CN109961043A - 一种基于无人机高分辨率影像的单木高度测量方法及系统 - Google Patents
一种基于无人机高分辨率影像的单木高度测量方法及系统 Download PDFInfo
- Publication number
- CN109961043A CN109961043A CN201910220740.9A CN201910220740A CN109961043A CN 109961043 A CN109961043 A CN 109961043A CN 201910220740 A CN201910220740 A CN 201910220740A CN 109961043 A CN109961043 A CN 109961043A
- Authority
- CN
- China
- Prior art keywords
- dsm
- shade
- unmanned plane
- trees
- data
- 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
- 238000000691 measurement method Methods 0.000 title claims abstract description 26
- 241000196324 Embryophyta Species 0.000 claims abstract description 39
- 239000000284 extract Substances 0.000 claims abstract description 13
- 238000012937 correction Methods 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 7
- 230000004927 fusion Effects 0.000 claims description 7
- 230000007246 mechanism Effects 0.000 claims description 6
- 230000010287 polarization Effects 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 230000008033 biological extinction Effects 0.000 claims description 3
- 230000033228 biological regulation Effects 0.000 claims description 3
- 238000003709 image segmentation Methods 0.000 claims description 3
- 230000008676 import Effects 0.000 claims description 3
- 238000000034 method Methods 0.000 description 7
- 230000003447 ipsilateral effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
- G01B11/0608—Height gauges
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G06T5/80—
-
- 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
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
Abstract
本发明提出了一种基于无人机高分辨率影像的单木高度测量方法及系统,其中,该基于无人机高分辨率影像的单木高度测量方法包括步骤:S1,获取无人机摄像机拍摄的影像,并生成DTM和DSM,同时提取影像中的阴影;S2,将所述阴影进行分割,以提取单株树木的第一阴影;S3,提取单株树木对应的DSM数据并进行校正;S4,融合原始DSM数据和校正后的DSM数据,并确定树冠部分的DSM数据;S5,根据树冠部分的DSM和DTM数据,计算出树木高度。本发明利用树木阴影获取树木高度仅仅依靠高精度的航拍影像,便可以快速获取树木的高度,高效便捷,实用性高。
Description
技术领域
本发明涉及树木高度测量技术领域,尤其涉及一种基于无人机高分辨率影像的单木高度测量方法及系统。
背景技术
随着无人机技术日趋成熟,无人机的制造成本大幅降低,其在各个领域得到了广泛应用,除军事用途外,还包括农业植保、电力巡检、警用执法、地质勘探、环境监测、森林防火以及影视航拍等民用领域,且其适用领域还在迅速拓展。
城市绿化不但可以产生直接的经济效益,同时城市林业为减少城市污染、提高人们的工资效率、调节城市温度等方面都产生了不可估量的间接的经济效益。城市绿化对城市经济发展的重要性已经引起了人们的高度重视。
获取城市树木高度对于林业调查有着非常重要的作用,获取树木高度的方法比较多,但是现有的城市树木高度的测量方法的便捷性和实用性不高。
发明内容
本发明所要解决的技术问题在于,针对现有技术的上述不足,提出一种基于无人机高分辨率影像的单木高度测量方法及系统,以用于快速便捷的获取城市树木的高度。
该基于无人机高分辨率影像的单木高度测量方法包括步骤:
S1,获取无人机摄像机拍摄的影像,并生成DTM和DSM,同时提取影像中的阴影;
S2,将所述阴影进行分割,以提取单株树木的第一阴影;
S3,提取单株树木对应的DSM数据并进行校正;
S4,融合原始DSM数据和校正后的DSM数据,并确定树冠部分的DSM数据;
S5,根据树冠部分的DSM和DTM数据,计算出树木高度。
进一步地,在步骤S1中,通过Pix4D生成DSM和DTM,并使用eCognitionDeveloper进行影像分割,对分割后的图像对象进行分类,并提取阴影。
进一步地,步骤S2具体为:
在提取无人机影像的阴影之后,对该阴影进行分割,提取单株树木的第一阴影,将第一阴影生成新图层T1,并将该第一阴影边界导出为矢量文件V1。
进一步地,步骤S3中,单株树木对应的DSM数据的提取过程如下:
根据DSM对矢量文件V1进行偏移以形成新文件V2,将新文件V2作为树木阴影对应DSM的边界。
进一步地,步骤S3中,单株树木对应的DSM数据的校正过程如下:
S31,构建无人机飞行参数、太阳高度角与外方位元素的特征函数模型;
S32,将单株树木的第一阴影导入特征函数模型中,以获得第二阴影;
S33,计算第一阴影和第二阴影的重叠度d,当d>=0.3时,执行步骤34;重叠度d的计算公式如下:
其中,S1为第一阴影的面积;S2为第二阴影的面积;S21为第一阴影和第二阴影重叠部分的面积;
S34,建立第一阴影和第二阴影的重叠部分的像元与其对应高度的回归方程:y=bx2+ax+k,其中,y为阴影重叠部分对应的DSM像元距离地面的高度;x为阴影重叠部分像元的投影高度;
其中,单个y(i,j)的计算方式为:
表示DSM中的像元值,表示DTM中的像元值;
S35,根据所述回归方程,计算出第一阴影和第二阴影的非重叠部分对应的DSM数据,即校正后的DSM数据。
进一步地,步骤S31具体包括:
根据单株树木的阴影区域建立坐标系,构建阴影面积的函数关系式;所述函数关系式具体为:
其中,选取阴影中树杆底部与树冠左侧边缘相交位置为局部坐标系原点;x1表示为第一阴影距离树冠中心点水平线的距离;y1表示第一阴影对应的DSM像元距离地面的高度;k为调整系数;W为阴影的长度;L为阴影的宽度;f为树木与地面的夹角;
ω表示极化散射机理;γ(ω)依赖于极化散射机理;γv为纯体去想干系数;ψ0表示地表相位;μ(ω)为有效的体散射幅度比;
其中,
σ表示电磁波在植被中的平均消光系数,以dB/m表示,实际σ≈0.23;θ为无人机飞行的倾角,hv为树木高度;e为模型常数;
根据构建的函数关系式、无人机飞行时与地面的夹角、太阳高度角建立特征函数模型。
进一步地,特征函数模型的计算式如下:
B为垂直基线;λ表示波长;R表示斜距。
进一步地,步骤S4中,原始DSM数据和校正后的DSM数据的融合具体为:
将步骤S35中计算出的第一阴影和第二阴影的非重叠部分对应的阴影DSM,记为Caldsm与原始DSM,记为Origindsm进行融合;其中,DSM融合计算式为:
对融合后的DSM,记为Valuedsm,进行分割,将树冠部分DSM提取出来。
进一步地,步骤S5中,树木高度Ht的计算式为:
Ht=DSMp>threshold-DTMp=mean
其中DSMp>threshold表示取单株树木对应DSM像素值中大于阈值的部分的平均值,DTMp=mean表示取单株树木对应DTM中的平均值。
另一方面,本发明还提出了一种基于无人机高分辨率影像的单木高度测量系统,所述基于无人机高分辨率影像的单木高度测量系统包括:
获取模块,用于获取无人机摄像机拍摄的影像,并生成DTM和DSM,同时提取影像中的阴影;
分割模块,用于将所述阴影进行分割,以提取单株树木的第一阴影;
提取模块,用于提取单株树木对应的DSM数据并进行校正;
确定模块,用于融合原始DSM数据和校正后的DSM数据,并确定树冠部分的DSM数据;
计算模块,用于根据树冠部分的DSM和DTM数据,计算出树木高度。
本发明提出了一种基于无人机高分辨率影像的单木高度测量方法,首先使用无人机摄像机拍摄的包含城市树木的图像,生成DSM和DTM,并提取影像中的阴影;进一步提取单株树木的阴影,利用特征函数对树木阴影进行校正,获取第二阴影;通过构建阴影与DSM之间的函数关系,可以实现对原始DSM进行校正;在融合原始与校正后的DSM后,结合DTM计算出树木的高度。本方法利用树木阴影获取树木高度仅仅依靠高精度的航拍影像,便可以快速获取树木的高度,高效便捷,实用性高。
附图说明
图1是一示例性实施例示出的基于无人机高分辨率影像的单木高度测量方法的流程图。
图2是太阳与无人机位于树木同侧的几何示意图。
图3是太阳与无人机位于树木两侧的几何示意图。
图4是一示例性实施例示出的基于无人机高分辨率影像的单木高度测量系统的示意框图。
具体实施方式
以下是本发明的具体实施例并结合附图,对本发明的技术方案作进一步的描述,但本发明并不限于这些实施例。
本发明提出了一种基于无人机高分辨率影像的单木高度测量方法,用于获取城市中单株树木高度。
具体地,利用无人机进行航测,根据无人机姿态参数得到航线和每张航片的拍摄位置,以此来确定外方位元素。外方位元素是确定图像在成像瞬间的特征值。外方位元素包括3个线元素和3个角元素,线元素是摄影机光学中心在摄影成像的瞬间位置,也就是在地面空间坐标系的坐标,用x,y,z表示,角元素则是描述地面空间坐标系X,Y,Z与图像空间坐标系x,y,z之间的关系,用ω,κ表示。3个角元素可以通过摄影机主光轴相对于空间坐标系的三个轴方位来确定。
可将无人机飞行过程中产生的质量较低的图像删除,保留质量较高的图像。高质量的图像可以更好的提取地物信息。
图1是一示例性实施例示出的基于无人机高分辨率影像的单木高度测量方法的流程图。该基于无人机高分辨率影像的单木高度测量方法应用于无人机,并包括有步骤S101至步骤S105。该基于无人机高分辨率影像的单木高度测量方法包括步骤:
步骤S101,获取无人机摄像机拍摄的影像,并生成DTM和DSM,同时提取影像中的阴影。
在一些实施方式中,在步骤S101中,通过Pix4D生成DSM和DTM,并使用eCognitionDeveloper进行影像分割,对分割后的图像对象进行分类,并提取阴影。
需要说明的是,Pix4Dmapper是瑞士Pix4D公司的全自动快速无人机数据处理软件;DSM为数字地表模型,是指包含了地表建筑物、桥梁和树木等高度的地面高程模型。DTM为数字地形模型,是地形表面形态属性信息的数字表达,是带有空间位置特征和地形属性特征的数字描述。eCognitionDeveloper是由德国Definiens Imaging公司推出的智能化影像分析软件,可基于目标信息进行遥感信息的提取。
可以利用Pix4D进行数据处理,进行初始化、点云处理和生成DSM、DTM等操作,得到比较精确的地物信息,并用于生成正摄影像。
步骤S102,将所述阴影进行分割,以提取单株树木的第一阴影。
在一些实施方式中,步骤S102具体为:在提取无人机影像的阴影之后,对该阴影进行分割,提取单株树木的第一阴影,将第一阴影生成新图层T1,并将该第一阴影边界导出为矢量文件V1。
具体地,通过eCognition Developer实现影像中的阴影分割与分类,包括如下步骤:对影像进行多尺度分割;对分割后的Image Object进行合并;根据图像对象的形态进行分类,提取单株树木阴影;人机交互检查分类,并修正错误分类;将确定后的分类作为第一阴影边界导出为矢量文件V1,可以为shapefile格式。
步骤S103,提取单株树木对应的DSM数据并进行校正。
在一些实施方式中,步骤S103中,单株树木对应的DSM数据的提取过程如下:
根据DSM对矢量文件V1进行偏移以形成新文件V2,将新文件V2作为树木阴影对应DSM的边界。
具体地,利用GIS软件将S102中获得的矢量文件V1进行偏移得到DSM中单株树木边界的新文件V2。
在一些实施方式中,步骤S103中,单株树木对应的DSM数据的校正过程如下:
S31,构建无人机飞行参数、太阳高度角与外方位元素的特征函数模型。
需要说明的是,模型结合了因素包括太阳高度角、无人机飞行参数、阴影的信息,这些信息综合建立的模型更加精确,因为是通过计算机进行模拟,要比人工计算树木的高度更加快速、便捷,而且能够更加准确的反映出树木的信息。
进一步地,无人机根据飞行位置,可以分为与太阳在同侧、与太阳在异侧。可根据无人机的飞行高度获知无人机飞行时与地面所产生的夹角。太阳高度角对于阴影有着非常重大的影响,当太阳位于不同时刻,太阳的高度角是不相同的,影像阴影的形状大小各不相同。
在一些实施方式中,步骤S31具体包括:
根据单株树木的阴影区域建立坐标系,构建阴影面积的函数关系式;所述函数关系式具体为:
其中,选取阴影中树杆底部与树冠左侧边缘相交位置为局部坐标系原点;x1表示为第一阴影距离树冠中心点水平线的距离;y1表示第一阴影对应的DSM像元距离地面的高度;k为调整系数;W为阴影的长度;L为阴影的宽度;f为树木与地面的夹角;
ω表示极化散射机理;γ(ω)依赖于极化散射机理;γv为纯体去想干系数;ψ0表示地表相位;μ(ω)为有效的体散射幅度比;
其中,
σ表示电磁波在植被中的平均消光系数,以dB/m表示,实际σ≈0.23;θ为无人机飞行的倾角,hv为树木高度;e为模型常数;
根据构建的函数关系式、无人机飞行时与地面的夹角、太阳高度角建立特征函数模型。
在一些实施方式中,特征函数模型的计算式如下:
B为垂直基线;λ表示波长;R表示斜距。
S32,将单株树木的第一阴影导入特征函数模型中,以获得第二阴影。
S33,计算第一阴影和第二阴影的重叠度d,当d>=0.3时,执行步骤34;重叠度d的计算公式如下:
其中,S1为第一阴影的面积;S2为第二阴影的面积;S21为第一阴影和第二阴影重叠部分的面积;
S34,建立第一阴影和第二阴影的重叠部分的像元与其对应高度的回归方程:y=bx2+ax+k,其中,y为阴影重叠部分对应的DSM像元距离地面的高度;x为阴影重叠部分像元的投影高度;
其中,单个y(i,j)的计算方式为:
表示DSM中的像元值,表示DTM中的像元值;
S35,根据所述回归方程,计算出第一阴影和第二阴影的非重叠部分对应的DSM数据,即校正后的DSM数据。
步骤S104,融合原始DSM数据和校正后的DSM数据,并确定树冠部分的DSM数据。
在一些实施方式中,可使用eCognition Developer对两者进行融合叠加,取像元较大值。
在一些实施方式中,步骤S104中,原始DSM数据和校正后的DSM数据的融合具体为:
将步骤S35中计算出的第一阴影和第二阴影的非重叠部分对应的阴影DSM,记为Caldsm与原始DSM,记为Origindsm进行融合;其中,DSM融合计算式为:
对融合后的DSM,记为Valuedsm,进行分割,将树冠部分DSM提取出来。
步骤S105,根据树冠部分的DSM和DTM数据,计算出树木高度。
具体地,对第二阴影的边界进行偏移,得到其对应DSM和DTM中的边界;根据上述边界分别提取DSM和DTM的数值。
步骤S5中,树木高度Ht的计算式为:
Ht=DSMp>threshold-DTMp=mean
其中DSMp>threshold表示取单株树木对应DSM像素值中大于阈值的部分的平均值,DTMp=mean表示取单株树木对应DTM中的平均值。
在步骤S33中,当d<0.3时,直接使用三角函数解算树高;
当太阳与无人机位于树木同侧时,参考图2,计算式如下:
H=L2/(cotβ-cotα)
当太阳与无人机位于树木两侧,参考图3,计算式如下:
H=S·tanβ
图4是一示例性实施例示出的基于无人机高分辨率影像的单木高度测量系统的示意框图,该基于无人机高分辨率影像的单木高度测量系统包括:
获取模块41,用于获取无人机摄像机拍摄的影像,并生成DTM和DSM,同时提取影像中的阴影;
分割模块42,用于将所述阴影进行分割,以提取单株树木的第一阴影;
提取模块43,用于提取单株树木对应的DSM数据并进行校正;
确定模块44,用于融合原始DSM数据和校正后的DSM数据,并确定树冠部分的DSM数据;
计算模块45,用于根据树冠部分的DSM和DTM数据,计算出树木高度。
本实施例示出的基于无人机高分辨率影像的单木高度测量系统与前述图1对应的基于无人机高分辨率影像的单木高度测量方法的实施例相对应,相关的内容参见前述的方法实施例,这里不再赘述。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (10)
1.一种基于无人机高分辨率影像的单木高度测量方法,其特征在于,该基于无人机高分辨率影像的单木高度测量方法包括步骤:
S1,获取无人机摄像机拍摄的影像,并生成DTM和DSM,同时提取影像中的阴影;
S2,将所述阴影进行分割,以提取单株树木的第一阴影;
S3,提取单株树木对应的DSM数据并进行校正;
S4,融合原始DSM数据和校正后的DSM数据,并确定树冠部分的DSM数据;
S5,根据树冠部分的DSM和DTM数据,计算出树木高度。
2.根据权利要求1所述的基于无人机高分辨率影像的单木高度测量方法,其特征在于,在步骤S1中,通过Pix4D生成DSM和DTM,并使用eCognitionDeveloper进行影像分割,对分割后的图像对象进行分类,并提取阴影。
3.根据权利要求1所述的基于无人机高分辨率影像的单木高度测量方法,其特征在于,步骤S2具体为:
在提取无人机影像的阴影之后,对该阴影进行分割,提取单株树木的第一阴影,将第一阴影生成新图层T1,并将该第一阴影边界导出为矢量文件V1。
4.根据权利要求3所述的基于无人机高分辨率影像的单木高度测量方法,其特征在于,步骤S3中,单株树木对应的DSM数据的提取过程如下:
根据DSM对矢量文件V1进行偏移以形成新文件V2,将新文件V2作为树木阴影对应DSM的边界。
5.根据权利要求1所述的基于无人机高分辨率影像的单木高度测量方法,其特征在于,步骤S3中,单株树木对应的DSM数据的校正过程如下:
S31,构建无人机飞行参数、太阳高度角与外方位元素的特征函数模型;
S32,将单株树木的第一阴影导入特征函数模型中,以获得第二阴影;
S33,计算第一阴影和第二阴影的重叠度d,当d>=0.3时,执行步骤34;重叠度d的计算公式如下:
其中,S1为第一阴影的面积;S2为第二阴影的面积;S21为第一阴影和第二阴影重叠部分的面积;
S34,建立第一阴影和第二阴影的重叠部分的像元与其对应高度的回归方程:y=bx2+ax+k,其中,y为阴影重叠部分对应的DSM像元距离地面的高度;x为阴影重叠部分像元的投影高度;
其中,单个y(i,j)的计算方式为:
表示DSM中的像元值,表示DTM中的像元值;
S35,根据所述回归方程,计算出第一阴影和第二阴影的非重叠部分对应的DSM数据,即校正后的DSM数据。
6.根据权利要求5所述的基于无人机高分辨率影像的单木高度测量方法,其特征在于,步骤S31具体包括:
根据单株树木的阴影区域建立坐标系,构建阴影面积的函数关系式;所述函数关系式具体为:
其中,选取阴影中树杆底部与树冠左侧边缘相交位置为局部坐标系原点;x1表示为第一阴影距离树冠中心点水平线的距离;y1表示第一阴影对应的DSM像元距离地面的高度;k为调整系数;W为阴影的长度;L为阴影的宽度;f为树木与地面的夹角;
ω表示极化散射机理;γ(ω)依赖于极化散射机理;γv为纯体去想干系数;ψ0表示地表相位;μ(ω)为有效的体散射幅度比;
其中,
σ表示电磁波在植被中的平均消光系数,以dB/m表示,实际σ≈0.23;θ为无人机飞行的倾角,hv为树木高度;e为模型常数;
根据构建的函数关系式、无人机飞行时与地面的夹角、太阳高度角建立特征函数模型。
7.根据权利要求6所述的基于无人机高分辨率影像的单木高度测量方法,其特征在于,特征函数模型的计算式如下:
B为垂直基线;λ表示波长;R表示斜距。
8.根据权利要求5所述的基于无人机高分辨率影像的单木高度测量方法,其特征在于,步骤S4中,原始DSM数据和校正后的DSM数据的融合具体为:
将步骤S35中计算出的第一阴影和第二阴影的非重叠部分对应的阴影DSM,记为Caldsm与原始DSM,记为Origindsm进行融合;其中,DSM融合计算式为:
对融合后的DSM,记为Valuedsm,进行分割,将树冠部分DSM提取出来。
9.根据权利要求1所述的基于无人机高分辨率影像的单木高度测量方法,其特征在于,步骤S5中,树木高度Ht的计算式为:
Ht=DSMp>threshold-DTMp=mean
其中DSMp>threshold表示取单株树木对应DSM像素值中大于阈值的部分的平均值,DTMp =mean表示取单株树木对应DTM中的平均值。
10.一种基于无人机高分辨率影像的单木高度测量系统,其特征在于,所述基于无人机高分辨率影像的单木高度测量系统包括:
获取模块,用于获取无人机摄像机拍摄的影像,并生成DTM和DSM,同时提取影像中的阴影;
分割模块,用于将所述阴影进行分割,以提取单株树木的第一阴影;
提取模块,用于提取单株树木对应的DSM数据并进行校正;
确定模块,用于融合原始DSM数据和校正后的DSM数据,并确定树冠部分的DSM数据;
计算模块,用于根据树冠部分的DSM和DTM数据,计算出树木高度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910220740.9A CN109961043B (zh) | 2019-03-22 | 2019-03-22 | 一种基于无人机高分辨率影像的单木高度测量方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910220740.9A CN109961043B (zh) | 2019-03-22 | 2019-03-22 | 一种基于无人机高分辨率影像的单木高度测量方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109961043A true CN109961043A (zh) | 2019-07-02 |
CN109961043B CN109961043B (zh) | 2023-03-31 |
Family
ID=67024689
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910220740.9A Active CN109961043B (zh) | 2019-03-22 | 2019-03-22 | 一种基于无人机高分辨率影像的单木高度测量方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109961043B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN113111793A (zh) * | 2021-04-16 | 2021-07-13 | 重庆大学 | 树木识别方法与装置 |
CN113139995A (zh) * | 2021-04-19 | 2021-07-20 | 杭州伯资企业管理合伙企业(有限合伙) | 一种低成本的物体间光线遮挡检测和评估方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101978395A (zh) * | 2008-04-23 | 2011-02-16 | 株式会社博思科 | 建筑物屋顶轮廓识别装置、建筑物屋顶轮廓识别方法及建筑物屋顶轮廓识别程序 |
CN102509354A (zh) * | 2011-11-10 | 2012-06-20 | 武汉大学 | 一种与影像同步变化的投影数字高程模型制作方法 |
-
2019
- 2019-03-22 CN CN201910220740.9A patent/CN109961043B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101978395A (zh) * | 2008-04-23 | 2011-02-16 | 株式会社博思科 | 建筑物屋顶轮廓识别装置、建筑物屋顶轮廓识别方法及建筑物屋顶轮廓识别程序 |
CN102509354A (zh) * | 2011-11-10 | 2012-06-20 | 武汉大学 | 一种与影像同步变化的投影数字高程模型制作方法 |
Non-Patent Citations (1)
Title |
---|
付海强等: "极化干涉SAR植被高反演复数最小二乘平差法", 《测绘学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN113111793A (zh) * | 2021-04-16 | 2021-07-13 | 重庆大学 | 树木识别方法与装置 |
CN113139995A (zh) * | 2021-04-19 | 2021-07-20 | 杭州伯资企业管理合伙企业(有限合伙) | 一种低成本的物体间光线遮挡检测和评估方法 |
CN113139995B (zh) * | 2021-04-19 | 2022-06-21 | 杭州伯资企业管理合伙企业(有限合伙) | 一种低成本的物体间光线遮挡检测和评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109961043B (zh) | 2023-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115439424B (zh) | 一种无人机航拍视频图像智能检测方法 | |
Daneshmand et al. | 3d scanning: A comprehensive survey | |
Verhoeven et al. | Undistorting the past: New techniques for orthorectification of archaeological aerial frame imagery | |
Udin et al. | Assessment of photogrammetric mapping accuracy based on variation flying altitude using unmanned aerial vehicle | |
CN102088569B (zh) | 低空无人飞行器序列图像拼接方法和系统 | |
Spence et al. | Deployment of an unmanned aerial system to assist in mapping an intermittent stream | |
CN108168521A (zh) | 一种基于无人机实现景观三维可视化的方法 | |
US20130027555A1 (en) | Method and Apparatus for Processing Aerial Imagery with Camera Location and Orientation for Simulating Smooth Video Flyby | |
CN109961043A (zh) | 一种基于无人机高分辨率影像的单木高度测量方法及系统 | |
CN105865454A (zh) | 一种基于实时在线地图生成的无人机导航方法 | |
Li et al. | Toward automated power line corridor monitoring using advanced aircraft control and multisource feature fusion | |
CN108548525A (zh) | 一种利用无人机航空摄影进行野外测绘的方法 | |
CN106097304A (zh) | 一种无人机实时在线地图生成方法 | |
JP7042146B2 (ja) | 衛星画像変化抽出システムおよび衛星画像変化抽出方法、並びに衛星画像変化抽出システムにおけるフロントエンド部 | |
CN107743201A (zh) | 一种电力线廊道消费级数码相机快速拼图方法及装置 | |
EP3664029B1 (en) | Image processing device, image processing method, and program | |
Bevilacqua et al. | Digital technology and mechatronic systems for the architectural 3D metric survey | |
CN103544505A (zh) | 面向无人机航拍图像的船只识别系统及方法 | |
WO2023125587A1 (zh) | 基于无人机的火情监测方法及装置 | |
CN114004977A (zh) | 一种基于深度学习的航拍数据目标定位方法及系统 | |
Ma et al. | Crlf: Automatic calibration and refinement based on line feature for lidar and camera in road scenes | |
CN110389114A (zh) | 一种基于无人机成像光谱的中小水体水质类型识别方法 | |
CN115240093A (zh) | 基于可见光和激光雷达点云融合的输电通道自动巡检方法 | |
Sze et al. | High resolution DEM generation using small drone for interferometry SAR | |
Udin et al. | Digital Terrain Model extraction using digital aerial imagery of Unmanned Aerial Vehicle |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |