CN102521835A - 一种基于空间三维模板的点云数据树高提取方法 - Google Patents
一种基于空间三维模板的点云数据树高提取方法 Download PDFInfo
- Publication number
- CN102521835A CN102521835A CN2011104161530A CN201110416153A CN102521835A CN 102521835 A CN102521835 A CN 102521835A CN 2011104161530 A CN2011104161530 A CN 2011104161530A CN 201110416153 A CN201110416153 A CN 201110416153A CN 102521835 A CN102521835 A CN 102521835A
- Authority
- CN
- China
- Prior art keywords
- tree
- template
- point cloud
- cloud data
- model
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000004458 analytical method Methods 0.000 claims abstract description 8
- 238000000605 extraction Methods 0.000 claims description 17
- 230000000877 morphologic effect Effects 0.000 claims description 7
- 230000006855 networking Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 claims description 2
- 238000005259 measurement Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 210000000481 breast Anatomy 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241000218631 Coniferophyta Species 0.000 description 1
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000002923 local minimum search Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及一种基于空间三维模板的点云数据树高提取方法，包括以下步骤：对原始点云数据进行分类，生成待提取区域的数字高程模型DEM，数字表面模型DSM和树木冠层模型CHM，通过引入空间三维模板，分别计算CHM子区域与模板的相关系数，然后利用阈值判别方法对符合要求的子区域进行标记，最后在标记的候选区域内进行邻接叠置分析，合并重叠度过高的邻接区域，生成树木高度信息。本发明在在保证树高提取精度的同时，有效地解决了由于树木叠置现象造成的邻接区域树高判断的二义性问题，从而使提取的树高信息具有更高的质量和更大的实用价值。
Description
技术领域
本发明属于空间信息处理领域，涉及一种基于空间三维模板的点云数据树高提取方法。
背景技术
森林是陆地上分布最广，物质资源最丰富的生态系统，对于调节生态平衡和人类的生存环境具有十分重要的影响。传统的森林树木高度测定需要外业实地测量，仅能获得一些点上的数据，不仅费时费力，而且往往不能达到所需的精度要求。近年来迅速发展的激光雷达（LiDAR）技术可以提供精确的空间三维信息，其多重回波特性不仅可以获取森林树木上表面的点云信息，还可以部分穿透森林表面获取树木冠层垂直结构信息。因此在树木高度获取方法激光雷达具有其他光学传感器无法比拟的优势。
目前已有的利用点云数据进行树高提取大致可以分为以下三种方法：
第一类是基于点云信息的三维特性，根据地面点与树木顶点的高程差计算树木高度；
第二类是基于地面激光扫描的树木高度提取方法，该方法主要是以地面三维激光扫描数据为输入计算树木高度信息；
第三类是基于其他树木参数的间接提取方法，该方法利用森林树木的郁闭度，冠层面积等相关信息间接获取树木高度，这类方法不直接获取树高的测量数据，而是通过分析树高与其他树木参数的定量化关系，以其他树木参数为输入信息计算树高。
基于点云三维信息直接计算树高的方法在实际中使用较为普遍，但其问题是提取精度较低，无法针对森林树木类型的特点调整作业方式，并且只能获取采样点上的数据信息；基于地面三维扫描的方法几何信息丰富，精度较高，但是地面三维扫描设备造价昂贵，生成的数据量较大，不适于大范围的应用和信息的快速处理；基于其他树木信息的方法要根据地区差异来调整反演参数和模型，而且往往需要统计大量的实测样本，因此不具有普遍适用性。
