CN104331686A - 一种土壤地表秸秆覆盖率人工辅助识别系统 - Google Patents
一种土壤地表秸秆覆盖率人工辅助识别系统 Download PDFInfo
- Publication number
- CN104331686A CN104331686A CN201410583504.0A CN201410583504A CN104331686A CN 104331686 A CN104331686 A CN 104331686A CN 201410583504 A CN201410583504 A CN 201410583504A CN 104331686 A CN104331686 A CN 104331686A
- Authority
- CN
- China
- Prior art keywords
- digital camera
- image
- soil surface
- soil
- recognition system
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种土壤地表秸秆覆盖率人工辅助识别系统,主要包括用于拍摄土壤地表秸秆图像的数码相机,用于粗调数码相机水平的三脚架和云台,用于精调数码相机水平的三向水平仪,用于实时获取数码相机位置信息的GPS定位模块,用于基于GPS定位模块反馈的数码相机位置信息和数码相机反馈的图像信息进行处理的笔记本电脑;数码相机和GPS定位模块分别安装在云台上,GPS定位模块与数码相机连接;三向水平仪与数码相机连接;云台与三脚架连接。本发明所述土壤地表秸秆覆盖率人工辅助识别系统,可以克服现有技术中劳动量大、数据处理量大、成本高、自动化程度低等缺陷,以实现劳动量小、数据处理量小、成本低和自动化程度高的优点。
Description
技术领域
本发明涉及图像处理技术领域,具体地,涉及一种土壤地表秸秆覆盖率人工辅助识别系统。
背景技术
随着我国生态环境的持续恶化,国家越来越重视可持续发展战略。在农业领域,秸秆焚烧是导致空气污染的重要因素,现各地已明令禁止焚烧秸秆,要求秸秆还田,通过粉碎、掩埋,达到既不污染环境,又可改善土壤结构和提高土壤肥力的目的。获取土壤地表秸秆覆盖率,对于评估土壤肥力恢复、实施变量施肥,具有重要的意义。传统的“拉网数格法”获取土壤地表秸秆覆盖率,已不能满足现代农业的要求,数字图像处理技术的引入,有效提高了秸秆覆盖率获取效率。目前,数字图像处理方法尚不能自动提取秸秆覆盖率,而通过人工干预,在像素级别提取秸秆覆盖率又异常繁琐,且计算处理复杂,难以应用推广。
针对土壤与秸秆光谱特征差异显著的特点,可以采用图像光谱的方法进行处理,如二分法、基本运算等。采用像素级别的地物判别方法,通过空间位置以及光谱位置信息,结合训练区样本的对比信息,可以得到秸秆覆盖率,但是该算法复杂、工作量大,不适于非专业人员使用。现实中,常出现土壤与秸秆的光谱特征空间重叠十分严重的情况。此时,如果使用多光谱传感器将导致成本过高,使用普通相机获取图像光谱的效果又不理想。因此,需要考虑利用图像的其他特征,比如图像纹理。
在实现本发明的过程中,发明人发现现有技术中至少存在劳动量大、数据处理量大、成本高、自动化程度低等缺陷。
发明内容
本发明的目的在于,针对上述问题,提出一种土壤地表秸秆覆盖率人工辅助识别系统,以实现劳动量小、数据处理量小、成本低、自动化程度高的优点。
为实现上述目的,本发明采用的技术方案是:一种土壤地表秸秆覆盖率人工辅助识别系统,主要包括用于拍摄土壤地表秸秆图像的数码相机,用于粗调所述数码相机水平的三脚架和云台,用于精调所述数码相机水平的三向水平仪,用于实时获取所述数码相机位置信息的GPS定位模块,以及用于基于所述GPS定位模块反馈的数码相机的位置信息和数码相机反馈的图像信息进行处理的笔记本电脑;
所述数码相机和GPS定位模块分别安装在云台上,所述GPS定位模块与数码相机连接,所述三向水平仪与数码相机连接。
以上所述的土壤地表秸秆覆盖率人工辅助识别系统,还包括用于调节数码相机水平的云台;所述云台安装在三脚架上。
进一步地,所述笔记本电脑基于GPS定位模块反馈的数码相机的位置信息和数码相机反馈的图像信息进行处理的操作,具体包括:
模拟“拉网数格法”,通过将数字图像分割成n*m个区域,即完成划分n*m个格子的“拉网”工作;人工参与标识土壤格子,计算机辅助检测标识格子邻近的与其同类的其他格子并记录,从记录的格子开始重复检测,直到没有新的记录为止,人工去除误判的格子,即完成“数格”工作;
基于上述“数格”工作,结合空间特征变量和自定义特征变量,提取土壤图像特征,计算土壤覆盖率,进而反算秸秆覆盖率。
进一步地,所述模拟“拉网数格法”,通过将数字图像分割成n*m个区域,即完成划分n*m个格子的“拉网”工作的操作,具体包括:
将原始图像三个波段灰度化,并将灰度值划分为5级,选取相邻像素的变化进行计算得到灰度共生矩阵。
进一步地,所述结合空间特征变量和自定义特征变量的操作,具体包括:
对产生的灰度图像进行边缘提取,统计边界中单像素点、双像素点以及三像素点占边缘图像的比例,即点特征变量。
进一步地,所述提取土壤图像特征的操作,具体包括:
把产生的灰度图像划分成若干条线,每条线上相邻点的灰度值近似,统计不同长度线条的数量,通过统计短线条所占比例,即可描述土壤图像。
本发明各实施例的土壤地表秸秆覆盖率人工辅助识别系统,由于主要包括用于拍摄土壤地表秸秆图像的数码相机,用于粗调数码相机水平的三脚架和云台,用于精调数码相机水平的三向水平仪,用于实时获取数码相机位置信息的GPS定位模块,用于基于GPS定位模块反馈的数码相机位置信息和数码相机反馈的图像信息进行处理的笔记本电脑;数码相机和GPS定位模块分别安装在云台上,GPS定位模块与数码相机连接,三向水平仪与数码相机连接;可以采用现有设备和装置进行整合;从而可以克服现有技术中劳动量大、数据处理量大、成本高、自动化程度低的缺陷,以实现劳动量小、数据处理量小、成本低、自动化程度高的优点。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明土壤地表秸秆覆盖率人工辅助识别系统的结构示意图;
图2为本发明土壤地表秸秆覆盖率人工辅助识别系统的工作原理示意图;
图3为本发明土壤地表秸秆覆盖率人工辅助识别系统的获取的地表秸秆原图;
图4为本发明土壤地表秸秆覆盖率人工辅助识别系统仅计算灰度共生矩阵空间特征变量的结果图;
图5为本发明土壤地表秸秆覆盖率人工辅助识别系统仅计算点特征变量的结果图;
图6为本发明土壤地表秸秆覆盖率人工辅助识别系统仅计算线特征变量的结果图。
结合附图,本发明实施例中附图标记如下:
1-笔记本电脑;2-三向水平仪;3-数码相机;4-三脚架;5-GPS定位模块;6-云台。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
根据本发明实施例,如图1至图6所示,提供了一种土壤地表秸秆覆盖率人工辅助识别系统。
本实施例的土壤地表秸秆覆盖率人工辅助识别系统,主要包括用于拍摄土壤地表秸秆图像的数码相机(如数码相机3),用于粗调数码相机水平的三脚架(如三脚架4)和云台(如云台6),用于精调数码相机水平的三向水平仪(如三向水平仪2),用于实时获取数码相机位置信息的GPS定位模块(如GPS定位模块5),以及用于基于GPS定位模块反馈的数码相机的位置信息和数码相机反馈的图像信息进行处理的笔记本电脑(如笔记本电脑1);数码相机和GPS定位模块分别安装在云台上,GPS定位模块与数码相机连接,三向水平仪与数码相机连接;所述云台安装在三脚架上。
其中,上述笔记本电脑基于GPS定位模块反馈的数码相机的位置信息和数码相机反馈的图像信息进行处理的操作,具体包括:
模拟“拉网数格法”,通过将数字图像分割成n*m个区域,即完成划分n*m个格子的“拉网”工作;人工参与标识土壤格子,计算机辅助检测标识格子邻近的与其同类的其他格子并记录,从记录的格子开始重复检测,直到没有新的记录为止,人工去除误判的格子,即完成“数格”工作;
基于上述“数格”工作,结合空间特征变量和自定义特征变量,提取土壤图像特征,计算土壤覆盖率,进而反算秸秆覆盖率。
上述模拟“拉网数格法”,通过将数字图像分割成n*m个区域,即完成划分n*m个格子的“拉网”工作的操作,具体包括:将原始图像三个波段灰度化,并将灰度值划分为5级,选取相邻像素的变化进行计算得到灰度共生矩阵。结合空间特征变量和自定义特征变量的操作,具体包括:对产生的灰度图像进行边缘提取,统计边界中单像素点、双像素点以及三像素点占边缘图像的比例,即点特征变量。提取土壤图像特征的操作,具体包括:把产生的灰度图像划分成若干条线,每条线上相邻点的灰度值近似,统计不同长度线条的数量,通过统计短线条所占比例,即可描述土壤图像。
上述实施例的土壤地表秸秆覆盖率人工辅助识别系统,采用现有设备和装置进行整合,设计土壤地表秸秆覆盖率自动检测系统,包括硬件系统。
在上述实施例中,硬件系统包括笔记本电脑、数码相机、GPS定位模块、数据连接线、三脚架、云台、三向水平仪,如图1所示。GPS定位模块与数码相机连接,实时获取数码相机的位置信息。拍摄过程中,三脚架和云台粗调水平,再根据数码相机上粘合的三向水平仪精调,使数码相机完全垂直于地面进行拍摄。利用笔记本电脑对数码相机进行控制,从而排除手触操作对数码相机产生的不稳定因素,数码相机拍摄后的照片直接存储在电脑上,利用电脑可直接进行处理。
在上述实施例中,电脑处理方面,具体包括:模拟“拉网数格法”;通过将数字图像分割成n*m个区域,即完成划分n*m个格子的“拉网”工作;人工参与标识土壤格子,计算机辅助检测标识格子邻近的与其同类的其他格子并记录,从记录的格子开始重复检测,直到没有新的记录为止,人工去除误判的格子,即完成“数格”工作。从而计算土壤覆盖率,进而反算秸秆覆盖率。该土壤地表秸秆覆盖率人工辅助识别系统的创新点在于土壤图像特征提取,主要是空间特征变量和自定义特征变量的结合。
上述实施例的土壤地表秸秆覆盖率人工辅助识别系统,可以将原始图像三个波段灰度化,并将灰度值划分为5级,选取相邻像素的变化进行计算得到灰度共生矩阵。仅通过一个训练区,以图3为例,可以得到结果图4。可以对产生的灰度图像进行边缘提取,统计边界中单像素点、双像素点以及三像素点占边缘图像的比例,即点特征变量。仅通过一个训练区,以图3为例,可以得到结果图5。可以把产生的灰度图像划分成若干条线,每条线上相邻点的灰度值近似,统计不同长度线条的数量,通过统计短线条所占比例,即可描述土壤图像。仅通过一个训练区,以图3为例,可以得到结果图6。该土壤地表秸秆覆盖率人工辅助识别系统,综合这三种方法,进行人工辅助训练样区的临近搜索,可以准确加速完成“数格”工作。
上述实施例的土壤地表秸秆覆盖率人工辅助识别系统,整合了一套可行的系统,即利用CDD数码照相机在田间采样,然后通过图像处理提取每张相片的秸秆覆盖率,最后插值出整个区域的秸秆覆盖率分布图。该土壤地表秸秆覆盖率人工辅助识别系统,设计了基于CDD数码照相机拍摄的土壤秸秆图像的秸秆覆盖率计算方法,主要思路如下所述。以CDD数码照相机拍摄的土壤秸秆图像为对象,按照传统“人工格网法”的思想,将图像分割成n*m个矩形区域,并制定了矩形内检测土壤相关性的标准,选择识别土壤而非秸秆是因为土壤的特性更为单一、更易提取。该土壤地表秸秆覆盖率人工辅助识别系统,制定的检测标准,综合了土壤光谱特征变量、土壤纹理的空间特征变和其他特征变量(自定义的特征值,点特征变量和线特征变量)。通过人工交互选取土壤矩形的训练区,模型根据标准计算其他矩形的土壤相关性,从而得到土壤的分布,最后逆向反求秸秆的分布,获得土壤背景下秸秆的覆盖率。
综上所述,本发明上述各实施例的土壤地表秸秆覆盖率人工辅助识别系统,可以达到的效果主要体现在:
(1)整合了一套适用于田间的土壤地表秸秆覆盖率硬件采集装置,包括笔记本电脑、数码相机、GPS定位模块、数据连接线、三脚架、云台、三向水平仪;通过笔记本电脑控制数码相机进行地表秸秆图像采集,并进行实时结果分析;
(2)设计并实现了土壤地表秸秆覆盖率人工辅助算法,包括人工交互界面和图像自动匹配计算方法,从而获得精度可控的计算结果;
(3)提取土壤覆盖率,从而反算土壤地表秸秆覆盖率,提出了针对土壤覆盖率检测的点和线特征变量,二者具有较好的针对性,且具有很好的借鉴作用和推广意义。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种土壤地表秸秆覆盖率人工辅助识别系统,其特征在于,主要包括用于拍摄土壤地表秸秆图像的数码相机,用于粗调所述数码相机水平的三脚架和云台,用于精调所述数码相机水平的三向水平仪,用于实时获取所述数码相机位置信息的GPS定位模块,以及用于基于所述GPS定位模块反馈的数码相机位置信息和数码相机反馈的图像信息进行处理的笔记本电脑;所述数码相机和GPS定位模块分别安装在云台上,所述GPS定位模块与数码相机连接,所述三向水平仪与数码相机连接;所述云台与三脚架连接。
2.根据权利要求1所述的土壤地表秸秆覆盖率人工辅助识别系统,其特征在于,所述笔记本电脑基于GPS定位模块反馈的数码相机的位置信息和数码相机反馈的图像信息进行处理操作,具体包括:
模拟“拉网数格法”,通过将数字图像分割成n*m个区域,即完成划分n*m个格子的“拉网”工作;人工参与标识土壤格子,计算机辅助检测标识格子邻近的与其同类的其他格子并记录,从记录的格子开始重复检测,直到没有新的记录为止,人工去除误判的格子,即完成“数格”工作;
基于上述“数格”工作,结合空间特征变量和自定义特征变量,提取土壤图像特征,计算土壤覆盖率,进而反算秸秆覆盖率。
3.根据权利要求2所述的土壤地表秸秆覆盖率人工辅助识别系统,其特征在于,所述模拟“拉网数格法”,通过将数字图像分割成n*m个区域,即完成划分n*m个格子的“拉网”工作的操作,具体包括:
将原始图像三个波段灰度化,并将灰度值划分为5级,选取相邻像素的变化进行计算得到灰度共生矩阵。
4.根据权利要求3所述的土壤地表秸秆覆盖率人工辅助识别系统,其特征在于,所述结合空间特征变量和自定义特征变量的操作,具体包括:
对产生的灰度图像进行边缘提取,统计边界中单像素点、双像素点以及三像素点占边缘图像的比例,即点特征变量。
5.根据权利要求3所述的土壤地表秸秆覆盖率人工辅助识别系统,其特征在于,所述提取土壤图像特征的操作,具体包括:
把产生的灰度图像划分成若干条线,每条线上相邻点的灰度值近似,统计不同长度线条的数量,通过统计短线条所占比例,即可描述土壤图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410583504.0A CN104331686B (zh) | 2014-10-28 | 2014-10-28 | 一种土壤地表秸秆覆盖率人工辅助识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410583504.0A CN104331686B (zh) | 2014-10-28 | 2014-10-28 | 一种土壤地表秸秆覆盖率人工辅助识别系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104331686A true CN104331686A (zh) | 2015-02-04 |
CN104331686B CN104331686B (zh) | 2017-08-08 |
Family
ID=52406408
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410583504.0A Expired - Fee Related CN104331686B (zh) | 2014-10-28 | 2014-10-28 | 一种土壤地表秸秆覆盖率人工辅助识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104331686B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107290281A (zh) * | 2017-06-16 | 2017-10-24 | 芜湖航飞科技股份有限公司 | 基于北斗定位导航的绿化率测量装置 |
CN107371515A (zh) * | 2017-06-16 | 2017-11-24 | 芜湖航飞科技股份有限公司 | 基于北斗定位导航的施肥系统 |
CN108662998A (zh) * | 2018-05-09 | 2018-10-16 | 华中农业大学 | 测量秸秆在土壤中空间分布的方法 |
CN110765931A (zh) * | 2019-10-22 | 2020-02-07 | 黑龙江惠达科技发展有限公司 | 检测秸秆覆盖率的方法、装置、存储介质和农机 |
CN112580484A (zh) * | 2020-12-14 | 2021-03-30 | 中国农业大学 | 基于深度学习的遥感影像玉米秸秆覆盖识别方法及装置 |
CN113255595A (zh) * | 2021-06-29 | 2021-08-13 | 北京中建建筑科学研究院有限公司 | 基于区块链技术的多摄像头土方覆盖率的智能计算方法 |
CN114814782A (zh) * | 2022-05-06 | 2022-07-29 | 中国农业大学 | 一种基于激光雷达的秸秆覆盖率实时检测方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100142753A1 (en) * | 2007-05-22 | 2010-06-10 | Illinois Tool Works Inc. | device and method for monitoring a magnetic powder |
CN102012528A (zh) * | 2010-11-23 | 2011-04-13 | 北京理工大学 | 一种稀疏植被地区的高光谱遥感油气勘探方法 |
CN102110227A (zh) * | 2010-11-24 | 2011-06-29 | 清华大学 | 基于上下文关系的多分辨率遥感图像复合分类方法 |
CN102184423A (zh) * | 2011-05-17 | 2011-09-14 | 中国科学院遥感应用研究所 | 一种全自动的区域不透水面遥感信息精确提取方法 |
CN204270319U (zh) * | 2014-10-28 | 2015-04-15 | 中国农业大学 | 一种土壤地表秸秆覆盖率人工辅助识别系统 |
-
2014
- 2014-10-28 CN CN201410583504.0A patent/CN104331686B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100142753A1 (en) * | 2007-05-22 | 2010-06-10 | Illinois Tool Works Inc. | device and method for monitoring a magnetic powder |
CN102012528A (zh) * | 2010-11-23 | 2011-04-13 | 北京理工大学 | 一种稀疏植被地区的高光谱遥感油气勘探方法 |
CN102110227A (zh) * | 2010-11-24 | 2011-06-29 | 清华大学 | 基于上下文关系的多分辨率遥感图像复合分类方法 |
CN102184423A (zh) * | 2011-05-17 | 2011-09-14 | 中国科学院遥感应用研究所 | 一种全自动的区域不透水面遥感信息精确提取方法 |
CN204270319U (zh) * | 2014-10-28 | 2015-04-15 | 中国农业大学 | 一种土壤地表秸秆覆盖率人工辅助识别系统 |
Non-Patent Citations (2)
Title |
---|
子午: ""风光摄影装备攻略"", 《中国摄影家》 * |
李洪文 等: ""基于人工神经网络的田间秸秆覆盖率检测系统"", 《农业机械学报》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107290281A (zh) * | 2017-06-16 | 2017-10-24 | 芜湖航飞科技股份有限公司 | 基于北斗定位导航的绿化率测量装置 |
CN107371515A (zh) * | 2017-06-16 | 2017-11-24 | 芜湖航飞科技股份有限公司 | 基于北斗定位导航的施肥系统 |
CN108662998A (zh) * | 2018-05-09 | 2018-10-16 | 华中农业大学 | 测量秸秆在土壤中空间分布的方法 |
CN110765931A (zh) * | 2019-10-22 | 2020-02-07 | 黑龙江惠达科技发展有限公司 | 检测秸秆覆盖率的方法、装置、存储介质和农机 |
CN112580484A (zh) * | 2020-12-14 | 2021-03-30 | 中国农业大学 | 基于深度学习的遥感影像玉米秸秆覆盖识别方法及装置 |
CN112580484B (zh) * | 2020-12-14 | 2024-03-29 | 中国农业大学 | 基于深度学习的遥感影像玉米秸秆覆盖识别方法及装置 |
CN113255595A (zh) * | 2021-06-29 | 2021-08-13 | 北京中建建筑科学研究院有限公司 | 基于区块链技术的多摄像头土方覆盖率的智能计算方法 |
CN114814782A (zh) * | 2022-05-06 | 2022-07-29 | 中国农业大学 | 一种基于激光雷达的秸秆覆盖率实时检测方法及装置 |
CN114814782B (zh) * | 2022-05-06 | 2024-05-24 | 中国农业大学 | 一种基于激光雷达的秸秆覆盖率实时检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN104331686B (zh) | 2017-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104331686A (zh) | 一种土壤地表秸秆覆盖率人工辅助识别系统 | |
Gibbs et al. | Approaches to three-dimensional reconstruction of plant shoot topology and geometry | |
Xiong et al. | A high-throughput stereo-imaging system for quantifying rape leaf traits during the seedling stage | |
Malambo et al. | Automated detection and measurement of individual sorghum panicles using density-based clustering of terrestrial lidar data | |
Wing et al. | Prediction of understory vegetation cover with airborne lidar in an interior ponderosa pine forest | |
Su et al. | A new method for extracting built-up urban areas using DMSP-OLS nighttime stable lights: A case study in the Pearl River Delta, southern China | |
Ke et al. | A review of methods for automatic individual tree-crown detection and delineation from passive remote sensing | |
CN112164062A (zh) | 一种基于遥感时序分析的抛荒地信息提取方法及装置 | |
CN102708587A (zh) | 一种快速获取三维建筑信息的方法及系统 | |
CN110296942B (zh) | 一种植被覆盖管理因子的动态评估方法 | |
CN111222539B (zh) | 基于多源多时相遥感影像优化和扩充监督分类样本的方法 | |
CN101672915A (zh) | 一种高空间分辨率遥感影像树冠轮廓勾绘系统及方法 | |
CN104978743A (zh) | 一种多核并行sar图像变化信息实时提取方法及装置 | |
CN117409168B (zh) | 实时动态渲染的洪水预报及洪灾模拟方法和系统 | |
Zhang et al. | A method for calculating the leaf inclination of soybean canopy based on 3D point clouds | |
CN115423968B (zh) | 基于点云数据和实景三维模型的输电通道优化方法 | |
CN116883480A (zh) | 基于双目影像与地基雷达融合点云的玉米株高检测方法 | |
CN117690032A (zh) | 一种遥感影像目标变化检测方法 | |
Sun et al. | Feasibility study on the estimation of the living vegetation volume of individual street trees using terrestrial laser scanning | |
Meng et al. | Canopy structure attributes extraction from LiDAR data based on tree morphology and crown height proportion | |
Zhang et al. | Tree stem extraction from TLS point-cloud data of natural forests based on geometric features and DBSCAN | |
CN204270319U (zh) | 一种土壤地表秸秆覆盖率人工辅助识别系统 | |
Kim et al. | Generation of a DTM and building detection based on an MPF through integrating airborne lidar data and aerial images | |
CN117253163A (zh) | 一种基于无人机激光雷达的田间花生株高估算方法 | |
Turner et al. | Web-based and ‘real-time’beach management system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170808 Termination date: 20181028 |
|
CF01 | Termination of patent right due to non-payment of annual fee |