CN112241440A - 一种基于LiDAR点云数据的三维绿量估算及管理方法 - Google Patents
一种基于LiDAR点云数据的三维绿量估算及管理方法 Download PDFInfo
- Publication number
- CN112241440A CN112241440A CN201910646493.9A CN201910646493A CN112241440A CN 112241440 A CN112241440 A CN 112241440A CN 201910646493 A CN201910646493 A CN 201910646493A CN 112241440 A CN112241440 A CN 112241440A
- Authority
- CN
- China
- Prior art keywords
- tree
- point cloud
- crown
- points
- vegetation
- 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
- 238000007726 management method Methods 0.000 title claims description 16
- 238000000034 method Methods 0.000 claims abstract description 41
- 230000011218 segmentation Effects 0.000 claims abstract description 8
- 230000001788 irregular Effects 0.000 claims abstract description 5
- 238000004458 analytical method Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012946 outsourcing Methods 0.000 claims description 2
- 238000000926 separation method Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于LiDAR点云数据的城市三维绿量估算及管理方法,其包括以下步骤:利用城市地区已识别了植被的LiDAR数据作为源数据,首先采用自上而下的点云分割方法,依次识别出单棵树木、灌木及草地点云。针对树木点云,利用垂直方向上的点云高度分布自动识别树冠位置,再利用三维凸包法计算树冠部分的体积,即树冠绿量。通过将树冠绿量赋给树顶点,实现树冠绿量的矢量化管理。针对灌木及草地点云,通过将其对应的点云斑块视为不规则圆柱体来计算绿量,斑块面积通过边界追踪得到,高度取斑块内植被点的平均归一化高程,相乘可得到该植被斑块的三维绿量。通过将绿量属性赋予该斑块对应的多边形,可实现低矮植被绿量的矢量化管理。
Description
技术领域
本发明涉及使用LiDAR点云数据估算城市三维绿量的方法,尤其涉及一种可用于GIS平台对三维绿量进行矢量化管理分析的方法。
背景技术
随着人们对绿地功能认识的增加及数据的丰富,城市绿地研究从简单的植被制图发展到绿地空间的量化研究。常用的公共绿地面积、绿化覆盖率、绿地率等指标是从二维的面积或覆盖率来评价绿地,可在宏观上衡量城区的绿化面积及大致的分布格局,有一定的指导意义。然而,城市绿地空间是三维的,仅从二维覆盖面积出发的评价方法并不能描述绿地组成及其空间结构,也很难反映不同绿化结构的生态功能水平。
已有研究表明,不同的植物类型及分层结构在固碳、降噪等方面的能力是不同的,导致覆盖同样面积的一片草地和乔灌草复层结构,产生的生态效益是截然不同的。植被结构越复杂,层次越丰富,生态功能越强。因此发展更全面立体的绿化评价指标,实现客观准确的绿地量化评估成为城市规划的一个迫切要求。三维绿量(LVV,living VegetationVolume)作为城市绿化体系的第一立体指标,可在立体水平上反映城市植被的空间结构差异,更全面、准确地评价城市绿地的生态效益,指导不同城市功能区的绿化结构设计。
早期我国三维绿量测算主要依靠大量实测来实现,将树冠视为规则的几何形状,如球形、锥形等,通过实测了树木的冠径及冠高,代入几何公式计算得到,准确但费时费力,推广困难。目前常用的基于遥感影像的绿量估算方法可在实测建立了分树种的冠径-冠高模型的基础上,借助于遥感影像识别树种及冠径,使估算过程半自动化。然而这仍然需要大量的人工实测数据,且建立的模型具有地域性。
因此,现有技术有待于更进一步的改进和发展。
发明内容
鉴于上述现有技术的不足,本发明提供的一种基于LiDAR点云数据的三维绿量估算及管理方法,在自动识别单棵树木、灌木及草地点云的基础上,分别针对树冠及低矮植被(灌木、草地)实现了准确的绿量估算,可支持GIS平台上三维绿量的分析管理。
为解决上述技术问题,本发明方案包括:
A、选用已标识植被点云的LiDAR点云数据作为数据源;
B、针对植被点云,采用自上而下的分割方法,依次实现单棵树木、灌木、草地点的分离提取;
C、对单棵树木点云,利用垂直方向上的点云分布特点自动检测到树冠位置,进而计算得到树冠点云的体积,即树冠三维绿量;
D、灌木及草地点云,则视为不规则圆柱体计算其体积。
E、将树木、灌木、草地的三维绿量作为矢量文件的属性输入,可在GIS平台实现三维绿量的管理分析。
所述的三维绿量估算方法,其中,所述步骤A具体的包括:基础数据为机载激光雷达点云数据,经过了航线拼接、去噪的预处理,参照航拍影像人工实现了地面点及植被点云的识别,并且通过地面点插值生成的数字地面模型(DEM)进行了点云的高度归一化,即去除地形对点云高度的影响。
所述的三维绿量估算方法,其中,所述步骤B具体的包括:针对归一化后的植被点云,选择最高点作为最高的那棵树的树顶点,参照树冠半径设定树间距阈值,从该树顶点出发向下生长出属于该棵树的所有点云,标记为同一棵树后移除,继而选择剩余点中最高的点为第二高树的树顶点,逐次实现所有单棵树木点云的标记。
所述的三维绿量估算方法,其中,所述步骤B具体的还包括:针对剩余的低矮植被点,按照归一化高度值在0.5~2m间统一识别为灌木点,归一化高度值在0.5m以下的识别为草地点。
所述的三维绿量估算方法,其中,所述步骤C具体的包括:将单棵树木点云按高度在垂直方向上排序,计算该排序曲线的转折点即获得冠高的位置。
所述的三维绿量估算方法,其中,所述步骤C具体的还包括:针对获得的树冠点云,利用三维凸包法计算点云的外包体积,即树冠绿量。
所述的三维绿量估算方法,其中,所述步骤D具体的包括:针对灌木及草地点云呈斑块状分布的特点,通过自动追踪各个斑块边界可得到斑块面积,各斑块内平均归一化高度作为斑块高度,可以各个斑块为单位计算得到灌木及草地类低矮植被点的三维绿量。
所述的三维绿量估算方法,其中,所述步骤E具体的包括:单棵树木的树冠绿量作为属性赋给树顶点,灌木及草地的绿量分别赋给各个低矮植被斑块,可在GIS平台上实现城市三维绿量的管理分析。
本发明提供的一种基于LiDAR点云数据的三维绿量估算及管理方法,在自动实现单棵树木、灌木及草地点云分割的基础上,分别实现了树冠绿量及低矮植被绿量的自动化准确估算,并可通过对三维绿量的矢量化管理实现灵活的空间分析。该过程不需要借助人工实测数据,估算过程可完全自动化,且估算精度较高。解决了以往三维绿量估算方法费时费力的问题,适用于三维绿量这一三维绿化指标的推广应用。
附图说明
图1是本发明中三维绿量估算方法的示意图。
图2是单木分割效果示意。
图3是获取冠高位置示意。
图4是三维凸包法计算树冠体积的示意图。
具体实施方式
本发明提供了一种基于LiDAR点云数据的三维绿量估算及管理方法,为使本发明的目的、技术方案及效果更加清楚、明确,以下对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供的基于LiDAR点云数据的三维绿量估算及管理方法,在分割识别单棵树木点云及灌木、草地点云的基础上,分别实现了树冠绿量及低矮植被绿量的准确估算,可通过矢量化的管理实现三维绿量的评估分析,具体实施步骤为:
1、数据预处理
(1)基本预处理。本发明采用机载激光雷达点云数据为数据源,借助于TerroSolid软件,对获得的原始点云数据进行了航线拼接及点云去噪的预处理后,进行了LiDAR点云的地物分类工作,包括地面点及植被点的识别。其中,地面点可通过软件中自带的滤波算法自动实现,植被点的识别则需手动编辑属性实现,可参照航拍影像目视解译。最终通过多次生成地面及植被模型,检查有无点云错分现象。
(2)高程归一化。利用得到的地面点通过Kring插值可得到数字地面模型(DEM),将所有植被点减去对应的DEM值,可获得高程归一化后的植被点云,即点云的高度值是绝对的,不受地形影响。
2、植被点云的分割
本发明采用自上而下的单木分割策略,首先确定植被点云中的最高点,为最高的那棵树的树顶点。将该区域内的平均树间距设定为分割的距离阈值,从该树顶点出发按距离阈值生长,可获得属于该棵树的所有点云,标记为同一个treeID。将第一棵树的所有点云都移除后,继续寻找剩余植被点中的最高点,为第二高的那棵树的树顶点,并按照距离阈值生长出属于该棵树的所有点云,标记后移除。
重复此过程,直至所有树木点云都被分割到各个单株树木点云中,即完成了单木分割(见图2)。剩余的植被点云为低矮植被:灌木及草地的集合,根据阈值0.5m及2m(经验值)将 0.5m以下的植被点标记为草地,0.5m~2m之间的标记为灌木。
3、树冠绿量的估算
针对分割得到的单株树木点云,可逐株实现树冠绿量的计算。具体分为两步实施:
(1)获取树冠点云。
大部分机载激光雷达获取的树木点云仅有树冠点,仍有少数可能会包含少许树干点或者低矮植被点,直接计算高差可能会导致高估。因此本发明利用树木点云在垂直方向上树冠处点云较多,树干无点或者仅有少数点的分布特性,通过在树木点云的高程分布频率图上定位拐点(见图3)来实现树冠点云的提取,图中点云密集区域即为获得的树冠点云。
(2)计算树冠体积。
本发明采用三维凸包法这一计算几何的方法直接计算树冠点云的外包体积(见图4)。
4、低矮植被绿量的估算
以往城市三维绿量大多仅关注树冠绿量这一绿量主体,低矮植被较少考虑。少数计算低矮植被绿量的研究也多通过获取植被面积后,乘以设定的经验高度来计算。为了尽可能的提高估算精度,本发明考虑直接从点云出发,通过边界追踪得到包围一簇簇植被点的小斑块,再利用每个小斑块内植被点的平均高程作为这一小簇植被的高度,这样斑块面积及植被高度都可以从点云出发直接获得,相乘即可得到各个斑块的植被绿量。其中,植被斑块的获得可通过开源软件LASTOOLS中的lasboundary算法实现,通过设置保留空洞及各个斑块连接,可得到包围各个小簇植被点的多个植被斑块。最终通过将该斑块计算得到的绿量赋予该斑块对应的多边形,可实现在GIS平台上对于低矮植被三维绿量的灵活管理。
5、三维绿量的矢量化管理
为促使三维绿量的推广应用,实现其矢量化管理尤为重要。通过将各个单株的树冠绿量值作为属性赋给相应的树顶点可实现树冠绿量的管理分析,低矮植被绿量则通过将绿量值赋给该多边形斑块实现。
当然,以上说明仅仅为本发明的较佳实施例,本发明并不限于列举上述实施例,应当说明的是,任何熟悉本领域的技术人员在本说明书的教导下,所做出的所有等同替代、明显变形形式,均落在本说明书的实质范围之内,理应受到本发明的保护。
Claims (8)
1.基于LiDAR点云数据的三维绿量估算及管理方法,其包括以下步骤:
A、选用已识别了地面点及植被点的LiDAR点云数据作为数据源;
B、针对植被点云,采用自上而下的分割方法,依次实现单棵树木、灌木、草地点的分离提取;
C、对单棵树木点云,利用垂直方向上的点云分布特点自动检测到树冠位置,进而计算得到树冠点云的体积,即树冠三维绿量;
D、灌木及草地点云,则视为不规则圆柱体计算其体积。
E、将树木、灌木、草地的三维绿量作为矢量文件的属性输入,可在GIS平台实现三维绿量的管理分析。
2.根据权利要求1所述的三维绿量估算及管理方法,其特征在于,所述步骤A具体的包括:为保证估算精度,通过结合高清航拍影像的指导,人工识别植被点云,作为绿量估算的数据源。
3.根据权利要求1所述的三维绿量估算及管理方法,其特征在于,所述步骤B具体的包括:首先对植被点云进行高度归一化处理,确定最高点作为最高树的树顶点,根据平均树间距设定距离阈值,从该树顶点往下生长出属于该棵树的所有点云,标记为同一棵树后移除,继而寻找第二高的所有树点。重复此过程直至所有树木点都被标识为单棵树木,即完成单木分割。
4.根据权利要求1所述的三维绿量估算及管理方法,其特征在于,所述步骤B具体的还包括:提取完植被点中的所有树木点后,剩余的低矮植被点按照归一化高度值在0.5~2m间统一识别为灌木点,归一化高度值在0.5m以下的识别为草地点。
5.根据权利要求1所述的三维绿量估算及管理方法,其特征在于,所述步骤C具体的包括:将单棵树木点云在按高度值排序,计算该排序曲线的转折点即获得冠高的位置。
6.根据权利要求1所述的三维绿量估算及管理方法,其特征在于,所述步骤C具体的还包括:利用三维凸包法计算冠高位置以上点云的外包体积,即树冠绿量。
7.根据权利要求1所述的三维绿量估算及管理方法,其特征在于,所述步骤D具体的还包括:针对灌木及草地点云呈斑块状分布的特点,通过自动追踪各个斑块边界可得到斑块面积,各斑块内归一化高度的平均值作为斑块高度,即可以各个斑块为单位计算得到灌木及草地类植被点的三维体积。
8.根据权利要求1所述的三维绿量估算及管理方法,其特征在于,所述步骤E具体的还包括:单棵树木的树冠绿量作为属性赋给树顶点,灌木及草地的绿量分别赋给各个斑块,可在GIS平台上实现三维绿量的管理分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910646493.9A CN112241440B (zh) | 2019-07-17 | 2019-07-17 | 一种基于LiDAR点云数据的三维绿量估算及管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910646493.9A CN112241440B (zh) | 2019-07-17 | 2019-07-17 | 一种基于LiDAR点云数据的三维绿量估算及管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112241440A true CN112241440A (zh) | 2021-01-19 |
CN112241440B CN112241440B (zh) | 2024-04-26 |
Family
ID=74167741
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910646493.9A Active CN112241440B (zh) | 2019-07-17 | 2019-07-17 | 一种基于LiDAR点云数据的三维绿量估算及管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112241440B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023060632A1 (zh) * | 2021-10-14 | 2023-04-20 | 重庆数字城市科技有限公司 | 基于点云数据的街景地物多维度提取方法和系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102305622A (zh) * | 2011-06-14 | 2012-01-04 | 北京林业大学 | 一种基于三维激光扫描仪的乔木三维绿量测定方法 |
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 |
CN104462809A (zh) * | 2014-12-04 | 2015-03-25 | 中国科学院东北地理与农业生态研究所 | 一种基于遥感与gis相结合的草地生产力估算方法 |
CN104778744A (zh) * | 2014-10-25 | 2015-07-15 | 中国科学院植物研究所 | 基于Lidar数据的大规模三维森林可视化场景建立技术 |
CN105677890A (zh) * | 2016-01-29 | 2016-06-15 | 东南大学 | 一种城市绿量数字地图制作及显示方法 |
CN105913365A (zh) * | 2016-04-08 | 2016-08-31 | 成都嘉泽兴业科技有限责任公司 | 一种环境监测gis信息传输单元 |
JP2016174546A (ja) * | 2015-03-18 | 2016-10-06 | 大成建設株式会社 | 緑地施工計画方法又は緑地施工方法 |
CN107643048A (zh) * | 2017-07-28 | 2018-01-30 | 北京农学院 | 基于点云数据的测树因子自动提取方法 |
CN107832681A (zh) * | 2017-10-16 | 2018-03-23 | 福州大学 | 联合LiDAR点云和同步遥感影像的森林单木树高估算方法 |
KR20180131932A (ko) * | 2017-06-01 | 2018-12-11 | 충남대학교산학협력단 | 드론과 공간정보를 이용한 하천지형정보 생성 방법 |
-
2019
- 2019-07-17 CN CN201910646493.9A patent/CN112241440B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102305622A (zh) * | 2011-06-14 | 2012-01-04 | 北京林业大学 | 一种基于三维激光扫描仪的乔木三维绿量测定方法 |
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 |
CN104778744A (zh) * | 2014-10-25 | 2015-07-15 | 中国科学院植物研究所 | 基于Lidar数据的大规模三维森林可视化场景建立技术 |
CN104462809A (zh) * | 2014-12-04 | 2015-03-25 | 中国科学院东北地理与农业生态研究所 | 一种基于遥感与gis相结合的草地生产力估算方法 |
JP2016174546A (ja) * | 2015-03-18 | 2016-10-06 | 大成建設株式会社 | 緑地施工計画方法又は緑地施工方法 |
CN105677890A (zh) * | 2016-01-29 | 2016-06-15 | 东南大学 | 一种城市绿量数字地图制作及显示方法 |
CN105913365A (zh) * | 2016-04-08 | 2016-08-31 | 成都嘉泽兴业科技有限责任公司 | 一种环境监测gis信息传输单元 |
KR20180131932A (ko) * | 2017-06-01 | 2018-12-11 | 충남대학교산학협력단 | 드론과 공간정보를 이용한 하천지형정보 생성 방법 |
CN107643048A (zh) * | 2017-07-28 | 2018-01-30 | 北京农学院 | 基于点云数据的测树因子自动提取方法 |
CN107832681A (zh) * | 2017-10-16 | 2018-03-23 | 福州大学 | 联合LiDAR点云和同步遥感影像的森林单木树高估算方法 |
Non-Patent Citations (4)
Title |
---|
DANIELE MARINELLI: "Fusion of Multitemporal LiDAR Data for Individual Tree Crown Parameter Estimation on Low Density Point Clouds", IGARSS 2018 - 2018 IEEE INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM, 4 November 2018 (2018-11-04) * |
范燕敏;武红旗;靳瑰丽;安沙舟;: "2种草地面积量算方法的精度分析", 草业科学, no. 04, 15 April 2008 (2008-04-15) * |
陈小祥 等: "基于LiDAR点云数据的城市三维绿量分层测算方法研究", 测绘工程 * |
陈小祥;李嘉诚;徐雅莉;: "基于LiDAR点云数据的城市三维绿量分层测算方法研究", 测绘工程, vol. 27, no. 09, 9 August 2018 (2018-08-09), pages 40 - 45 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023060632A1 (zh) * | 2021-10-14 | 2023-04-20 | 重庆数字城市科技有限公司 | 基于点云数据的街景地物多维度提取方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112241440B (zh) | 2024-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Malambo et al. | Automated detection and measurement of individual sorghum panicles using density-based clustering of terrestrial lidar data | |
CN110221311B (zh) | 基于tls和uav自动化提取高郁闭林分树高的方法 | |
CN110378909B (zh) | 基于Faster R-CNN的面向激光点云的单木分割方法 | |
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 | |
US8537337B2 (en) | Method and apparatus for analyzing tree canopies with LiDAR data | |
Liu et al. | A vision-based robust grape berry counting algorithm for fast calibration-free bunch weight estimation in the field | |
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 | |
US9064151B2 (en) | Device and method for detecting plantation rows | |
CN113269825B (zh) | 基于地基激光雷达技术林木胸径值提取的方法 | |
CN115496796B (zh) | 一种通过激光点云测算树干体积的方法和系统 | |
CN111091079A (zh) | 基于tls的高寒脆弱区植被优势单株结构参数测定方法 | |
CN110969654A (zh) | 基于收割机的玉米高通量表型测量的方法及装置、收割机 | |
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 | |
CN115690081A (zh) | 一种树木计数方法、系统、存储介质、计算机设备及终端 | |
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 | |
Sun et al. | Feasibility study on the estimation of the living vegetation volume of individual street trees using terrestrial laser scanning | |
CN110569805A (zh) | 一种基于无人机影像点云的人工林单木提取及立地质量评价的方法 | |
CN114136208A (zh) | 一种无损估算立木材积的低成本树木结构自动重建方法 | |
Zheng et al. | Single shot multibox detector for urban plantation single tree detection and location with high-resolution remote sensing imagery | |
CN111814666B (zh) | 一种复杂林分下的单木参数提取方法、系统、介质及设备 | |
CN112241440A (zh) | 一种基于LiDAR点云数据的三维绿量估算及管理方法 | |
CN112906719A (zh) | 基于消费级深度相机的立木因子测量方法 | |
CN116805413A (zh) | 一种基于三维点云的油茶苗期表型特征自动计算方法 | |
Rinnamang et al. | Estimation of aboveground biomass using aerial photogrammetry from unmanned aerial vehicle in teak (Tectona grandis) plantation in Thailand | |
CN114581450A (zh) | 基于点云图像转换的玉米株高茎粗测量方法及装置 |
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 |