发明内容
本发明的目的在于针对现有技术的缺点和不足，提出一种基于空间三维模板的点云数据树高提取方法，根据树木的具体形态来构建空间三维模板对数据进行遍历，根据相关系数来确定树冠顶点和范围，然后进行邻接叠置分析，合并重叠度过高的树木，生成树木的高度信息。
本发明所采用的技术方案是一种基于空间三维模板的点云数据树高提取方法，包括以下步骤：
步骤a，对待提取区域内的原始点云数据进行分类处理，分为植被点、地面点和噪声点三类，并对噪声点进行删除，得到非噪声点云数据，原始点云数据内的地面点构成地面点云数据；
步骤b，分别生成待提取区域的数字高程模型和数字表面模型，其中数字高程模型的生成方式为对步骤a所得地面点云数据构网内插后获得，数字表面模型的生成方式为对步骤a所得非噪声点云数据构网内插后获得；
步骤c，对步骤b生成的数字高程模型和数字表面模型进行相减操作，生成待提取区域的树木冠层模型的初始结果，然后消除初始结果中高程值小于0的奇异值点，得到待提取区域的树木冠层模型；
步骤d，针对步骤c生成的树木冠层模型构造空间三维模板，并利用模板在树木冠层模型中进行遍历，计算遍历中每一次移动模板时模板当前覆盖的区域与模板的相关系数；
步骤e，根据预设的相关系数阈值，当步骤d中某个区域计算得到的相关系数大于或等于相关系数阈值时，则将该区域标记为候选区域；
步骤f，对步骤e得到的候选区域进行邻接叠置分析，分析方式如下，
比较相邻的两候选区域间的重叠度和预设的重叠度阈值，
如果相邻的两候选区域间的重叠度大于等于重叠度阈值，则对这两候选区域进行合并，合并后候选区域内高程最大值与模板所构成曲面底部的平均高程相减，得到树高；
如果相邻的两候选区域间的重叠度小于重叠度阈值，则视这两候选区域为两棵互相独立的树木个体，不作进一步合并处理，直接提取树高。
而且，步骤d中，空间三维模板的数学表达式如下，
其中，(x,y,z)为树木冠层模型中数据点的三维坐标， p和q分别为树冠高度因子和范围因子， n为模型形态参数，p和q、n根据具体提取对象的树木形态学特点和生长情况设定。
本发明提供的技术方案的有益效果为：提出了利用空间三维模板提取树木高度的思想，在区域树木搜索中引入相关系数阈值，在保证了计算结果可靠性的同时，能够有效避免由于树木间的叠置现象给树高提取带来的不良影响。
附图说明
图1为本发明实施例的流程图。
具体实施方式
本发明技术方案所提供流程可由本领域技术人员采用计算机软件技术实现自动运行。为了更好地理解本发明的技术方案，下面结合附图和实施例对本发明做进一步的详细说明。参见图1：
步骤a，首先对点云数据进行预处理，包括对待提取区域内的原始点云数据进行分类处理，分为植被点、地面点和噪声点三类，并对噪声点进行删除，得到非噪声点云数据，原始点云数据内的地面点构成地面点云数据。
点云分类属于激光雷达处理领域的常规方法，具体分类流程不再赘述。
步骤b，分别生成待提取区域的数字高程模型（DEM）和数字表面模型（DSM），其中数字高程模型的生成方式为对步骤a所得地面点云数据构网内插后获得，数字表面模型的生成方式为对步骤a所得非噪声点云数据构网内插后获得。
实施例的DEM生成算法分为三步：第一步是对点云数据进行栅格化，对于栅格单元内出现多个点的情况，使用最小高程值作为栅格单元值；第二步是采用局部最小值搜索窗口算法提取地面点；第三步是采用不规则三角网内插算法对地面点进行内插和构网，生成DEM。
实施例利用所有非噪声点数据生成DSM，其生成算法也分为三步：第一步是点云数据的栅格化，像元的栅格大小则取决于激光雷达的脉冲平均间隔时间；第二步是栅格数据内插，选择邻域平均值作为内插值；第三步是填充孔洞，这里采用邻域像元的平均值作为内插值，通过多次迭代过程内插完孔洞的零值像元。
步骤c，对步骤b生成的数字高程模型和数字表面模型进行相减操作，生成待提取区域的树木冠层模型的初始结果，然后消除初始结果中高程值小于0的奇异值点，得到待提取区域的树木冠层模型（CHM）。代数运算（相减）后得到的初始结果中，由于一些误差可能导致树木冠层模型的某些栅格为负值，因此对初始结果进行后处理，消除负值点。
步骤d，针对步骤c生成的树木冠层模型构造空间三维模板，并利用模板在树木冠层模型中进行遍历，计算遍历中每一次移动模板时模板当前覆盖的区域与模板的相关系数。
实施例提出的空间三维模板数学表达式见公式（1）：
其中x，y，z为CHM点的三维坐标，n为模型形态参数，当n=1时模板为圆锥曲面，当n=2时模板为椭球面，当时模板为圆柱面。 p和q分别为树冠高度因子和范围因子，用以控制三维模板的高度和大圆半径。
本发明提出，可根据待提取树木的形态学特点和生长情况采取以下三种方法对待判定区域进行阈值和模板参数选择，分别按照公式（2）（3）（4）进行，需要说明的是这三种方法只需采用其中一种即可，并且采用何种方法要视具体情况而定。
第一种，针对的具体提取对象为针叶树，公式（1）中n的取值为1，其空间三维模板参数与相关系数判断阈值设置应满足公式（2）：
其中为相关系数阈值，
为标记二值函数。即模板的形态为圆锥曲面，只有当前区域与模板的相关系数大于或等于
时，对其进行标记。
第二种，针对的具体提取对象为阔叶树，公式（1）中n的取值为2，其空间三维模板参数与相关系数判断阈值设置应满足公式（3）：
其中
为相关系数阈值， 
为标记二值函数。即模板的形态为圆锥曲面，只有当前区域与模板的相关系数大于或等于时，对其进行标记。
第三种，针对的具体对象为某些具有特定形态的人工林木，公式（1）中n的取值为无穷大，其空间三维模板参数与相关系数判断阈值设置应满足公式（4）：
其中
为相关系数阈值，
为标记二值函数。即模板的形态为圆柱面，只有当前区域与模板的相关系数大于或等于
时，对其进行标记。
公式（2）（3）（4）中，
为模板当前覆盖的区域的相关系数，相关系数阈值
、
、
和参数p和q都可根据待提取树木的形态学特点和生长情况，视实际情况进行设置，具体实施时可以通过实验设置经验值。
利用构建的空间三维模板对CHM进行遍历时，逐一计算模板当前覆盖的区域与空间三维模板间的相关系数，相关系数的计算方法见公式（5）：
其中，
为模板当前覆盖的区域的中心点坐标， 
为树木冠层模型中位置
处的数据点高程值，
为模板当前覆盖的区域的平均高程值，
为树木冠层模型中位置
处的模板高程值，
为模板所构成曲面的重心的高程值，可以采用现有技术计算得到。
步骤e，根据预设的相关系数阈值，当步骤d中某个区域计算得到的相关系数大于或等于相关系数阈值时，则将该区域标记为候选区域。
步骤f，对步骤e得到的候选区域进行邻接叠置分析。
利用步骤d得到的候选区域进行相邻树木的叠置分析，由于本发明设定的空间模板具有三维性，所以会出现两棵树木树冠彼此重叠的情况，对于这种情况可以引入重叠度阈值进行判别，当相邻两候选区域的重叠度大于或者等于重叠度阈值时，对该相邻的两个候选区域进行合并，并取合并后区域内高程值最大的点作为树冠顶点。当相邻区域的重叠度小于该重叠度阈值时，仍视这两个候选区域分别为独立的树木个体，不作进一步合并处理，直接提取候选区域内的树高即可。实施例的重叠度阈值设为0.7。
在邻接叠置分析后保留下来的各候选区域内用高程最大值与模板所构成曲面底部的平均高程相减，得到该候选区域内树木的高度。
为提供精确度起见，本实施例在求取树高后，如果树高小于1.5m，则认为是伪树木，否则记录下该候选区域的树高值。
实施例的流程设计为，在遍历时，每次对模板当前覆盖的区域求取相关系数后，即将该相关系数与预设的相关系数阈值进行比较，如果其大于或者等于相关系数阈值，则将当前区域标记为候选区域，进行邻接叠置分析，提取树高后移动模板位置，对下一区域进行相同操作；否则直接移动模板位置，对下一区域进行相同操作。这样和执行步骤d遍历求取完相关系数后，再执行步骤e、f提取所有候选区域并进行邻接叠置分析，效果是等同的。
综上所述，本发明提出的基于空间三维模板的点云数据树高提取方法，在以往光学影像模板分割法的基础上，利用树木的空间三维形态特点与点云数据的独特优势提取树木高度信息。空间三维模板可以避免以往树高提取时相互遮挡树木区域的二义性问题，并且能够根据树木的形态灵活选取模板与阈值参数，更加符合实际的应用需求。
为说明本发明的实用性和效果，提供以下实验：
对2008年6月黑河流域大野谷关滩地区的1km×1km超级样地内的3个子样地树木高度信息进行提取。选择基于点云三维信息直接提取树高方法和利用间接树木参数进行树高提取方法作为对比，其中间接树木参数选取胸径数据，模型选择使用较为广泛的线性函数模型，模型的数学表达式见公式（6）：
其中
和是线性系数，
表示树高，
为树木胸径。
从以下两方面对该方法的有效性进行评价，提出两个树高提取评价指标：
（1）均方根误差RMSE：是一种刻画样本计算值与真实值偏差程度的一种评价指标，其数学表达式见公式（7）：
其中
为样本个数，
为第
个测量值，
为该组测量值的均值，均方根误差RMSE越小说明方法稳健性越好。
（2）相关系数R 2 ：又称为确定系数，用来衡量实际测量值与提取值之间的相关性强弱，其数学表达式见公式（8）：
其中
为样本个数，
和
分别为样本中的第i个估计值和真实值（0＜i≤N），
和
分别为估计值和真实值的均值。
按照以上树高提取有效性评价指标操作要求得到评价指标系数如表1所示：
表1
从表1的实验数据可知，本发明提出的基于空间三维模板的点云数据树高提取方法在各指标上均比传统的点云直接方法和利用其它树木参数间接提取方法有一定的优势，是一种可行的利用激光点云数据进行森林树木高度提取方法。
Claims (2)
1.一种基于空间三维模板的点云数据树高提取方法，其特征在于，包括以下步骤：
步骤a，对待提取区域内的原始点云数据进行分类处理，分为植被点、地面点和噪声点三类，并对噪声点进行删除，得到非噪声点云数据，原始点云数据内的地面点构成地面点云数据；
步骤b，分别生成待提取区域的数字高程模型和数字表面模型，其中数字高程模型的生成方式为对步骤a所得地面点云数据构网内插后获得，数字表面模型的生成方式为对步骤a所得非噪声点云数据构网内插后获得；
步骤c，对步骤b生成的数字高程模型和数字表面模型进行相减操作，生成待提取区域的树木冠层模型的初始结果，然后消除初始结果中高程值小于0的奇异值点，得到待提取区域的树木冠层模型；
步骤d，针对步骤c生成的树木冠层模型构造空间三维模板，并利用模板在树木冠层模型中进行遍历，计算遍历中每一次移动模板时模板当前覆盖的区域与模板的相关系数；
步骤e，根据预设的相关系数阈值，当步骤d中某个区域计算得到的相关系数大于或等于相关系数阈值时，则将该区域标记为候选区域；
步骤f，对步骤e得到的候选区域进行邻接叠置分析，分析方式如下，
比较相邻的两候选区域间的重叠度和预设的重叠度阈值，
如果相邻的两候选区域间的重叠度大于等于重叠度阈值，则对这两候选区域进行合并，合并后候选区域内高程最大值与模板所构成曲面底部的平均高程相减，得到树高；
如果相邻的两候选区域间的重叠度小于重叠度阈值，则视这两候选区域为两棵互相独立的树木个体，不作进一步合并处理，直接提取树高。
2.根据权利要求1所述基于空间三维模板的点云数据树高提取方法，其特征在于：步骤d中，空间三维模板的数学表达式如下，
其中，(x,y,z)为树木冠层模型中数据点的三维坐标， p和q分别为树冠高度因子和范围因子， n为模型形态参数，p和q、n根据具体提取对象的树木形态学特点和生长情况设定。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 201110416153 CN102521835B (zh) | 2011-12-14 | 2011-12-14 | 一种基于空间三维模板的点云数据树高提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 201110416153 CN102521835B (zh) | 2011-12-14 | 2011-12-14 | 一种基于空间三维模板的点云数据树高提取方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102521835A true CN102521835A (zh) | 2012-06-27 |
| CN102521835B CN102521835B (zh) | 2013-09-18 |
Family
ID=46292739
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN 201110416153 Expired - Fee Related CN102521835B (zh) | 2011-12-14 | 2011-12-14 | 一种基于空间三维模板的点云数据树高提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102521835B (zh) |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104463164A (zh) * | 2014-09-03 | 2015-03-25 | 中国科学院遥感与数字地球研究所 | 一种基于伞骨法与冠高比的树木冠层结构信息提取方法 |
| CN104483271A (zh) * | 2014-12-19 | 2015-04-01 | 武汉大学 | 光学反射模型与微波散射模型协同的森林生物量反演方法 |
| CN106204611A (zh) * | 2016-07-19 | 2016-12-07 | 中国科学院地理科学与资源研究所 | 一种基于HASM模型的LiDAR点云数据处理方法及装置 |
| CN107870333A (zh) * | 2017-10-27 | 2018-04-03 | 北京林业大学 | 一种地面激光雷达模拟角规测定林分平均高的方法 |
| CN108872964A (zh) * | 2018-08-15 | 2018-11-23 | 南京林业大学 | 基于无人机LiDAR数据的银杏人工林郁闭度提取方法 |
| CN109410225A (zh) * | 2018-08-30 | 2019-03-01 | 浙江工业大学 | 基于多层级树木结构分析的树木分割方法 |
| CN110598619A (zh) * | 2019-09-06 | 2019-12-20 | 中国农业科学院农业资源与农业区划研究所 | 一种利用无人机影像进行果树识别和计数的方法和系统 |
| US20200114449A1 (en) * | 2018-10-12 | 2020-04-16 | Teradyne, Inc. | System and method for weld path generation |
| CN111354081A (zh) * | 2018-12-20 | 2020-06-30 | 中科星图股份有限公司 | 大规模三维森林绘制方法 |
| WO2020155049A1 (zh) * | 2019-01-31 | 2020-08-06 | 西门子股份公司 | 模型简化特征的识别方法、装置和设备 |
| CN112700346A (zh) * | 2020-12-31 | 2021-04-23 | 广州极飞科技有限公司 | 农作物高度的确定方法、装置、存储介质和设备 |
| CN114581328A (zh) * | 2022-03-03 | 2022-06-03 | 中冶赛迪重庆信息技术有限公司 | 一种料堆点云数据插补方法、装置、设备及介质 |
| CN115620263A (zh) * | 2022-10-25 | 2023-01-17 | 四川吉利学院 | 基于摄像机和激光雷达图像融合的智能车障碍物检测方法 |
| CN116309566A (zh) * | 2023-05-17 | 2023-06-23 | 深圳大学 | 基于点云的粘连人造杆状物单体化提取方法及相关设备 |
| CN117131061A (zh) * | 2023-08-17 | 2023-11-28 | 广州市城市规划勘测设计研究院 | 一种树木入库信息处理方法、装置、终端及介质 |
| CN117253163A (zh) * | 2023-11-14 | 2023-12-19 | 山东科技大学 | 一种基于无人机激光雷达的田间花生株高估算方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101520307A (zh) * | 2008-02-26 | 2009-09-02 | 中国计量科学研究院 | 应用三维激光影像扫描系统测定树冠体积分形维数方法 |
| CN101839701A (zh) * | 2010-05-27 | 2010-09-22 | 中国科学院自动化研究所 | 树木点云数据的自动分割方法 |
| CN101887596A (zh) * | 2010-06-01 | 2010-11-17 | 中国科学院自动化研究所 | 树木点云数据基于分割和自动生长的三维模型重建方法 |
-
2011
- 2011-12-14 CN CN 201110416153 patent/CN102521835B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101520307A (zh) * | 2008-02-26 | 2009-09-02 | 中国计量科学研究院 | 应用三维激光影像扫描系统测定树冠体积分形维数方法 |
| CN101839701A (zh) * | 2010-05-27 | 2010-09-22 | 中国科学院自动化研究所 | 树木点云数据的自动分割方法 |
| CN101887596A (zh) * | 2010-06-01 | 2010-11-17 | 中国科学院自动化研究所 | 树木点云数据基于分割和自动生长的三维模型重建方法 |
Non-Patent Citations (1)
| Title |
|---|
| 庞勇,赵峰,李增元,周淑芳,邓广,刘清旺,陈尔学: "机载激光雷达平均树高提取研究", 《遥感学报》 * |
Cited By (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104463164A (zh) * | 2014-09-03 | 2015-03-25 | 中国科学院遥感与数字地球研究所 | 一种基于伞骨法与冠高比的树木冠层结构信息提取方法 |
| CN104463164B (zh) * | 2014-09-03 | 2018-02-13 | 中国科学院遥感与数字地球研究所 | 一种基于伞骨法与冠高比的树木冠层结构信息提取方法 |
| CN104483271A (zh) * | 2014-12-19 | 2015-04-01 | 武汉大学 | 光学反射模型与微波散射模型协同的森林生物量反演方法 |
| CN104483271B (zh) * | 2014-12-19 | 2017-02-22 | 武汉大学 | 光学反射模型与微波散射模型协同的森林生物量反演方法 |
| CN106204611A (zh) * | 2016-07-19 | 2016-12-07 | 中国科学院地理科学与资源研究所 | 一种基于HASM模型的LiDAR点云数据处理方法及装置 |
| CN107870333A (zh) * | 2017-10-27 | 2018-04-03 | 北京林业大学 | 一种地面激光雷达模拟角规测定林分平均高的方法 |
| CN108872964A (zh) * | 2018-08-15 | 2018-11-23 | 南京林业大学 | 基于无人机LiDAR数据的银杏人工林郁闭度提取方法 |
| CN108872964B (zh) * | 2018-08-15 | 2020-02-14 | 南京林业大学 | 基于无人机LiDAR数据的银杏人工林郁闭度提取方法 |
| CN109410225A (zh) * | 2018-08-30 | 2019-03-01 | 浙江工业大学 | 基于多层级树木结构分析的树木分割方法 |
| US11440119B2 (en) * | 2018-10-12 | 2022-09-13 | Teradyne, Inc. | System and method for weld path generation |
| US20200114449A1 (en) * | 2018-10-12 | 2020-04-16 | Teradyne, Inc. | System and method for weld path generation |
| CN111354081A (zh) * | 2018-12-20 | 2020-06-30 | 中科星图股份有限公司 | 大规模三维森林绘制方法 |
| WO2020155049A1 (zh) * | 2019-01-31 | 2020-08-06 | 西门子股份公司 | 模型简化特征的识别方法、装置和设备 |
| CN113168730A (zh) * | 2019-01-31 | 2021-07-23 | 西门子股份公司 | 模型简化特征的识别方法、装置和设备 |
| CN110598619A (zh) * | 2019-09-06 | 2019-12-20 | 中国农业科学院农业资源与农业区划研究所 | 一种利用无人机影像进行果树识别和计数的方法和系统 |
| CN112700346A (zh) * | 2020-12-31 | 2021-04-23 | 广州极飞科技有限公司 | 农作物高度的确定方法、装置、存储介质和设备 |
| CN114581328A (zh) * | 2022-03-03 | 2022-06-03 | 中冶赛迪重庆信息技术有限公司 | 一种料堆点云数据插补方法、装置、设备及介质 |
| CN114581328B (zh) * | 2022-03-03 | 2024-07-26 | 中冶赛迪信息技术(重庆)有限公司 | 一种料堆点云数据插补方法、装置、设备及介质 |
| CN115620263A (zh) * | 2022-10-25 | 2023-01-17 | 四川吉利学院 | 基于摄像机和激光雷达图像融合的智能车障碍物检测方法 |
| CN115620263B (zh) * | 2022-10-25 | 2023-08-15 | 四川吉利学院 | 基于摄像机和激光雷达图像融合的智能车障碍物检测方法 |
| CN116309566A (zh) * | 2023-05-17 | 2023-06-23 | 深圳大学 | 基于点云的粘连人造杆状物单体化提取方法及相关设备 |
| CN116309566B (zh) * | 2023-05-17 | 2023-09-12 | 深圳大学 | 基于点云的粘连人造杆状物单体化提取方法及相关设备 |
| CN117131061A (zh) * | 2023-08-17 | 2023-11-28 | 广州市城市规划勘测设计研究院 | 一种树木入库信息处理方法、装置、终端及介质 |
| CN117131061B (zh) * | 2023-08-17 | 2024-05-17 | 广州市城市规划勘测设计研究院有限公司 | 一种树木入库信息处理方法、装置、终端及介质 |
| CN117253163A (zh) * | 2023-11-14 | 2023-12-19 | 山东科技大学 | 一种基于无人机激光雷达的田间花生株高估算方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102521835B (zh) | 2013-09-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102521835A (zh) | 一种基于空间三维模板的点云数据树高提取方法 | |
| Wu et al. | Individual tree crown delineation using localized contour tree method and airborne LiDAR data in coniferous forests | |
| Koreň et al. | Accuracy of tree diameter estimation from terrestrial laser scanning by circle-fitting methods | |
| CN105512665B (zh) | 一种机载激光雷达点云数据边缘提取方法 | |
| CN105488770B (zh) | 一种面向对象的机载激光雷达点云滤波方法 | |
| CN104299260B (zh) | 一种基于sift和lbp的点云配准的接触网三维重建方法 | |
| CN104155638B (zh) | 一种基于LiDAR伪垂直波形模型的树种分类方法 | |
| CN103870845B (zh) | 点云聚类去噪过程中新的k值优化方法 | |
| Bienert et al. | A voxel-based technique to estimate the volume of trees from terrestrial laser scanner data | |
| Li et al. | Adaptive building edge detection by combining LiDAR data and aerial images | |
| CN104049245A (zh) | 基于LiDAR点云空间差异分析的城市建筑物变化检测方法 | |
| Hui et al. | A mean shift segmentation morphological filter for airborne LiDAR DTM extraction under forest canopy | |
| Kim et al. | Estimation of carbon storage based on individual tree detection in Pinus densiflora stands using a fusion of aerial photography and LiDAR data | |
| Shamsoddini et al. | Improving lidar-based forest structure mapping with crown-level pit removal | |
| Hu et al. | A fast and simple method of building detection from LiDAR data based on scan line analysis | |
| Chen et al. | A mathematical morphology-based multi-level filter of LiDAR data for generating DTMs | |
| CN112669333A (zh) | 一种单木信息提取方法 | |
| CN108986024A (zh) | 一种基于网格的激光点云规则排列处理方法 | |
| Hao et al. | A hierarchical region-merging algorithm for 3-D segmentation of individual trees using UAV-LiDAR point clouds | |
| Li et al. | A new approach for estimating living vegetation volume based on terrestrial point cloud data | |
| Sun et al. | Feasibility study on the estimation of the living vegetation volume of individual street trees using terrestrial laser scanning | |
| CN115061150A (zh) | 一种基于激光雷达点云数据伪波形特征处理的建筑物提取方法 | |
| CN110120070A (zh) | 基于机载激光雷达点云体元连续性分析的滤波方法 | |
| Zhu et al. | Research on deep learning individual tree segmentation method coupling RetinaNet and point cloud clustering | |
| CN112150479A (zh) | 基于高斯聚类的单木分割及树高和冠幅的提取方法 |
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 |
Granted publication date: 20130918 Termination date: 20181214 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |