CN110580468B - 一种基于影像匹配点云的单木结构参数提取的方法 - Google Patents

一种基于影像匹配点云的单木结构参数提取的方法 Download PDF

Info

Publication number
CN110580468B
CN110580468B CN201910856188.2A CN201910856188A CN110580468B CN 110580468 B CN110580468 B CN 110580468B CN 201910856188 A CN201910856188 A CN 201910856188A CN 110580468 B CN110580468 B CN 110580468B
Authority
CN
China
Prior art keywords
single wood
point cloud
image
parameters
extracting
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.)
Active
Application number
CN201910856188.2A
Other languages
English (en)
Other versions
CN110580468A (zh
Inventor
曹林
周舟
吴项乾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Forestry University
Original Assignee
Nanjing Forestry University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Forestry University filed Critical Nanjing Forestry University
Priority to CN201910856188.2A priority Critical patent/CN110580468B/zh
Publication of CN110580468A publication Critical patent/CN110580468A/zh
Application granted granted Critical
Publication of CN110580468B publication Critical patent/CN110580468B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于影像匹配点云的单木结构参数提取的方法。该方法包括以下步骤：对需要测量的单木环绕拍摄，获取单木的多重叠度影像；采用图像密集匹配的方法对重叠度高的照片进行拼接，然后采用空三加密的方法生成密集点云，获得单木的三维点云数据；接着将点云数据进行去噪处理并进行地面点分类，根据地面点进行归一化处理，生成数字表面模型DSM；在生成的DSM上直接对单木进行测量，获得单木结构所需的参数，并与实际测量的结果进行对比分析及精度评价。该方法通过非接触测量，更加方便快捷，大大缩短了人工时间和资金支出。通过本发明对单木结构参数提取测量，与使用其他相近遥感方法进行分类相比，其总体精度提升了5％以上。

Description

一种基于影像匹配点云的单木结构参数提取的方法
技术领域
本发明属于摄影测量与遥感领域，具体涉及一种基于影像匹配点云的单木结构参数提取的方法。
背景技术
单木是构成森林的最基本单元，单木的详细结构信息、生理组分与特性是森林资源调查和生态研究的关键因素。精确地获取单木信息，不仅能有助于对单木的研究，同时也能为森林培育及森林资源管理提供技术支撑和数据支持。传统的单木测量主要依赖于人工野外调查，不仅速度慢、周期长、成本高、工作量大。同时，只能获得一些小规模的数据，不利于大尺度研究区域森林参数的研究。
遥感技术具有更新速度快、覆盖面广、成本低的优点。遥感技术在森林资源调查和森林空间结构参数提取方面具有很大的优势，弥补了传统地面调查方法的不足。以往的光学遥感技术只关注森林的水平结构信息，不能有效地反映森林的垂直结构。激光雷达是近年来发展较快的一种主动遥感技术，可以直接得到点云的高度、密度、分布、强度和波形信息，进而得到森林的三维结构参数。然而，激光雷达设备和数据预处理的高成本限制了其在森林研究中的广泛应用。
无人机是一种新兴的遥感技术。它可以随时起飞和降落，不受时间和地点的限制，并且可以获取地物的信息。其数据具有很高的空间和时间分辨率，可以达到厘米级。利用无人机相机及移动相机可以对单木结构参数进行精准提取。
近年来，基于影像匹配点云的单木结构参数提取的方法有：Tan等2008年在《ACMTransactions on Graphics》第5卷第27期上发表“Single image tree modeling”，该研究基于人机交互的算法，实现了单木模型的重建，该算法可以将单木的可见部分进行重构，但不能完全反映单木真实的三维结构信息。王佳等2011年在《测绘科学》第6卷上发表“航空数字摄影测量对林分立木测高及精度分析”，该研究利用无人机影像对河北廊坊自然公园的树林进行了立体图像重构，通过立体图像模型估测的树高精度达93％。然而，以上研究只是基于森林影像的可视化进行建模，未能有效提取森林树木的整体结构，同时，也未能对单木的三维结构进行深入信息提取和分析。
发明内容
针对上述现有技术中存在的不足，本发明所要解决的技术问题是提供一种基于影像匹配点云的单木结构参数提取的方法。本方法利用影像匹配生成点云的方法能够在对树木生长不造成影响的情况下获得树木的三维结构参数信息。相较于传统的光学遥感及激光雷达，本方法既节约了数据获取成本，同时也能完整的获取单木的详细结构参数。通过本发明对单木结构参数提取测量，与使用其他相近遥感方法进行分类相比，其总体精度提升了5％以上。
为了解决上述技术问题，本发明采用的技术方案为：
一种基于影像匹配点云的单木结构参数提取的方法，包括以下步骤：
步骤一：对需要测量的单木环绕拍摄，获取单木的多重叠度影像；
步骤二：对每张单木影像进行SIFT特征点的提取以及SIFT特征匹配；然后根据运动模型算法进行特征点相对方位参数计算，提取三维信息的空间点；计算区域网平差，得到加密点地面坐标；
步骤三：采用图像密集匹配的方法对重叠度高的照片进行拼接，通过空三加密算法对单木影像的同名像点进行识别，开始特征点的密集匹配，匹配完成后，生成单木的密集点云模型；
步骤四：对点云数据进行去噪处理，地面点分类提取及归一化处理，生成数字表面模型DSM；
步骤五：在生成的DSM上直接对单木进行测量，获得单木结构所需的参数。
步骤一中，影像的重叠度为95.6％，每两张影像中同名像点占95.6％。
步骤一中，对需要测量的单木使用移动相机或无人机进行环绕拍摄。
使用移动相机对单木进行环绕拍照时，以树冠中心为中心点，拍摄人员手持移动相机站到距离中心点树高范围1-2倍的位置处，将相机与单木在同一水平面内保持平行，固定镜头的焦距，使相机屏幕中能够完整呈现出单木的图像，然后进行拍摄，拍摄时保持镜头的角度与地面垂直90°，并且高度固定在树高的一半，在此基础上进行360°环绕拍照，每隔8°拍摄一张单木的照片。
使用无人机对单木进行环绕拍照时，无人机拍摄过程中的镜头方向与垂直地面方向的树干呈45°，分层环绕的层高为2m进行环绕多层拍摄，拍摄段数根据树高和无人机与主干之间的距离确定。
步骤二中，采用光束法计算区域网平差，误差方程采用共线条件方程。
步骤四中，地面点的分类提取采用TIN算法进行实现。
步骤四中，对点云数据进行降噪和地面点分类提取后，采用线性插值法补充数据，构建完整的DSM。
步骤五中，在生成的DSM上对单木进行测量，以最高点的Z坐标值为树高值，利用标尺工具测量冠幅长轴和短轴的值。
步骤五中，通过DSM获得单木结构所需的参数与实际测量的结果进行对比分析及精度评价。
有益效果：与现有技术相比，本发明对获取的高分辨率影像采用图像密集匹配的方法对重叠度高的照片进行拼接，然后采用空三加密的方法生成密集点云，获得单木的三维点云数据。接着将点云数据进行去重叠度、手动删除部分冗余点并进行地面点分类，根据地面点进行归一化处理，生成数字表面模型(DSM)。在生成的DSM上直接对单木进行测量，获得单木结构所需的参数与实际测量的结果进行对比分析及精度评价。本发明具有以下技术优势：
1)充分利用地面平台和航空平台的数据，更加方便快捷，克服了空间平台的不足，大大缩短了人工时间和资金支出；
2)利用图像匹配生成点云技术是非接触测量，不会影响被测对象且图像处理精度高、速度快，数据易于储存并可重复利用；
3)可应用在森林生态调查、生态因子调查及生物多样性研究等领域，并可掌握森林树种资源分布及动态变化，对于森林的经营管理、生态环境保护及气候变化缓解方面具有重要意义。
附图说明
图1是单木影像获取示意图；图中，a是移动相机摄获取单木照片模拟图；b是无人机环测拍摄的飞行示意图；c是单木及其生成的点云模型对比图；
图2是地面实测参数与点云量测参数的对比散点图。
具体实施方式
下面结合具体实施例进一步说明本发明，但这些实施例并不用来限制本发明。
本实施例单木影像采集区域位于江苏省南京市南京林业大学和南京玄武湖情侣园。校园位于南京市主城区东北部，地势由西向东逐渐升高，是紫金山遗迹向西北延伸的区域，校园的海拔高度在11～35米之间。情侣园总面积约30公顷，其中水域面积占三分之一。该地区地理条件优越，树种资源丰富。
本实施例拍摄单木照片采用的手机为iphone7Plus，该手机配备有六镜式镜头，后置双摄像头的像素为1200万像素，无人机拍摄设备是大疆精灵3四旋翼飞行机，像素为1200万像素。
(1)在地面选取需要测量的单木后，使用移动相机对单木进行环绕拍照时，以树冠中心为中心点，拍摄人员需手持移动相机站到距离中心点树高范围1-2倍的位置处，将相机与单木在同一水平面内保持平行，固定镜头的焦距，使相机屏幕中能够完整呈现出单木的图像，然后进行拍摄，拍摄时要保持镜头的角度与地面垂直90°，并且高度固定在树高的一半，在此基础上进行360°环绕拍照，每隔8°拍摄一张单木的照片，拍摄45张照片，照片重叠率95.6％；使用的无人机拍摄比较高大的乔木时，需要对单木进行环绕多层拍摄。无人机拍摄过程中的镜头方向与垂直地面方向的树干呈45°，具体拍摄段数(n)需要根据树高(H)和无人机与主干之间的距离(S)确定。当间距(S)和树高(H)相同时，可以完全拍摄到树的图像。所以S＝H，n＝H/h，其中，h为每段的高度，根据低矮单木的拍摄经验，2m左右的单木点云模型效果最佳，所以将无人机分层环绕的层高定为2m，即h通常设定为2m。通过手机相机和无人机获取了单木的多重叠度影像，每两张影像中同名像点占95.6％，影像获取示意图见图1中的a、b。
(2)影像匹配
a.特征提取：本实施例对每张单木影像的特征点进行检测，在检测的过程中，尺度不变特征变化(SIFT，Scale-invariantfeaturetransform)算子能够保持图像在旋转、缩放、仿射变换的尺度空间内的特征保持不变。
b.相对方位参数计算：根据运动模型的算法对参数进行图像导向以描述特征。运动模型算法可以非常简单、方便的从二维的影像信息中，提取出有效的三维信息。
c.使用光线束法计算区域网平差：区域网平差是一种基本的三点共线的原理，这三个点在同一张影像内分别对应的是：摄影点、图像点，和相应的地面点。采用光束法计算区域网平差优点是尽可能少的减少图像系统的误差影像。
首先进行特征提取：尺度不变特征变化(SIFT，Scale-invariant featuretransform)是模式识别和影像匹配领域中非常著名的特征算子，它是一种基于尺度空间的，用于描述图像缩放、旋转甚至仿射变换保持不变性的图像局部特征描述算子，对每张单木影像的特征点进行检测，在检测的过程中，SIFT算子能够保持图像在旋转、缩放、仿射变换的尺度空间内的特征保持不变。然后使用相对方位参数计算：根据运动模型的算法对参数进行图像导向以描述特征。运动模型算法可以非常简单、方便的从二维的影像信息中，提取出有效的三维信息。所有的二维信息把它看作是m幅不同的图像，在每幅图像中有n个三维信息的空间点，可根据方程计算特征点的空间坐标：
Xij＝PiXj (1)
其中：Xij表示的是在第i幅图像中第j个点的二维信息，Pi表示的是第i幅图像的投影矩阵，Xj表示的是第j个点的三维坐标。根据已知的m×n个二维图像信息，需要去估算m个投影矩阵以及n个点的三维空间坐标。最后使用光线束法计算区域网平差：区域网平差是一种基本的三点共线的原理，这三个点在同一张影像内分别对应的是：摄影点、图像点，和相应的地面点。光线束法区域网平差的基本数学模型是共线条件方程，利用共线条件方程可以实现多影像交会。影像坐标的观测值是未知的，其满足非线性函数，因此我们需要对共线条件方程进行线性化处理。在线性化处理过程中，多影像交会需要对X，Y，Z进行微偏分计算。在已知内方位元素的条件下，误差方程可以表示为：
其中：x，y表示观测值，相对应的改正数是vx，vy；XS，YS，ZS，ω，K表示待定的参数，这些参数可以用它们的近似值加相对应的改正数ΔXS，ΔYS，ΔZS，/>Δω，Δk来表示；常数项lx＝x-(x)，ly＝y-(y)，(x)和(y)的值是把未知数的初始值代入共线方程中计算而来的。已知地面点坐标的情况下，公式(2)(3)可以转换为解算空间后方交会的误差方程式：
已知每幅图的外方位元素的情况下，空间前方交会的误差方程式：
vx＝-a11ΔX+a12ΔY+a23ΔZ-l″x (6)
vy＝-a21ΔX+a22ΔY+a23ΔZ-l″y (7)
在利用光束法计算区域平差过程中，首先要知道地面点的近似坐标值，根据公式(4)(5)，可以求出每张影像的外方位元素，然后再根据公式(6)(7)，把外方位元素的新值代入计算，得到每一个点的地面坐标，这一过程不断迭代重复，知道每张影像的外方位元素及待定坐标的改正值都小于某一个限值，才结束迭代。采用光束法计算区域网平差优点是尽可能少的减少图像系统的误差影像。
(3)点云获取
将移动相机和无人机拍摄的单木多重叠度影像数据进行拼接并三维建模，将多张影像对齐后就可以开始建立密集点云，通过空三加密算法对单木影像的同名像点进行识别，开始特征点的密集匹配，匹配完成后，生成单木的密集点云模型。
将手机相机和无人机拍摄的单木多重叠度影像数据导入Agisoft PhotoScan软件中，其中无人机的拍摄数据需要先进行筛选，导入图像后先对照片进行自动对齐操作，对齐后就可以开始建立密集点云，通过空三加密算法对单木影像的同名像点进行识别，开始特征点的密集匹配，匹配完成后，生成单木的密集点云模型，生成的单木点云图见图1中的c。
(4)参数提取
单木影像在采集过程中受各种自然因素的影响，采集的单木影像数据中存在干扰因子，在生成的点云模型中会出现与单木无关的多余点云，因此在单木结构参数的提取前，需要对点云模型进行去噪。对去噪后的点云模型进行地面点的分类提取，主要利用TIN算法实现地面点的分离。接着根据地面点进行点云的归一化，得到数字表面模型(DSM)。
单木影像在采集过程中受各种自然因素的影响，采集的单木影像数据中存在干扰因子，在生成的点云模型中会出现与单木无关的多余点云，因此在单木结构参数的提取前，需要对点云模型进行去噪。对去噪后的点云模型进行地面点的分类提取，主要利用TIN算法实现地面点的分离。点云数据经过去噪和地面点分离后，存在一些缺失，为了构建单木完整的数字表面模型(DSM)，我们有必要填补这些空缺点。由于原始点云数据排列的不规则，因此为了得到规则网格的DSM，需要对数据进行插值。本实施例采用线性插值法对不规则网格点的高程进行插值。最后生成完整DSM图像并提取参数。
(5)在生成的DSM上直接对单木进行测量，获得单木结构所需的参数与实际测量的结果进行对比分析及精度评价。利用软件的统计功能，找到最高点的Z坐标值，即树高，利用标尺工具测量冠幅长轴和短轴的值。选取单木影像采集中14棵具有代表性的树木，整理其地面实测数据与点云量测数据见下表1，基于影像匹配点云提取的单木结构参数精度见表2，地面实测参数与点云量测参数的对比散点图见图2。
表1地面实测数据与估测数据汇总
表2单木参数精度验证表
需要注意的是，本发明不限于以上实施例，还可以有许多变形。本领域的普通技术人员能从本发明公开的内容直接导出或联想到的所有变形，均应认为是本发明的保护范围。

Claims (10)

1.一种基于影像匹配点云的单木结构参数提取的方法，其特征在于，包括以下步骤：
步骤一：对需要测量的单木环绕拍摄，获取单木的多重叠度影像；
步骤二：对每张单木影像进行SIFT特征点的检测，然后使用相对方位参数计算，根据运动模型的算法对参数进行图像导向以描述特征；根据运动模型算法进行特征点相对方位参数计算，提取三维信息的空间点；计算区域网平差，得到加密点地面坐标；
步骤三：将手机相机和无人机拍摄的单木多重叠度影像数据导入Agisoft PhotoScan软件中，导入图像后先对照片进行自动对齐操作，通过空三加密算法对单木影像的同名像点进行识别，开始特征点的密集匹配，匹配完成后，生成单木的密集点云模型；
步骤四：对点云模型进行去噪处理，地面点分类提取及归一化处理，生成数字表面模型DSM；
步骤五：在生成的DSM上直接对单木进行测量，获得单木结构所需的参数。
2.根据权利要求1所述的基于影像匹配点云的单木结构参数提取的方法，其特征在于，步骤一中，所述影像的重叠度为95.6％，每两张影像中同名像点占95.6％。
3.根据权利要求1所述的基于影像匹配点云的单木结构参数提取的方法，其特征在于，步骤一中，对需要测量的单木使用移动相机或无人机进行环绕拍摄。
4.根据权利要求3所述的基于影像匹配点云的单木结构参数提取的方法，其特征在于，步骤一中，使用移动相机对单木进行环绕拍照时，以树冠中心为中心点，拍摄人员手持移动相机站到距离中心点树高范围1-2倍的位置处，将相机与单木在同一水平面内保持平行，固定镜头的焦距，使相机屏幕中能够完整呈现出单木的图像，然后进行拍摄，拍摄时保持镜头的角度与地面垂直90°，并且高度固定在树高的一半，在此基础上进行360°环绕拍照，每隔8°拍摄一张单木的照片。
5.根据权利要求3所述的基于影像匹配点云的单木结构参数提取的方法，其特征在于，步骤一中，使用无人机对单木进行环绕拍照时，无人机拍摄过程中的镜头方向与垂直地面方向的树干呈45°，分层环绕的层高为2m进行环绕多层拍摄，拍摄段数根据树高和无人机与主干之间的距离确定。
6.根据权利要求1所述的基于影像匹配点云的单木结构参数提取的方法，其特征在于，步骤二中，采用光束法计算区域网平差，误差方程采用共线条件方程。
7.根据权利要求1所述的基于影像匹配点云的单木结构参数提取的方法，其特征在于，步骤四中，地面点的分类提取采用TIN算法进行实现。
8.根据权利要求1所述的基于影像匹配点云的单木结构参数提取的方法，其特征在于，步骤四中，对点云数据进行降噪和地面点分类提取后，采用线性插值法补充数据，构建完整的DSM。
9.根据权利要求1所述的基于影像匹配点云的单木结构参数提取的方法，其特征在于，步骤五中，在生成的DSM上对单木进行测量，以最高点的Z坐标值为树高值，利用标尺工具测量冠幅长轴和短轴的值。
10.根据权利要求1所述的基于影像匹配点云的单木结构参数提取的方法，其特征在于，步骤五中，通过DSM获得单木结构所需的参数与实际测量的结果进行对比分析及精度评价。
CN201910856188.2A 2019-09-10 2019-09-10 一种基于影像匹配点云的单木结构参数提取的方法 Active CN110580468B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910856188.2A CN110580468B (zh) 2019-09-10 2019-09-10 一种基于影像匹配点云的单木结构参数提取的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910856188.2A CN110580468B (zh) 2019-09-10 2019-09-10 一种基于影像匹配点云的单木结构参数提取的方法

Publications (2)

Publication Number Publication Date
CN110580468A CN110580468A (zh) 2019-12-17
CN110580468B true CN110580468B (zh) 2023-07-18

Family

ID=68812839

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910856188.2A Active CN110580468B (zh) 2019-09-10 2019-09-10 一种基于影像匹配点云的单木结构参数提取的方法

Country Status (1)

Country Link
CN (1) CN110580468B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111710038A (zh) * 2020-05-25 2020-09-25 中铁六局集团有限公司 摄影测量与计算机视觉技术相结合施工方法
CN114419260B (zh) * 2022-03-30 2022-06-17 山西建筑工程集团有限公司 利用复合式点云网进行三维地形测绘土方工程量的方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110033484A (zh) * 2019-04-22 2019-07-19 福州大学 一种结合uav影像和tls点云的高郁闭森林样地树高提取方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10198858B2 (en) * 2017-03-27 2019-02-05 3Dflow Srl Method for 3D modelling based on structure from motion processing of sparse 2D images

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110033484A (zh) * 2019-04-22 2019-07-19 福州大学 一种结合uav影像和tls点云的高郁闭森林样地树高提取方法

Also Published As

Publication number Publication date
CN110580468A (zh) 2019-12-17

Similar Documents

Publication Publication Date Title
Woodget et al. Drones and digital photogrammetry: from classifications to continuums for monitoring river habitat and hydromorphology
Piermattei et al. Suitability of ground-based SfM–MVS for monitoring glacial and periglacial processes
CN107451982B (zh) 一种基于无人机影像的高郁闭度林分树冠面积获取方法
Mertes et al. Using structure‐from‐motion to create glacier DEMs and orthoimagery from historical terrestrial and oblique aerial imagery
Woodget et al. Quantifying submerged fluvial topography using hyperspatial resolution UAS imagery and structure from motion photogrammetry
CN104156536B (zh) 一种盾构机刀具磨损的可视化定量标定及分析方法
Niederheiser et al. Deriving 3D point clouds from terrestrial photographs-Comparison of different sensors and software
CN111553245A (zh) 基于机器学习算法和多源遥感数据融合的植被分类方法
CN113034689A (zh) 基于激光点云的地形三维模型及地形图构建方法和系统、存储介质
CN113284171B (zh) 一种基于卫星遥感立体成像对的植被高度分析方法及系统
Ramli et al. Homogeneous tree height derivation from tree crown delineation using Seeded Region Growing (SRG) segmentation
US10432915B2 (en) Systems, methods, and devices for generating three-dimensional models
Hu et al. Research on a single-tree point cloud segmentation method based on UAV tilt photography and deep learning algorithm
CN110580468B (zh) 一种基于影像匹配点云的单木结构参数提取的方法
Dahaghin et al. Precise 3D extraction of building roofs by fusion of UAV-based thermal and visible images
Barrile et al. 3D modeling with photogrammetry by UAVs and model quality verification
Wang et al. Unmanned aerial vehicle and structure‐from‐motion photogrammetry for three‐dimensional documentation and digital rubbing of the Zuo River Valley rock paintings
Yin et al. Individual tree parameters estimation for chinese fir (cunninghamia lanceolate (lamb.) hook) plantations of south china using UAV Oblique Photography: Possibilities and Challenges
CN113724381B (zh) 一种基于高分遥感影像的动态三维场景快速重建方法
Govedarica et al. Flood risk assessment based on LiDAR and UAV points clouds and DEM
Guo et al. Application of UAV tilt photogrammetry in 3D modeling of ancient buildings
Motayyeb et al. Fusion of UAV-based infrared and visible images for thermal leakage map generation of building facades
Ma et al. Low-altitude photogrammetry and remote sensing in UAV for improving mapping accuracy
Saponaro et al. Influence of co-alignment procedures on the co-registration accuracy of multi-epoch SFM points clouds
Badea et al. An Overview of Geoprocessing and Export Options for Creating 3D GIS Models Using Drone2Map

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