604处所选择的植物项目是来自阔叶树种还是针叶树种。如前所述,本发明的各方面可以被用来识别选择的植物项目的物种。关于这一点,本领域的技术人员及其他人将认识到,阔叶树种(桤木、桦树、橡树等)具有平均比针叶树种(黄衫、红冷杉等)少的叶子。因此,阔叶树种还具有较小的表面面积来反射电磁波。因此,回波信号中的平均强度在很大程度上是树木上的叶子量的函数,并且提供关于树木是来自阔叶树种还是针叶树种的高度可靠的指示符。
如前文参考图2所述,从通过本发明的各方面处理的原始LiDAR数据提供反射的回波信号的强度。因此,在一个实施例中,在框606处执行比较,以确定从植物项目生成的回波信号的平均强度是在用于在针叶树种与阔叶树种之间进行区分的阈值以上还是以下。如果平均强度在预定阈值以下,则物种识别例程600确定选择的项目是阔叶树种。相反,如果平均强度在预定阈值以上,则选择的项目被识别为针叶树种。
在框608处,识别用于进行物种确定的适当的物种属性模板。在一个实施例中,在各种地理位置中收集来自不同的已知物种的LiDAR数据的样本集。从该样本数据集中,可以识别不同物种的属性,并且可以在一个或多个物种属性模板中表示该不同的物种的属性。例如,可以执行量化树木的分枝模式、树冠形状、叶子量等的方面的计算。如下文进一步详细描述的,以物种属性模板表示的样本数据可以用作唯一识别物种的“签名”。在任何情况下,在框608处,识别适当的物种属性模板,该适当的物种属性模板表示从已知物种收集的数据。关于这一点,当到达框608时,先前进行了选择的植物项目是来自阔叶树种还是针叶树种的确定。此外,先前识别了选择的植物项目的地理区域。根据一个实施例,创建专用于特定地理区域和植物分类的属性模板。例如,如果选择的项目是来自美国西部的针叶树种,则在框608处选择从美国西部的样本针叶树创建的物种属性模板。又例如,如果选择的植物是来自美国南部的阔叶树种,则在框608处选择从美国南部的样本阔叶树创建的物种属性模板。
如图6中进一步所示,在框610处,执行比较以识别选择的植物项目的物种。更具体地说,将在框604处所选择的植物项目的属性与在框608处识别的物种属性模板作比较。如下文进一步详细描述的,在框610处执行的比较被配置成识别物种属性模板中所表示的物种,该物种属性模板保持与选择的植物项目相同或相似的属性。
出于说明性目的并且仅通过示例的方式,在图7中描绘了示例性物种属性模板700。关于这一点,可以在框610处参考示例性物种属性模板700来识别具有与选择的植物项目相同或相似的属性的物种,从该物种获得样本LiDAR数据。如图7中所示,物种属性模板700的x轴与表示为百分比的植物项目的总高度相对应。此外,y轴与生成回波信号的LiDAR点的数目相对应,该数目在树冠中比选择的位置更高。关于这一点,图7描绘了从不同的植物物种收集的样本LiDAR数据的分布702、704、706和708。
分布702-708绘制与选择的垂直位置相比在树冠中更高的生成回波信号的LiDAR点的数目。关于这一点,以分布702表示的物种反射相对于以分布704-708表示的物种在较低的垂直位置处开始的LiDAR回波信号。例如,如在分布702中所描绘的,在样本的总高度的大约30%(百分之三十)处开始生成针对该物种的LiDAR回波信号。对于以分布704-708表示的物种,分别在较高的垂直位置处开始生成LiDAR回波信号。物种属性模板指示,对于以分布702表示的物种,生成回波信号的树枝和叶子往往在较低位置处开始。关于这一点,物种属性模板700描述可以用来在物种之间进行区分的一个树冠属性。更具体地说,可以使用相对于总高度的反射回波信号的垂直位置来识别物种信息。然而,本领域的技术人员及其他人将认识到,在图7中所描绘的物种属性模板700提供了可以由本发明的各方面用来识别植物项目的物种信息的一个数据集的示例。
再次参考图6,在判定框612处进行关于是否将为物种识别选择其它植物项目的确定。通常,顺序地选择和处理在树木列表数据文件中所表示的所有植物项目。因此,当已经选择了树木列表数据文件中的每个记录时,物种识别例程600继续进行到框614,在框614处该物种识别例程600终止。相反,如果将为物种识别选择其它植物项目,则该物种识别例程600返回到框604,并且重复框604-612,直至已经选择了在树木列表数据文件中所表示的所有植物项目。
虽然已经图示并且描述了说明性实施例,但应认识到在不脱离本发明的精神和范围的情况下可以在本发明中进行各种改变。
Claims (20)
1.一种处理LiDAR数据来识别个体的植物项目的位置的方法,所述方法包括:
选择生成回波信号的在所述LiDAR数据中表示的坐标位置;
确定所选择的坐标位置是否在先前分配给植物项目的地理区域内;
如果所选择的坐标位置不在先前分配给植物项目的地理区域内,则确定已经识别了新的植物项目;以及
生成所述新的植物项目的数字表示。
2.根据权利要求1所述的方法,进一步包括:如果所选择的坐标位置在先前分配给植物项目的地理区域内,则创建能够扩大分配给所述植物项目的地理区域的数字树枝伞。
3.根据权利要求1所述的方法,其中,选择生成回波信号的坐标位置包括将原始LiDAR数据转化成标准化格式。
4.根据权利要求1所述的方法,其中,处于由多边形定义的地理区域的边界内的坐标位置在处于所述多边形外的坐标位置之前被选择。
5.根据权利要求1所述的方法,其中,基于高度来顺序地选择坐标位置。
6.根据权利要求1所述的方法,其中,生成所述新的植物项目的数字表示包括:生成数字树冠伞来表示分配给所述新的植物项目的地理区域。
7.根据权利要求1所述的方法,其中,生成所述新的植物项目的数字表示包括:估计所述新的植物项目的直径。
8.一种用于处理LiDAR数据来识别个体的植物项目的位置的系统,所述系统包括:
收集组件,所述收集组件可操作用于识别响应于与激光脉冲接触而生成回波信号的坐标位置;
预处理组件,所述预处理组件用于将由所述收集组件获得的LiDAR数据转换成标准化格式;以及
树冠识别组件,所述树冠识别组件可操作用于从由所述收集组件获得的LiDAR数据识别所述个体的植物项目的位置,其中,识别所述个体的植物项目的位置,包括:
基于高度顺序地选择在所述LiDAR数据中表示的坐标位置;以及
使用数字树冠伞向个体的植物项目分配所选择的坐标位置,以映射所述植物项目所在的地理区域。
9.根据权利要求8所述的系统,其中,所述预处理组件进一步被配置成,识别从接触植物冠层下面的地面而返回的回波信号。
10.根据权利要求8所述的系统,其中,将LiDAR数据转换成标准化格式包括:生成遵循.LAS文件格式的文件。
11.根据权利要求8所述的系统,其中,所述树冠识别组件进一步被配置成,生成描述个体的植物项目的属性的树木列表。
12.根据权利要求8所述的系统,其中,所述树冠识别组件进一步被配置成,利用描述所述个体的植物项目的属性的数据来更新数据库。
13.根据权利要求8所述的系统,其中,所述树冠识别组件进一步被配置成,基于高度来对坐标位置进行排序,并且从最高到最低来选择所述坐标位置。
14.根据权利要求8所述的系统,其中,向个体的植物项目分配所选择的坐标位置包括:确定所选择的坐标位置是否在数字树冠伞的地理区域内。
15.根据权利要求8所述的系统,其中,处于由多边形定义的地理区域的边界内的坐标位置在处于由所述多边形定义的地理区域外面的坐标位置之前由所述树冠识别组件所选择。
16.一种计算设备,包括:
存储器,所述存储器用于存储数据;以及
处理单元,所述处理单元被通信地耦合到所述存储器,其中,所述处理单元可操作用于:
将LiDAR数据加载到所述存储器中,其中,所述LiDAR数据包括在与激光脉冲接触时生成回波信号的坐标位置;
对于所述LiDAR数据中的每个坐标位置:
确定所述坐标位置是否在先前分配给植物项目的地理区域内;
如果所述坐标位置不在先前分配给植物项目的地理区域内,则确定已经识别了新的植物项目;以及
生成数字树冠伞来表示由所述新的植物项目所占据的地理区域。
17.根据权利要求16所述的计算设备,其中,如果所述坐标位置在先前分配给植物项目的地理区域内,则生成数字树枝伞来表示所述坐标位置。
18.根据权利要求17所述的计算设备,其中,所述数字树枝伞能够扩大分配给植物项目的地理区域。
19.根据权利要求16所述的计算设备,其中,所述处理单元进一步被配置成,生成识别用于植物项目的距活树冠的高度的树木列表数据文件。
20.根据权利要求16所述的计算设备,其中,处于多边形的边界内的坐标位置在处于所述多边形的边界外面的坐标位置之前被选择。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US11/767,084 US7720605B2 (en) | 2007-06-22 | 2007-06-22 | Identifying vegetation attributes from LiDAR data |
US11/767,084 | 2007-06-22 | ||
PCT/US2008/067710 WO2009002859A1 (en) | 2007-06-22 | 2008-06-20 | Identifying vegetation attributes from lidar data |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101680951A true CN101680951A (zh) | 2010-03-24 |
CN101680951B CN101680951B (zh) | 2012-08-22 |
Family
ID=39739773
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2008800204923A Expired - Fee Related CN101680951B (zh) | 2007-06-22 | 2008-06-20 | 从lidar数据识别植物属性 |
Country Status (13)
Country | Link |
---|---|
US (2) | US7720605B2 (zh) |
EP (1) | EP2167992B8 (zh) |
CN (1) | CN101680951B (zh) |
AR (1) | AR067127A1 (zh) |
AT (1) | ATE511109T1 (zh) |
AU (1) | AU2008268567B2 (zh) |
BR (1) | BRPI0813143A2 (zh) |
CA (1) | CA2689851C (zh) |
CL (1) | CL2008001845A1 (zh) |
NZ (1) | NZ582216A (zh) |
UY (1) | UY31174A1 (zh) |
WO (1) | WO2009002859A1 (zh) |
ZA (1) | ZA200908814B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105557672A (zh) * | 2016-02-16 | 2016-05-11 | 江苏省农业科学院 | 一种果树靶标探测系统 |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FI117490B (fi) * | 2004-03-15 | 2006-10-31 | Geodeettinen Laitos | Menetelmä puustotunnusten määrittämiseksi laserkeilaimen, kuvainformaation ja yksittäisten puiden tulkinnan avulla |
US7474964B1 (en) * | 2007-06-22 | 2009-01-06 | Weyerhaeuser Company | Identifying vegetation attributes from LiDAR data |
US8275547B2 (en) * | 2009-09-30 | 2012-09-25 | Utility Risk Management Corporation, Llc | Method and system for locating a stem of a target tree |
US8352410B2 (en) * | 2009-12-17 | 2013-01-08 | Utility Risk Management Corporation, Llc | Method and system for estimating vegetation growth relative to an object of interest |
US8577611B2 (en) | 2010-03-30 | 2013-11-05 | Weyerhaeuser Nr Company | System and method for analyzing trees in LiDAR data using views |
US8538695B2 (en) * | 2010-06-30 | 2013-09-17 | Weyerhaeuser Nr Company | System and method for analyzing trees in LiDAR data using views |
EP4116325A1 (en) | 2010-11-05 | 2023-01-11 | Novartis AG | Methods of treating rheumatoid arthritis using il-17 antagonists |
WO2012092554A1 (en) | 2010-12-30 | 2012-07-05 | Utility Risk Management Corporation, Llc | Method for locating vegetation having a potential to impact a structure |
US9063544B2 (en) | 2012-09-19 | 2015-06-23 | The Boeing Company | Aerial forest inventory system |
US9606236B2 (en) * | 2012-10-17 | 2017-03-28 | Weyerhaeuser Nr Company | System for detecting planted trees with LiDAR data |
US9198363B2 (en) | 2012-12-12 | 2015-12-01 | The Boeing Company | Tree metrology system |
US9069104B2 (en) * | 2012-12-12 | 2015-06-30 | International Business Machines Corporation | Pathway management using model analysis and forecasting |
JP6635382B2 (ja) | 2013-12-25 | 2020-01-22 | パナソニックIpマネジメント株式会社 | 画像出力装置、画像出力方法及び画像出力システム |
GB2530104A (en) * | 2014-09-15 | 2016-03-16 | Point4Uk Ltd | Vegetation catergorisation |
CN104462809A (zh) * | 2014-12-04 | 2015-03-25 | 中国科学院东北地理与农业生态研究所 | 一种基于遥感与gis相结合的草地生产力估算方法 |
CN104915958A (zh) * | 2015-06-04 | 2015-09-16 | 广东中城规划设计有限公司 | 一种从机载激光点云数据识别植被的方法 |
CN104866840A (zh) * | 2015-06-04 | 2015-08-26 | 广东中城规划设计有限公司 | 一种从机载激光点云数据识别架空电力线的方法 |
CN104951752A (zh) * | 2015-06-04 | 2015-09-30 | 广东中城规划设计有限公司 | 一种从机载激光点云数据提取房屋的方法 |
US9969492B2 (en) * | 2015-09-04 | 2018-05-15 | Nutech Ventures | Crop height estimation with unmanned aerial vehicles |
US10046187B2 (en) * | 2015-10-09 | 2018-08-14 | Leonard E. Doten | Wildfire aerial fighting system utilizing lidar |
SE541287C2 (en) * | 2017-02-27 | 2019-06-11 | Katam Tech Ab | Forest surveying apparatus and method using video sequences to generate 3D models |
WO2018191442A1 (en) | 2017-04-11 | 2018-10-18 | Agerpoint, Inc. | Forestry management tool for assessing risk of catastrophic tree failure due to weather events |
US11360970B2 (en) | 2018-11-13 | 2022-06-14 | International Business Machines Corporation | Efficient querying using overview layers of geospatial-temporal data in a data analytics platform |
US11556000B1 (en) | 2019-08-22 | 2023-01-17 | Red Creamery Llc | Distally-actuated scanning mirror |
US11436712B2 (en) | 2019-10-21 | 2022-09-06 | International Business Machines Corporation | Predicting and correcting vegetation state |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FI112402B (fi) * | 1999-10-28 | 2003-11-28 | Diware Oy | Menetelmä puustotunnusten määrittämiseksi sekä tietokoneohjelma menetelmän suorittamiseksi |
AUPR301401A0 (en) * | 2001-02-09 | 2001-03-08 | Commonwealth Scientific And Industrial Research Organisation | Lidar system and method |
US7046841B1 (en) | 2003-08-29 | 2006-05-16 | Aerotec, Llc | Method and system for direct classification from three dimensional digital imaging |
-
2007
- 2007-06-22 US US11/767,084 patent/US7720605B2/en active Active
-
2008
- 2008-06-20 WO PCT/US2008/067710 patent/WO2009002859A1/en active Application Filing
- 2008-06-20 CA CA2689851A patent/CA2689851C/en active Active
- 2008-06-20 AU AU2008268567A patent/AU2008268567B2/en not_active Ceased
- 2008-06-20 EP EP08771622A patent/EP2167992B8/en not_active Not-in-force
- 2008-06-20 CL CL2008001845A patent/CL2008001845A1/es unknown
- 2008-06-20 NZ NZ582216A patent/NZ582216A/en not_active IP Right Cessation
- 2008-06-20 CN CN2008800204923A patent/CN101680951B/zh not_active Expired - Fee Related
- 2008-06-20 AT AT08771622T patent/ATE511109T1/de not_active IP Right Cessation
- 2008-06-20 BR BRPI0813143-0A2A patent/BRPI0813143A2/pt not_active Application Discontinuation
- 2008-06-23 AR ARP080102684A patent/AR067127A1/es not_active Application Discontinuation
- 2008-06-23 UY UY31174A patent/UY31174A1/es not_active Application Discontinuation
-
2009
- 2009-12-10 ZA ZA200908814A patent/ZA200908814B/xx unknown
-
2010
- 2010-02-18 US US12/707,857 patent/US7974813B2/en active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105557672A (zh) * | 2016-02-16 | 2016-05-11 | 江苏省农业科学院 | 一种果树靶标探测系统 |
Also Published As
Publication number | Publication date |
---|---|
US20080319668A1 (en) | 2008-12-25 |
US7720605B2 (en) | 2010-05-18 |
AR067127A1 (es) | 2009-09-30 |
CN101680951B (zh) | 2012-08-22 |
BRPI0813143A2 (pt) | 2014-12-23 |
US7974813B2 (en) | 2011-07-05 |
CA2689851C (en) | 2014-03-25 |
AU2008268567B2 (en) | 2011-05-19 |
ZA200908814B (en) | 2010-08-25 |
WO2009002859A1 (en) | 2008-12-31 |
CL2008001845A1 (es) | 2008-12-26 |
EP2167992A1 (en) | 2010-03-31 |
CA2689851A1 (en) | 2008-12-31 |
ATE511109T1 (de) | 2011-06-15 |
EP2167992B1 (en) | 2011-05-25 |
AU2008268567A1 (en) | 2008-12-31 |
EP2167992B8 (en) | 2011-09-14 |
UY31174A1 (es) | 2009-01-30 |
US20100318296A1 (en) | 2010-12-16 |
NZ582216A (en) | 2012-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101680951B (zh) | 从lidar数据识别植物属性 | |
CN101802839B (zh) | 从lidar数据识别植物属性 | |
Popescu et al. | Fusion of small-footprint lidar and multispectral data to estimate plot-level volume and biomass in deciduous and pine forests in Virginia, USA | |
US8306941B2 (en) | System and method for identifying trees using LiDAR tree models | |
Ørka et al. | Classifying species of individual trees by intensity and structure features derived from airborne laser scanner data | |
Noordermeer et al. | Predicting and mapping site index in operational forest inventories using bitemporal airborne laser scanner data | |
Stone et al. | Determining an optimal model for processing lidar data at the plot level: results for a Pinus radiata plantation in New South Wales, Australia | |
Zörner et al. | LiDAR-based regional inventory of tall trees—Wellington, New Zealand | |
Yancho et al. | Fine-scale spatial and spectral clustering of UAV-acquired digital aerial photogrammetric (DAP) point clouds for individual tree crown detection and segmentation | |
Iqbal et al. | A comparison of area-based forest attributes derived from airborne laser scanner, small-format and medium-format digital aerial photography | |
Ayrey et al. | Ecologically-based metrics for assessing structure in developing area-based, enhanced forest inventories from LiDAR | |
De Petris et al. | RPAS-based photogrammetry to support tree stability assessment: Longing for precision arboriculture | |
Ojoatre | Accuracy of measuring tree height using Airborne LiDAR and Terrestrial laser scanner and its effect on estimating forest biomass and carbon stock in Ayer Hitam tropical rain forest reserve, Malaysia | |
Räty et al. | A comparison of linear-mode and single-photon airborne LiDAR in species-specific forest inventories | |
JP6798337B2 (ja) | 植物判別装置、植物判別方法及び植物判別用コンピュータプログラム | |
Alexander et al. | An approach to classification of airborne laser scanning point cloud data in an urban environment | |
Holopainen et al. | Estimation of forest stock and yield using LiDAR data | |
AU2012227155B2 (en) | Identifying vegetation attributes from lidar data | |
Nyström | Mapping and monitoring of vegetation using airborne laser scanning | |
Mauri | Assessment of tree segmentation algorithms based on UAV LiDAR data for Above Ground Biomass estimation | |
Lamprecht et al. | Detection of Individual Tree Stems Using ALS and its Potential for Forest Research | |
Hartley et al. | An Assessment of UAV Laser Scanning and Photogrammetric Point Clouds for the Measurement of Young Forestry Trials | |
Gopalakrishnan | Large-area forest assessment and monitoring using disparate lidar datasets | |
Holderman | Advancing Low-cost Mobile Remote Sensing Technologies for Forest Resource Management | |
Maggi Kelly | Appendix B: Spatial Team Final Report |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120822 Termination date: 20180620 |