CN108198190A - 一种基于点云数据的单木分割方法及装置 - Google Patents
一种基于点云数据的单木分割方法及装置 Download PDFInfo
- Publication number
- CN108198190A CN108198190A CN201711466171.3A CN201711466171A CN108198190A CN 108198190 A CN108198190 A CN 108198190A CN 201711466171 A CN201711466171 A CN 201711466171A CN 108198190 A CN108198190 A CN 108198190A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- ground
- grid
- diameter
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请提供了一种基于点云数据的单木分割方法及装置,能够提升单木分割精度。包括:基于地基激光雷达扫描获取的点云数据构建数字高程模型;基于所述数字高程模型对所述点云数据进行归一化,在所述归一化的点云数据中提取预定高度胸径的点云数据,基于提取的点云数据获取所述胸径的圆心位置;依据所述胸径的圆心位置以及设定的聚类算法进行单木分割。
Description
技术领域
本申请涉及点云数据处理技术领域,具体而言,涉及一种基于点云数据的单木分割方法及装置。
背景技术
通过森林资源普查获取树木的空间位置及形态参数,确定树木的生长数量,并依据树木的形态参数评估树木的健康状态是评估生态系统的一项重要工作。地基激光雷达(LiDAR,Light Detection And Ranging)通过利用传感器发出的激光,测定目标物与传感器之间的距离,将测定的距离信息进行变换,可以获取目标物的点云数据,基于点云数据实现树木的单木分割。其中,在实现单木分割时,地基激光雷达通过自下而上的扫描方式,获取详细的树木点云数据,对点云数据进行二维霍夫变换,检测树干并用圆拟合或椭圆拟合求取树干直径(胸径),利用树干直径拟合树干生长方向,获取单木树高。基于单木树高对单木进行识别,可以进一步获取树木位置、树冠、枝下高和立木材积等形态参数,从而可以依据形态参数进行森林资源管理。
但该单木分割方法,由于对点云数据进行二维霍夫变换,以进行二维霍夫变换得到的二维数据进行圆拟合或椭圆拟合求取树干直径,在二维变换中,林下灌木经二维霍夫变换得到的二维数据会影响拟合的树干直径以及树干数,因而,该方法适用于林下灌木较少且株数密度小的情况,对于林层较复杂的情形,会使得单木分割精度较低,例如,分割得到的单木数过多或过少,从而影响森林资源的有效管理。
发明内容
有鉴于此,本申请的目的在于提供基于点云数据的单木分割方法及装置,能够提升单木分割精度。
第一方面,本发明提供了基于点云数据的单木分割方法,包括:
基于地基激光雷达扫描获取的点云数据构建数字高程模型;
基于所述数字高程模型对所述点云数据进行归一化,在归一化的点云数据中提取预定高度胸径的点云数据,基于提取的点云数据获取所述胸径的圆心位置;
依据所述胸径的圆心位置以及设定的聚类算法进行单木分割。
结合第一方面,本发明提供了第一方面的第一种可能的实施方式,其中,所述基于地基激光雷达扫描获取的点云数据构建数字高程模型包括:
对所述点云数据进行格网划分;
对于每一格网,获取格网内的最低位置点云,计算格网内其他点云至所述最低位置点云的距离;
若所述距离小于设定的地面点距离阈值,将所述距离对应的其他点云作为该格网地面点;
基于所述格网地面点以及最低位置点云,构建所述数字高程模型。
结合第一方面的第一种可能的实施方式,本发明提供了第一方面的第二种可能的实施方式,其中,所述基于所述数字高程模型对所述点云数据进行归一化包括:
针对每一格网,计算原始点云中每个点与每个格网高程值的相对位置,得到归一化的点云数据。
结合第一方面的第一种可能的实施方式,本发明提供了第一方面的第三种可能的实施方式,其中,在对所述点云数据进行格网划分之前,所述方法还包括:
依据预先设置的样本点云数据分类器,对所述点云数据进行分类;
保留树木分类和地面分类对应的点云数据,删除其他分类的点云数据。
结合第一方面、第一方面的第一种可能的实施方式至第三种可能的实施方式中的任一可能的实施方式,本发明提供了第一方面的第四种可能的实施方式,其中,所述方法还包括:
将所述圆心位置、胸径以及胸径点云数据进行叠加显示,以使用户依据所述显示对所述圆心位置、胸径进行修正。
结合第一方面、第一方面的第一种可能的实施方式至第三种可能的实施方式中的任一可能的实施方式,本发明提供了第一方面的第五种可能的实施方式,其中,所述依据所述胸径的圆心位置以及设定的聚类算法进行单木分割包括:
遍历所述归一化的点云数据中每个点,计算每个点与各圆心位置的距离;
获取与所述每个点距离最近的圆心位置,将所述每个点聚类为所述距离最近的圆心位置映射的单木。
结合第一方面、第一方面的第一种可能的实施方式至第三种可能的实施方式中的任一可能的实施方式,本发明提供了第一方面的第六种可能的实施方式,其中,所述方法还包括:
基于单木分割的结果,获取单木的形态参数。
结合第一方面、第一方面的第一种可能的实施方式至第三种可能的实施方式中的任一可能的实施方式,本发明提供了第一方面的第七种可能的实施方式,其中,所述预定高度大于灌木高度。
第二方面,本发明提供了基于点云数据的单木分割装置,包括:模型构建模块、圆心位置确定模块以及单木分割模块,其中,
模型构建模块,用于基于地基激光雷达扫描获取的点云数据构建数字高程模型;
圆心位置确定模块,用于基于所述数字高程模型对所述点云数据进行归一化,在归一化的点云数据中提取预定高度胸径的点云数据,基于提取的点云数据获取所述胸径的圆心位置;
单木分割模块,用于依据所述胸径的圆心位置以及设定的聚类算法进行单木分割。
结合第二方面,本发明提供了第二方面的第一种可能的实施方式,其中,所述模型构建模块包括:格网划分单元、距离计算单元、格网地面点确定单元以及模型构建单元,其中,
格网划分单元,用于对所述点云数据进行格网划分;
距离计算单元,用于对于每一格网,获取格网内的最低位置点云,计算格网内其他点云至所述最低位置点云的距离;
格网地面点确定单元,若所述距离小于设定的地面点距离阈值,将所述距离对应的其他点云作为该格网地面点;
模型构建单元,用于基于所述格网地面点以及最低位置点云,构建所述数字高程模型。
本申请实施例提供的基于点云数据的单木分割方法及装置,基于地基激光雷达扫描获取的点云数据构建数字高程模型;基于所述数字高程模型对所述点云数据进行归一化,在归一化的点云数据中提取预定高度胸径的点云数据,基于提取的点云数据获取所述胸径的圆心位置;依据所述胸径的圆心位置以及设定的聚类算法进行单木分割。基于点云数据拟合树木胸径及其圆心位置,可以避免二维霍夫变换中林下灌木投影对树木胸径及圆心位置的影响,使得拟合的树木胸径及圆心位置估测精度较高,进而提升了依据树木胸径及圆心位置进行单木分割的精度。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例涉及的一种基于点云数据的单木分割方法流程示意图;
图2为本申请实施例涉及的一种基于点云数据的单木分割装置结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
图1为本申请实施例涉及的一种基于点云数据的单木分割方法流程示意图。如图1所示。该方法包括:
步骤101,基于地基激光雷达扫描获取的点云数据构建数字高程模型;
本实施例中,数字高程模型(DEM,Digital Elevation Model)是用一组有序数值阵列表示地面高程的一种实体三维地面模型。
本实施例中,作为一可选实施例,基于地基激光雷达扫描获取的点云数据构建数字高程模型包括:
A11,对所述点云数据进行格网划分;
本实施例中,格网的分辨率可依据实际需要确定,例如,扫描得到的点云数据越密,格网的分辨率就可设置的越小。
本实施例中,作为一可选实施例,在对所述点云数据进行格网划分之前,该方法还包括:
依据预先设置的样本点云数据分类器,对所述点云数据进行分类;
保留树木分类和地面分类对应的点云数据,删除其他分类的点云数据。
A12,对于每一格网,获取格网内的最低位置点云,计算格网内其他点云至所述最低位置点云的距离;
本实施例中,作为一可选实施例,利用下式计算格网内其他点云至所述最低位置点云的距离:
式中
为第i格网的第j点云至第i格网的最低位置点云的距离;
为第i格网的第j点云的坐标;
为第i格网的最低位置点云的坐标。
本实施例中,i、j为自然数,最低位置是指在垂直地面的方向上的最低位置。
A13,若所述距离小于设定的地面点距离阈值,将所述距离对应的其他点云作为该格网地面点;
本实施例中,每一格网对应有一格网地面点,格网地面点包含有一个或多个点云。
A14,基于所述格网地面点以及最低位置点云,构建所述数字高程模型。
本实施例中,提取每个格网内位置最低的点云作为初始地面点,计算其它位置的点云到初始地面点的距离,当距离小于地面点距离阈值时,认为这些点云属于该格网内的地面点。基于各格网地面点生成数字高程模型,然后基于数字高程模型对原始点云数据进行归一化处理。这样,可以有效去除后续分析中地形对树高的影响。
本实施例中,作为一可选实施例,基于所述数字高程模型对所述点云数据进行归一化包括:
针对每一格网,计算原始点云数据与对应格网高程值的相对位置,得到归一化的点云数据。
本实施例中,数字高程模型由格网地面点生成,生成数字高程模型之后,通过将获取的点云数据中的每个点云的高程值减去数字高程模型中对应格网的值,得到归一化的点云数据。其中,归一化的点云数据相对于获取的点云数据,只在垂直地面的方向上的数值(Z值)发生变化,其他方向数值(X值和Y值)维持不变。后续提取胸径高度的点云数据和单木分割都是基于归一化后的点云数据来进行。
步骤102,基于所述数字高程模型对所述点云数据进行归一化,在归一化的点云数据中提取预定高度胸径的点云数据,基于提取的点云数据获取所述胸径的圆心位置;
本实施例中,作为一可选实施例,预定高度大于灌木高度。这样,可以避免灌木的点云数据对圆心位置的影响。
本实施例中,为了进一步提升获取的圆心位置的精度,作为另一可选实施例,预定高度可以设置为一大于灌木高度的范围,例如,1.2m-1.4m,即在归一化的点云数据中提取高度位于1.2m-1.4m范围内的胸径的点云数据。
本实施例中,基于提取的点云数据拟合圆或圆柱,得到的圆心位置作为树木种子点位置,直径为树木胸径,该圆心对应的点为树木种子点。
本实施例中,由于胸径高度处的点云数据不可避免地包含一些灌木和树枝的点云数据,因而,拟合得到的圆心位置结果中会包含一些灌木和树枝等的错误信息,作为一可选实施例,在所述基于提取的点云数据获取所述胸径的圆心位置之后,该方法还包括:
将所述圆心位置、胸径以及胸径的点云数据进行叠加后显示,以使用户依据所述显示对所述圆心位置、胸径进行修正。
本实施例中,将拟合的圆心位置和半径与点云数据叠加显示,通过人工方式判断拟合的圆心位置和半径等信息是否正确,如果存在拟合错误的圆心位置和半径,则人工删除或修改拟合错误的圆心位置和半径。例如,通过分别将拟合得到的圆心位置和半径与点云数据叠加显示,如果对应的点云数据分布在以圆心位置为半径的圆周周围,则认为拟合的圆心位置和半径信息正确,否则,认为拟合的圆心位置和半径信息不正确,可以对拟合的圆心位置和半径进行修正,例如,修改圆心位置或删除圆心位置。这样,通过人工检查和编辑,可以大大提高树木种子点的准确性,进而可以提高后续单木分割的准确性。
步骤103,依据所述胸径的圆心位置以及设定的聚类算法进行单木分割。
本实施例中,作为一可选实施例,依据所述胸径的圆心位置以及设定的聚类算法进行单木分割包括:
A21,遍历所述归一化的点云数据中每个点,计算每个点与各圆心位置的距离;
本实施例中,作为一可选实施例,距离可以为欧式距离。
A22,获取与所述每个点距离最近的圆心位置,将所述每个点聚类为所述距离最近的圆心位置映射的单木。
本实施例中,以树木种子点为输入数据,通过聚类的方法对点云数据进行单木分割,得到每棵树的点云数据。
本实施例中,作为一可选实施例,该方法还包括:
基于单木分割的结果,获取单木的形态参数。
本实施例中,作为一可选实施例,形态参数包括但不限于:树木位置参数、树高参数、树冠参数、枝下高参数、立木材积参数等。
本实施例中,基于地基激光雷达扫描获取的点云数据构建数字高程模型;基于所述数字高程模型对所述点云数据进行归一化,在归一化的点云数据中提取预定高度胸径的点云数据,基于提取的点云数据获取所述胸径的圆心位置;依据所述胸径的圆心位置以及设定的聚类算法进行单木分割。基于点云数据拟合树木胸径及其圆心位置,可以避免二维霍夫变换中林下灌木投影对树木胸径及圆心位置的影响,使得拟合的树木胸径及圆心位置估测精度较高,进而提升了依据树木胸径及圆心位置进行单木分割的精度,而单木分割的准确性是单木形态参数提取和单木三维重建等工作的基础。该方法能够更好地适用于林下条件复杂、由于树木遮挡导致的点云缺失等情况。
图2为本申请实施例涉及的一种基于点云数据的单木分割装置结构示意图。如图2所示,该装置包括:模型构建模块21、圆心位置确定模块22以及单木分割模块23,其中,
模型构建模块21,用于基于地基激光雷达扫描获取的点云数据构建数字高程模型;
本实施例中,作为一可选实施例,模型构建模块21包括:格网划分单元、距离计算单元、格网地面点确定单元以及模型构建单元(图中未示出),其中,
格网划分单元,用于对所述点云数据进行格网划分;
距离计算单元,用于对于每一格网,获取格网内的最低位置点云,计算格网内其他点云至所述最低位置点云的距离;
格网地面点确定单元,若所述距离小于设定的地面点距离阈值,将所述距离对应的其他点云作为该格网地面点;
模型构建单元,用于基于所述格网地面点以及最低位置点云,构建所述数字高程模型。
本实施例中,作为一可选实施例,模型构建单元包括:模型构建子单元以及归一化子单元,其中,
模型构建子单元,用于基于各格网地面点以及对应的最低位置点云生成数字高程模型;
归一化子单元,用于获取每个点与对应格网高程值的相对位置,得到归一化的点云数据。
本实施例中,作为另一可选实施例,模型构建模块21还包括:
分类单元,用于依据预先设置的样本点云数据分类器,对所述点云数据进行分类;保留树木分类和地面分类对应的点云数据,删除其他分类的点云数据。
圆心位置确定模块22,用于基于所述数字高程模型对所述点云数据进行归一化,在归一化的点云数据中提取预定高度胸径的点云数据,基于提取的点云数据获取所述胸径的圆心位置;
本实施例中,作为一可选实施例,预定高度大于灌木高度。
单木分割模块23,用于依据所述胸径的圆心位置以及设定的聚类算法进行单木分割。
本实施例中,作为一可选实施例,单木分割模块23包括:遍历单元以及单木分割单元(图中未示出),其中,
遍历单元,用于遍历所述归一化的点云数据中所有的点,计算每个点与各圆心位置的距离;
单木分割单元,用于获取与所述每个点距离最近的圆心位置,将所述每个点聚类为所述距离最近的圆心位置映射的单木。
本实施例中,作为另一可选实施例,该装置还包括:
单木参数获取模块(图中未示出),用于基于单木分割的结果,获取单木的形态参数。
本实施例中,作为一可选实施例,形态参数包括但不限于:树木位置参数、树高参数、树冠参数、枝下高参数、立木材积参数等。
本实施例中,作为再一可选实施例,该装置还包括:
修正模块(图中未示出),用于将所述圆心位置、胸径以及胸径的点云数据进行叠加显示,以使用户依据所述显示对所述圆心位置、胸径进行修正。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请提供的实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释,此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种基于点云数据的单木分割方法,其特征在于,该方法包括:
基于地基激光雷达扫描获取的点云数据构建数字高程模型;
基于所述数字高程模型对所述点云数据进行归一化,在归一化的点云数据中提取预定高度胸径的点云数据,基于提取的点云数据获取所述胸径的圆心位置;
依据所述胸径的圆心位置以及设定的聚类算法进行单木分割。
2.如权利要求1所述的方法,其特征在于,所述基于地基激光雷达扫描获取的点云数据构建数字高程模型包括:
对所述点云数据进行格网划分;
对于每一格网,获取格网内的最低位置点云,计算格网内其他点云至所述最低位置点云的距离;
若所述距离小于设定的地面点距离阈值,将所述距离对应的其他点云作为该格网地面点;
基于所述格网地面点以及最低位置点云,构建所述数字高程模型。
3.如权利要求2所述的方法,其特征在于,所述基于所述数字高程模型对所述点云数据进行归一化包括:
针对每一格网,计算原始点云中每个点与每个格网高程值的相对位置,得到归一化的点云数据。
4.如权利要求2所述的方法,其特征在于,在对所述点云数据进行格网划分之前,所述方法还包括:
依据预先设置的样本点云数据分类器,对所述点云数据进行分类;
保留树木分类和地面分类对应的点云数据,删除其他分类的点云数据。
5.如权利要求1至4任一项所述的方法,其特征在于,在所述基于提取的点云数据获取所述胸径的圆心位置之后,所述方法还包括:
将所述圆心位置、胸径以及胸径的点云数据进行叠加显示,以使用户依据所述显示对所述圆心位置、胸径进行修正。
6.如权利要求1至4任一项所述的方法,其特征在于,所述依据所述胸径的圆心位置以及设定的聚类算法进行单木分割包括:
遍历所述归一化的点云数据中的点云数据,计算每个点与各圆心位置的距离;
获取与所述点云数据距离最近的圆心位置,将所述点云数据聚类为所述距离最近的圆心位置映射的单木。
7.如权利要求1至4任一项所述的方法,其特征在于,所述方法还包括:
基于单木分割的结果,获取单木的形态参数。
8.如权利要求1至4任一项所述的方法,其特征在于,所述预定高度大于灌木高度。
9.一种基于点云数据的单木分割装置,其特征在于,该装置包括:模型构建模块、圆心位置确定模块以及单木分割模块,其中,
模型构建模块,用于基于地基激光雷达扫描获取的点云数据构建数字高程模型;
圆心位置确定模块,用于基于所述数字高程模型对所述点云数据进行归一化,在归一化的点云数据中提取预定高度胸径的点云数据,基于提取的点云数据获取所述胸径的圆心位置;
单木分割模块,用于依据所述胸径的圆心位置以及设定的聚类算法进行单木分割。
10.如权利要求9所述的装置,其特征在于,所述模型构建模块包括:格网划分单元、距离计算单元、格网地面点确定单元以及模型构建单元,其中,
格网划分单元,用于对所述点云数据进行格网划分;
距离计算单元,用于对于每一格网,获取格网内的最低位置点云,计算格网内其他点云至所述最低位置点云的距离;
格网地面点确定单元,若所述距离小于设定的地面点距离阈值,将所述距离对应的其他点云作为该格网地面点;
模型构建单元,用于基于所述格网地面点以及最低位置点云,构建所述数字高程模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711466171.3A CN108198190A (zh) | 2017-12-28 | 2017-12-28 | 一种基于点云数据的单木分割方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711466171.3A CN108198190A (zh) | 2017-12-28 | 2017-12-28 | 一种基于点云数据的单木分割方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108198190A true CN108198190A (zh) | 2018-06-22 |
Family
ID=62585871
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711466171.3A Pending CN108198190A (zh) | 2017-12-28 | 2017-12-28 | 一种基于点云数据的单木分割方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108198190A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109214573A (zh) * | 2018-09-07 | 2019-01-15 | 北京数字绿土科技有限公司 | 输电线路树木生长或倒伏危险点预测方法和装置 |
CN110221311A (zh) * | 2019-06-11 | 2019-09-10 | 南京林业大学 | 基于tls和uav自动化提取高郁闭林分树高的方法 |
CN110428438A (zh) * | 2019-07-11 | 2019-11-08 | 广州启量信息科技有限公司 | 一种单木建模方法、装置和存储介质 |
CN110853081A (zh) * | 2019-11-18 | 2020-02-28 | 武汉数智云绘技术有限公司 | 基于单木分割的地面和机载LiDAR点云配准方法 |
CN111091079A (zh) * | 2019-12-04 | 2020-05-01 | 生态环境部南京环境科学研究所 | 基于tls的高寒脆弱区植被优势单株结构参数测定方法 |
CN112381041A (zh) * | 2020-11-27 | 2021-02-19 | 广东电网有限责任公司肇庆供电局 | 一种用于输电线路的树木识别方法、装置及终端设备 |
CN113251919A (zh) * | 2021-04-28 | 2021-08-13 | 中铁第四勘察设计院集团有限公司 | 一种基于坐标变换的圆柱体点云数据拟合方法及装置 |
CN113269825A (zh) * | 2021-04-06 | 2021-08-17 | 云南师范大学 | 基于地基激光雷达技术林木胸径值提取的方法 |
CN115953607A (zh) * | 2023-01-04 | 2023-04-11 | 北京数字绿土科技股份有限公司 | 一种使用点云数据的树干胸径的提取方法和系统 |
CN116893428A (zh) * | 2023-09-11 | 2023-10-17 | 山东省地质测绘院 | 基于激光点云的森林资源调查与监测方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102103202A (zh) * | 2010-12-01 | 2011-06-22 | 武汉大学 | 一种融合影像的机载激光雷达数据半监督分类方法 |
CN102393180A (zh) * | 2011-10-19 | 2012-03-28 | 中国林业科学研究院资源信息研究所 | 一种从LiDAR点云数据中自动提取林分上层树木参数的方法 |
CN102663237A (zh) * | 2012-03-21 | 2012-09-12 | 武汉大学 | 基于网格分块与移动最小二乘的点云数据全自动滤波方法 |
CN105488770A (zh) * | 2015-12-11 | 2016-04-13 | 中国测绘科学研究院 | 一种面向对象的机载激光雷达点云滤波方法 |
CN106815850A (zh) * | 2017-01-22 | 2017-06-09 | 武汉地普三维科技有限公司 | 基于激光雷达技术获取甚高郁闭度森林蓄积量的方法 |
-
2017
- 2017-12-28 CN CN201711466171.3A patent/CN108198190A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102103202A (zh) * | 2010-12-01 | 2011-06-22 | 武汉大学 | 一种融合影像的机载激光雷达数据半监督分类方法 |
CN102393180A (zh) * | 2011-10-19 | 2012-03-28 | 中国林业科学研究院资源信息研究所 | 一种从LiDAR点云数据中自动提取林分上层树木参数的方法 |
CN102663237A (zh) * | 2012-03-21 | 2012-09-12 | 武汉大学 | 基于网格分块与移动最小二乘的点云数据全自动滤波方法 |
CN105488770A (zh) * | 2015-12-11 | 2016-04-13 | 中国测绘科学研究院 | 一种面向对象的机载激光雷达点云滤波方法 |
CN106815850A (zh) * | 2017-01-22 | 2017-06-09 | 武汉地普三维科技有限公司 | 基于激光雷达技术获取甚高郁闭度森林蓄积量的方法 |
Non-Patent Citations (1)
Title |
---|
刘鲁霞 等: "基于地基激光雷达的亚热带森林单木胸径与树高提取", 《林业科学》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109214573A (zh) * | 2018-09-07 | 2019-01-15 | 北京数字绿土科技有限公司 | 输电线路树木生长或倒伏危险点预测方法和装置 |
CN110221311B (zh) * | 2019-06-11 | 2022-01-07 | 南京林业大学 | 基于tls和uav自动化提取高郁闭林分树高的方法 |
CN110221311A (zh) * | 2019-06-11 | 2019-09-10 | 南京林业大学 | 基于tls和uav自动化提取高郁闭林分树高的方法 |
CN110428438A (zh) * | 2019-07-11 | 2019-11-08 | 广州启量信息科技有限公司 | 一种单木建模方法、装置和存储介质 |
CN110428438B (zh) * | 2019-07-11 | 2022-09-02 | 广州启量信息科技有限公司 | 一种单木建模方法、装置和存储介质 |
CN110853081A (zh) * | 2019-11-18 | 2020-02-28 | 武汉数智云绘技术有限公司 | 基于单木分割的地面和机载LiDAR点云配准方法 |
CN111091079A (zh) * | 2019-12-04 | 2020-05-01 | 生态环境部南京环境科学研究所 | 基于tls的高寒脆弱区植被优势单株结构参数测定方法 |
CN111091079B (zh) * | 2019-12-04 | 2024-03-01 | 生态环境部南京环境科学研究所 | 基于tls的高寒脆弱区植被优势单株结构参数测定方法 |
CN112381041A (zh) * | 2020-11-27 | 2021-02-19 | 广东电网有限责任公司肇庆供电局 | 一种用于输电线路的树木识别方法、装置及终端设备 |
CN113269825A (zh) * | 2021-04-06 | 2021-08-17 | 云南师范大学 | 基于地基激光雷达技术林木胸径值提取的方法 |
CN113269825B (zh) * | 2021-04-06 | 2022-07-12 | 云南师范大学 | 基于地基激光雷达技术林木胸径值提取的方法 |
CN113251919A (zh) * | 2021-04-28 | 2021-08-13 | 中铁第四勘察设计院集团有限公司 | 一种基于坐标变换的圆柱体点云数据拟合方法及装置 |
CN115953607A (zh) * | 2023-01-04 | 2023-04-11 | 北京数字绿土科技股份有限公司 | 一种使用点云数据的树干胸径的提取方法和系统 |
CN115953607B (zh) * | 2023-01-04 | 2024-02-13 | 北京数字绿土科技股份有限公司 | 一种使用点云数据的树干胸径的提取方法和系统 |
CN116893428A (zh) * | 2023-09-11 | 2023-10-17 | 山东省地质测绘院 | 基于激光点云的森林资源调查与监测方法及系统 |
CN116893428B (zh) * | 2023-09-11 | 2023-12-08 | 山东省地质测绘院 | 基于激光点云的森林资源调查与监测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108198190A (zh) | 一种基于点云数据的单木分割方法及装置 | |
Xiong et al. | A high-throughput stereo-imaging system for quantifying rape leaf traits during the seedling stage | |
CN106408011B (zh) | 基于深度学习的激光扫描三维点云树木自动分类方法 | |
Ferraz et al. | 3-D mapping of a multi-layered Mediterranean forest using ALS data | |
Kim et al. | Classifying individual tree genera using stepwise cluster analysis based on height and intensity metrics derived from airborne laser scanner data | |
CA2781604C (en) | Method and apparatus for analyzing tree canopies with lidar data | |
CN108133227A (zh) | 激光雷达点云数据分类方法及装置 | |
Peuhkurinen et al. | Preharvest measurement of marked stands using airborne laser scanning | |
Blomley et al. | Tree species classification using within crown localization of waveform LiDAR attributes | |
CN106780551B (zh) | 一种三维运动目标检测方法和系统 | |
Dong et al. | Multi-layered tree crown extraction from LiDAR data using graph-based segmentation | |
Pirotti et al. | A comparison of tree segmentation methods using very high density airborne laser scanner data | |
JP6828211B1 (ja) | 森林資源解析装置、森林資源解析方法および森林資源解析プログラム | |
Hadas et al. | Automatic estimation of olive tree dendrometric parameters based on airborne laser scanning data using alpha-shape and principal component analysis | |
Putman et al. | Automated estimation of standing dead tree volume using voxelized terrestrial lidar data | |
Heinaro et al. | Airborne laser scanning reveals large tree trunks on forest floor | |
Itakura et al. | Estimating tree structural parameters via automatic tree segmentation from LiDAR point cloud data | |
Gupta et al. | Tree species detection using full waveform lidar data in a complex forest | |
Li et al. | Individual tree segmentation of airborne and UAV LiDAR point clouds based on the watershed and optimized connection center evolution clustering | |
CN114353680A (zh) | 森林资源信息生成构造、方法及存储介质 | |
Yamamoto et al. | Estimation of mean tree height using small-footprint airborne LiDAR without a digital terrain model | |
Nex et al. | Land cover classification and monitoring: the STEM open source solution | |
Alizadeh Khameneh | Tree detection and species identification using LiDAR data | |
Kukkonen et al. | Evaluation of UAS LiDAR data for tree segmentation and diameter estimation in boreal forests using trunk-and crown-based methods | |
Vauhkonen | Estimating single-tree attributes by airborne laser scanning: methods based on computational geometry of the 3-D point data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180622 |
|
RJ01 | Rejection of invention patent application after publication |