CN112560661A - 叶面积指数的计算方法、装置、电子设备及可读存储介质 - Google Patents
叶面积指数的计算方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN112560661A CN112560661A CN202011458147.7A CN202011458147A CN112560661A CN 112560661 A CN112560661 A CN 112560661A CN 202011458147 A CN202011458147 A CN 202011458147A CN 112560661 A CN112560661 A CN 112560661A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- target
- cloud data
- determining
- ground
- 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
Images
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Image Processing (AREA)
Abstract
本申请提供了一种叶面积指数的计算方法、装置、电子设备及可读存储介质,获取目标森林区域的初始点云数据,对初始点云数据进行去噪处理,得到无噪声的目标点云数据;再基于确定出的目标点云数据,确定该目标森林区域的地面曲线;接着,基于地面曲线,从初始点云数据中确定出地面点云,以及从目标点云数据中确定出植被点云;最后,根据地面点云的数量以及植被点云的数量,确定出目标森林区域的叶面积指数。这样,便可以准确的、客观的对目标森林区域的叶面积指数进行估算,有助于提高计算结果的准确性。
Description
技术领域
本申请涉及植物叶面积指数测定技术领域,尤其是涉及一种叶面积指数的计算方法、装置、电子设备及可读存储介质。
背景技术
激光雷达发射的特定波长的激光可以穿透森林冠层到达地面,实现森林垂直方向和水平方向上的探测,而星载激光雷达可以获取全球范围内的森林结构参数。叶面积指数可以通过基于冠层孔隙率的Beer-Lamber定律来估算,因而可以通过星载激光雷达数据实现全球叶面积指数反演。
采用遥感卫星图像反演叶面积指数,可以简单地通过与冠层反射率或植被指数的经验关系来估算。但是在植被茂密的区域(即叶面积指数较高的区域),植被指数趋向于饱和,叶面积指数估算精度较低。
发明内容
有鉴于此,本申请的目的在于提供一种叶面积指数的计算方法、装置、电子设备及可读存储介质,可以准确地确定出目标森林区域的地面点云的数量以及植被点云的数量,进而,有助于提高叶面积指数估算的准确性以及客观性。
本申请实施例提供了一种叶面积指数的计算方法,所述计算方法包括:
获取目标森林区域的初始点云数据;
对所述初始点云数据进行去噪处理,得到目标点云数据;
基于所述目标点云数据,确定所述目标森林区域的地面曲线;
将所述初始点云数据所指示的初始点云中与所述地面曲线之间连线距离小于第一预设距离的初始点云确定为地面点云,将所述目标点云数据所指示的目标点云中除所述地面点云之外的目标点云确定为植被点云;
基于所述地面点云的数量、以及所述植被点云的数量,确定所述目标森林区域的叶面积指数。
进一步的,在所述获取目标森林区域的初始点云数据之前,所述计算方法还包括:
获取所述目标森林区域的多段点云数据;
按照所述多段点云数据的采集方向,对所述多段点云数据进行拼接,得到所述目标森林区域的初始点云数据。
进一步的,所述对所述初始点云数据进行去噪处理,得到目标点云数据,包括:
针对于所述初始点云数据所指示的每个初始点云,计算所述初始点云与满足预设条件的其他点云之间连线的距离和,其中,所述其他点云为所述初始点云数据所指示的点云中除所述初始点云之外的点云;
当所述距离和小于或者等于第二预设距离时,将所述初始点云确定为目标点云;
基于确定出的所述目标点云的点云数据,得到目标点云数据。
进一步的,通过以下步骤确定出满足预设条件的其他点云:
确定每个其他点云与所述初始点云之间连线的直线距离;
按照所述直线距离,升序排列各个其他点云;
将顺序位于前预设数量的其他点云确定为满足预设条件的其他点云。
进一步的,所述基于所述目标点云数据,确定所述目标森林区域的地面曲线,包括:
将所述目标森林区域的目标点云数据划分为多段子点云数据;
针对于每段子点云数据,确定该段子点云数据所指示的每个目标点云的高程值;
将该段子点云数据中高程值最小的目标点云,确定为该段子点云数据中的种子点云;
确定该段子点云数据所指示的每个目标点云与所述种子点云之间连线的距离值以及角度值;
将所述距离值小于或者等于第三预设距离,且所述角度值小于或者等于预设角度阈值的目标点云确定为待拟合点云;
对所述多段子点云数据中的待拟合点云进行拟合,得到所述目标森林区域的地面曲线。
进一步的,所述基于所述地面点云的数量、以及所述植被点云的数量,确定所述目标森林区域的叶面积指数,包括:
统计预设像元范围内所述地面点云的数量,以及所述植被点云的数量;
基于所述预设像元范围内的所述地面点云的数量、所述植被点云的数量以及估算方程,计算得到所述目标森林区域的叶面积指数。
进一步的,在所述计算所述初始点云与满足预设条件的其他点云之间连线的距离和之后,所述计算方法还包括:
基于计算得到的每个初始点云的距离和,确定所述目标森林区域的局部频数直方图。
本申请实施例还提供了一种叶面积指数的计算装置,所述计算装置包括:
获取模块,用于获取目标森林区域的初始点云数据;
去噪模块,用于对所述初始点云数据进行去噪处理,得到目标点云数据;
曲线确定模块,用于基于所述目标点云数据,确定所述目标森林区域的地面曲线;
点云确定模块,用于将所述初始点云数据所指示的初始点云中与所述地面曲线之间连线距离小于第一预设距离的初始点云确定为地面点云,将所述目标点云数据所指示的目标点云中除所述地面点云之外的目标点云确定为植被点云;
指数确定模块,用于基于所述地面点云的数量、以及所述植被点云的数量,确定所述目标森林区域的叶面积指数。
进一步的,所述计算装置还包括拼接模块,所述拼接模块用于:
获取所述目标森林区域的多段点云数据;
按照所述多段点云数据的采集方向,对所述多段点云数据进行拼接,得到所述目标森林区域的初始点云数据。
进一步的,所述去噪模块在用于对所述初始点云数据进行去噪处理,得到目标点云数据时,所述去噪模块用于:
针对于所述初始点云数据所指示的每个初始点云,计算所述初始点云与满足预设条件的其他点云之间连线的距离和,其中,所述其他点云为所述初始点云数据所指示的点云中除所述初始点云之外的点云;
当所述距离和小于或者等于第二预设距离时,将所述初始点云确定为目标点云;
基于确定出的所述目标点云的点云数据,得到目标点云数据。
进一步的,所述去噪模块通过以下步骤确定出满足预设条件的其他点云:
确定每个其他点云与所述初始点云之间连线的直线距离;
按照所述直线距离,升序排列各个其他点云;
将顺序位于前预设数量的其他点云确定为满足预设条件的其他点云。
进一步的,所述曲线确定模块在用于基于所述目标点云数据,确定所述目标森林区域的地面曲线时,所述曲线确定模块用于:
将所述目标森林区域的目标点云数据划分为多段子点云数据;
针对于每段子点云数据,确定该段子点云数据所指示的每个目标点云的高程值;
将该段子点云数据中高程值最小的目标点云,确定为该段子点云数据中的种子点云;
确定该段子点云数据所指示的每个目标点云与所述种子点云之间连线的距离值以及角度值;
将所述距离值小于或者等于第三预设距离,且所述角度值小于或者等于预设角度阈值的目标点云确定为待拟合点云;
对所述多段子点云数据中的待拟合点云进行拟合,得到所述目标森林区域的地面曲线。
进一步的,所述指数确定模块在用于基于所述地面点云的数量、以及所述植被点云的数量,确定所述目标森林区域的叶面积指数时,所述指数确定模块用于:
统计预设像元范围内所述地面点云的数量,以及所述植被点云的数量;
基于所述预设像元范围内的所述地面点云的数量、所述植被点云的数量以及估算方程,计算得到所述目标森林区域的叶面积指数。
进一步的,所述计算装置还包括直方图确定模块,所述直方图确定模块用于:
基于计算得到的每个初始点云的距离和,确定所述目标森林区域的局部频数直方图。
本申请实施例还提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如上述的叶面积指数的计算方法的步骤。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如上述的叶面积指数的计算方法的步骤。
本申请实施例提供的叶面积指数的计算方法,获取目标森林区域的初始点云数据;对所述初始点云数据进行去噪处理,得到目标点云数据;基于所述目标点云数据,确定所述目标森林区域的地面曲线;将所述初始点云数据所指示的初始点云中与所述地面曲线之间连线距离小于第一预设距离的初始点云确定为地面点云,将所述目标点云数据所指示的目标点云中除所述地面点云之外的目标点云确定为植被点云;基于所述地面点云的数量、以及所述植被点云的数量,确定所述目标森林区域的叶面积指数。
这样,本申请通过获取目标森林区域的初始点云数据,对初始点云数据进行去噪处理,得到目标点云数据;根据得到的目标点云数据,确定出目标森林区域的地面曲线;并基于得到的地面曲线,从初始点云数据中确定出地面点云以及从目标点云数据中确定出植被点云,从而可以根据地面点云的数量以及植被点云的数量,确定出目标森林区域的叶面积指数,进而,可以准确的、客观的对目标森林区域的叶面积指数进行估算,有助于提高计算结果的准确性。
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为一种在该应用场景下的系统构图;
图2为本申请实施例所提供的一种叶面积指数的计算方法的流程图;
图3为本申请实施例提供的另一种叶面积指数的计算方法的流程图;
图4为本申请实施例所提供的一种叶面积指数的计算装置的结构示意图之一;
图5为本申请实施例所提供的一种叶面积指数的计算装置的结构示意图之二;
图6为本申请实施例所提供的一种电子设备的结构示意图。
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每个其他实施例,都属于本申请保护的范围。
首先,对本申请可适用的应用场景进行介绍。本申请可应用于植物叶面积指数测定技术领域。请参阅图1,图1为一种在该应用场景下的系统构图。如图1中所示,所述系统包括星载激光雷达以及计算装置,所述星载激光雷达用于采集目标森林区域的点云数据,所述计算装置从所述星载激光雷达中获取目标森林区域的点云数据,对获取到的点云数据进行拼接,得到目标森林区域的初始点云数据,再对初始点云数据进行去噪处理,得到无噪声的目标点云数据;基于确定出的目标点云数据,确定该目标森林区域的地面曲线;接着,基于地面曲线,从初始点云数据中确定出地面点云,以及从目标点云数据中确定出植被点云;最后,根据地面点云的数量以及植被点云的数量,确定出目标森林区域的叶面积指数。这样,便可以准确的、客观的对目标森林区域的叶面积指数进行估算,有助于提高计算结果的准确性。
经研究发现,采用遥感卫星图像反演叶面积指数,可以简单地通过与冠层反射率或植被指数的经验关系来估算。但是在植被茂密的区域(即叶面积指数较高的区域),植被指数趋向于饱和,叶面积指数估算精度较低。
基于此,本申请实施例提供了一种叶面积指数的计算方法,可以准确地确定出目标森林区域的地面点云的数量以及植被点云的数量,进而,有助于提高叶面积指数估算的准确性以及客观性。
请参阅图2,图2为本申请实施例所提供的一种叶面积指数的计算方法的流程图。如图2中所示,本申请实施例提供的叶面积指数的计算方法,包括:
S201、获取目标森林区域的初始点云数据。
该步骤中,当需要对目标森林区域的叶面积指数进行估算时,获取目标森林区域的点云数据。
其中,点云数据为ICESat-2数据;ICESat-2数据是通过搭载在ICESat-2卫星上的新一代星载激光雷达系统ATLAS采集到的。
S202、对所述初始点云数据进行去噪处理,得到目标点云数据。
该步骤中,由于星载激光雷达获取到的数据中,包含了地物反射、大气散射、太阳背景噪声和仪器噪声等数据;其中,大气散射和仪器噪声相比于太阳背景噪声和地物反射来说低很多,一般可以忽略。因此,需要从获取到的初始点云数据中去除不必要的太阳背景噪声,利用太阳背景噪声与地物反射信号空间分布特征的不同,对初始点云数据进行去噪处理,得到无噪声的目标点云数据。
S203、基于所述目标点云数据,确定所述目标森林区域的地面曲线。
该步骤中,处理后得到的目标点云数据中包括有地面点云以及植被点云等,若想准确地确定出地面点云的数量以及植被点云的数量,则需要先根据去噪后得到的目标点云数据,确定出目标森林区域的地面曲线,进而,可以根据确定出的地面曲线,更加准确地从目标森林区域的点云数据中确定出地面点云以及植被点云,增加目标森林区域的叶面积指数的计算准确性。
S204、将所述初始点云数据所指示的初始点云中与所述地面曲线之间连线距离小于第一预设距离的初始点云确定为地面点云,将所述目标点云数据所指示的目标点云中除所述地面点云之外的目标点云确定为植被点云。
该步骤中,在确定出目标森林区域的地面曲线之后,从初始点云数据所指示的初始点云中,确定出与地面曲线之间的连线距离小于第一预设距离的初始点云,将与地面曲线之间的连线距离小于第一预设距离的初始点云确定为地面点云。
这里,由于目标点云数据是通过对初始点云数据进行去噪之后得到不包含有太阳背景噪声的点云数据,因此,在目标点云数据中包括有地面点云以及植被点云,从目标点云数据所指示的目标点云中,确定出除地面点云之外的目标点云,将目标点云中除地面点云之外的目标点云确定为植被点云。
其中,第一预设距离根据实际情况具体设置,在此不做限制。
这里,由于对初始点云数据进行去噪时,会将个别的地面点云一同滤除,因此,在通过地面曲线确定地面点云时使用初始点云数据。
S205、基于所述地面点云的数量、以及所述植被点云的数量,确定所述目标森林区域的叶面积指数。
该步骤中,从初始点云数据中确定出地面点云,以及从目标点云数据中确定出植被点云之后,基于地面点云的数量以及植被点云的数量,计算得到目标森林区域的叶面积指数。
本申请实施例提供的叶面积指数的计算方法,获取目标森林区域的初始点云数据;对所述初始点云数据进行去噪处理,得到目标点云数据;基于所述目标点云数据,确定所述目标森林区域的地面曲线;将所述初始点云数据所指示的初始点云中与所述地面曲线之间连线距离小于第一预设距离的初始点云确定为地面点云,将所述目标点云数据所指示的目标点云中除所述地面点云之外的目标点云确定为植被点云;基于所述地面点云的数量、以及所述植被点云的数量,确定所述目标森林区域的叶面积指数。
这样,本申请通过获取目标森林区域的初始点云数据,对初始点云数据进行去噪处理,得到目标点云数据;根据得到的目标点云数据,确定出目标森林区域的地面曲线;并基于得到的地面曲线,从初始点云数据中确定出地面点云以及从目标点云数据中确定出植被点云,从而可以根据地面点云的数量以及植被点云的数量,确定出目标森林区域的叶面积指数,进而,可以准确的、客观的对目标森林区域的叶面积指数进行估算,有助于提高计算结果的准确性。
请参阅图3,图3为本申请实施例提供的另一种叶面积指数的计算方法的流程图。如图3中所示,本申请实施例提供的叶面积指数的计算方法,包括:
S301、获取所述目标森林区域的多段点云数据。
该步骤中,对于同一目标森林区域的点云数据的采集方式是星载激光雷达沿卫星飞行方向依次采集数据,而点云数据的存储方式是分段存储,所以,采集到的原始数据中包含了多段点云数据,以及每段点云数据所在的分段序号和在分段中的位置信息,即星载激光雷达所采集到的是该目标森林区域的多段点云数据。
S302、按照所述多段点云数据的采集方向,对所述多段点云数据进行拼接,得到所述目标森林区域的初始点云数据。
该步骤中,星载激光雷达获取到的多段点云数据之间存在相应的排列关系,因此,为了得到目标森林区域的初始点云数据,需要按照多段点云数据之间的采集方向,对获取到的多段点云数据进行拼接,使它们在拼合之后能够完整的表示目标森林区域。
具体的,确定出多段点云数据之间正确的排列关系,按照排列关系对多段点云数据进行拼接,得到目标森林区域的完整的初始点云数据。
S303、获取目标森林区域的初始点云数据。
S304、对所述初始点云数据进行去噪处理,得到目标点云数据。
S305、基于所述目标点云数据,确定所述目标森林区域的地面曲线。
S306、将所述初始点云数据所指示的初始点云中与所述地面曲线之间连线距离小于第一预设距离的初始点云确定为地面点云,将所述目标点云数据所指示的目标点云中除所述地面点云之外的目标点云确定为植被点云。
S307、基于所述地面点云的数量、以及所述植被点云的数量,确定所述目标森林区域的叶面积指数。
其中,S303至S307的描述可以参照S201至S205的描述,并且能达到相同的技术效果,对此不做赘述。
进一步的,步骤S304包括:针对于所述初始点云数据所指示的每个初始点云,计算所述初始点云与满足预设条件的其他点云之间连线的距离和,其中,所述其他点云为所述初始点云数据所指示的点云中除所述初始点云之外的点云;当所述距离和小于或者等于第二预设距离时,将所述初始点云确定为目标点云;基于确定出的所述目标点云的点云数据,得到目标点云数据。
该步骤中,在对初始点云数据进行去噪时,针对于初始点云数据中所指示的每个初始点云,计算该初始点云与满足预设条件的其他点云之间连线的距离和;当距离和小于或者等于第二预设距离时,将该初始点云确定为目标点云,即该初始点云为非噪声点云。
其中,根据初始点云数据,可以确定处多个点云,因此,可以将根据初始点云数据得到的点云确定为初始点云,所以,针对于每个初始点云,其他点云为初始点云数据所指示的点云中,除该初始点云之外的任意一个其他的点云。
这里,第二预设距离根据实际情况具体设置,在此不做限制。
进一步的,在所述计算所述初始点云与满足预设条件的其他点云之间连线的距离和之后,所述计算方法还包括:基于计算得到的每个初始点云的距离和,确定所述目标森林区域的局部频数直方图。
该步骤中,基于计算得到的初始点云数据所指示的每个初始点云与满足预设条件的其他点云之间连线的距离和,确定出目标森林区域的局部频数直方图,从而使得技术人员可以更加方便快速的确定出第二预设距离,也可以使得技术人员能够更加直观的看到初始点云的点云数据。
进一步的,通过以下步骤确定出满足预设条件的其他点云:确定各个其他点云与所述初始点云之间连线的直线距离;按照所述直线距离,升序排列各个其他点云;将顺序位于前预设数量的其他点云确定为满足预设条件的其他点云。
该步骤中,确定各个其他点云与初始点云之间连线的直线距离;按照直线距离,升序排列各个其他点云,即各个其他点云中与初始点云之间直线距离最小的其他点云排在首位,依次类推;直至确定出预设数量的其他点云为止,将顺序位于前预设数量的其他点云,确定为满足预设条件的其他点云,用于后续计算初始点云对应的距离和。
进一步的,步骤S305包括:将所述目标森林区域的目标点云数据划分为多段子点云数据;针对于每段子点云数据,确定该段子点云数据所指示的每个目标点云的高程值;将该段子点云数据中高程值最小的目标点云,确定为该段子点云数据中的种子点云;确定该段子点云数据所指示的每个目标点云与所述种子点云之间连线的距离值以及角度值;将所述距离值小于或者等于第三预设距离,且所述角度值小于或者等于预设角度阈值的目标点云确定为待拟合点云;对所述多段子点云数据中的待拟合点云进行拟合,得到所述目标森林区域的地面曲线。
该步骤中,将得到的去噪后的目标森林区域的目标点云数据按照预设的划分距离,划分为多段子点云数据,例如,以100米为划分间隔,将0~100米的目标点云数据,划分一段子点云数据;将101~200米的目标点云数据,划分一段子点云数据,以此类推,将目标点云数据划分为多段子点云数据。
针对于每段子点云数据,基于该段子点云数据,确定该段子点云数据所指示的每个目标点云的高程值,即该目标点云基于WGS84椭球的高度;将该段子点云数据所指示的目标点云中,高程值最小的目标点云作为该段子点云数据中的种子点云。
确定该段子点云数据所指示的每个目标点云与种子点云之间连线的距离值以及角度值,将距离值小于或者等于第三预设距离,且角度值小于或者等于预设角度阈值的目标点云确定为待拟合点云,通过上述方式,从每段子点云数据所指示的目标点云中确定出至少一个待拟合点云。
对从多段子点云数据中确定出的待拟合点云进行拟合,得到目标森林区域的地面曲线。
这里,在计算目标点云与种子点云之间连线的距离值以及角度值时,可以将种子点云也作为一个目标点云进行计算,或者是将种子点云默认为待拟合点云。
进一步的,步骤S307包括:统计预设像元范围内所述地面点云的数量,以及所述植被点云的数量;基于所述预设像元范围内的所述地面点云的数量、所述植被点云的数量以及估算方程,计算得到所述目标森林区域的叶面积指数。
该步骤中,为了减少计算量,可以根据目标森林区域的大小预先设置好目标森林区域相应的预设像元范围,统计预设像元范围内的地面点云的数量以及植被点云的数量;基于预设像元范围内的地面点云的数量、植被点云的数量以及估算方程,计算得到目标森林区域的叶面积指数。
原始叶面积指数估算方程为:
其中,LAI是目标森林区域的叶面积指数,I是冠层下方的光照强度,I0是到达冠层的光照强度,k是消光系数。
在k已知的前提下,间隙分数(I/I0)可以采用树冠传递的返回能量与总返回能量之比Er来代替,上述原始叶面积指数估算方程可以简化为:
这里,总返回能量之比Er可以通过以下公式计算得到:
其中,Gr为地面光子的数量,Cr为植被光子的数量,n为调整系数,用于调整由于地面和冠层不同的反射率造成的能量差异。
本申请实施例提供的叶面积指数的计算方法,获取所述目标森林区域的多段点云数据;按照所述多段点云数据的采集方向,对所述多段点云数据进行拼接,得到所述目标森林区域的初始点云数据;获取目标森林区域的初始点云数据;对所述初始点云数据进行去噪处理,得到目标点云数据;基于所述目标点云数据,确定所述目标森林区域的地面曲线;将所述初始点云数据所指示的初始点云中与所述地面曲线之间连线距离小于第一预设距离的初始点云确定为地面点云,将所述目标点云数据所指示的目标点云中除所述地面点云之外的目标点云确定为植被点云;基于所述地面点云的数量、以及所述植被点云的数量,确定所述目标森林区域的叶面积指数。
这样,本申请可以对获取到的目标森林区域的多段点云数据进行拼接处理,得到可以完整表示目标森林区域的初始点云数据,对初始点云数据进行去噪处理,得到目标点云数据;根据得到的目标点云数据,确定出目标森林区域的地面曲线;并基于得到的地面曲线,从初始点云数据中确定出地面点云以及从目标点云数据中确定出植被点云,从而可以根据地面点云的数量以及植被点云的数量,确定出目标森林区域的叶面积指数,进而,可以准确的、客观的对目标森林区域的叶面积指数进行估算,有助于提高计算结果的准确性。
请参阅图4、图5,图4为本申请实施例所提供的一种叶面积指数的计算装置的结构示意图之一,图5为本申请实施例所提供的一种叶面积指数的计算装置的结构示意图之二。如图4中所示,所述计算装置400包括:
获取模块410,用于获取目标森林区域的初始点云数据;
去噪模块420,用于对所述初始点云数据进行去噪处理,得到目标点云数据;
曲线确定模块430,用于基于所述目标点云数据,确定所述目标森林区域的地面曲线;
点云确定模块440,用于将所述初始点云数据所指示的初始点云中与所述地面曲线之间连线距离小于第一预设距离的初始点云确定为地面点云,将所述目标点云数据所指示的目标点云中除所述地面点云之外的目标点云确定为植被点云;
指数确定模块450,用于基于所述地面点云的数量、以及所述植被点云的数量,确定所述目标森林区域的叶面积指数。
进一步的,如图5所示,所述计算装置还包括拼接模块460,所述拼接模块460用于:
获取所述目标森林区域的多段点云数据;
按照所述多段点云数据的采集方向,对所述多段点云数据进行拼接,得到所述目标森林区域的初始点云数据。
进一步的,如图5所示,所述计算装置400还包括直方图确定模块470,所述直方图确定模块470用于:
基于计算得到的每个初始点云的距离和,确定所述目标森林区域的局部频数直方图。
进一步的,所述去噪模块420在用于对所述初始点云数据进行去噪处理,得到目标点云数据时,所述去噪模块420用于:
针对于所述初始点云数据所指示的每个初始点云,计算所述初始点云与满足预设条件的其他点云之间连线的距离和,其中,所述其他点云为所述初始点云数据所指示的点云中除所述初始点云之外的点云;
当所述距离和小于或者等于第二预设距离时,将所述初始点云确定为目标点云;
基于确定出的所述目标点云的点云数据,得到目标点云数据。
进一步的,所述去噪模块420通过以下步骤确定出满足预设条件的其他点云:
确定每个其他点云与所述初始点云之间连线的直线距离;
按照所述直线距离,升序排列各个其他点云;
将顺序位于前预设数量的其他点云确定为满足预设条件的其他点云。
进一步的,所述曲线确定模块430在用于基于所述目标点云数据,确定所述目标森林区域的地面曲线时,所述曲线确定模块430用于:
将所述目标森林区域的目标点云数据划分为多段子点云数据;
针对于每段子点云数据,确定该段子点云数据所指示的每个目标点云的高程值;
将该段子点云数据中高程值最小的目标点云,确定为该段子点云数据中的种子点云;
确定该段子点云数据所指示的每个目标点云与所述种子点云之间连线的距离值以及角度值;
将所述距离值小于或者等于第三预设距离,且所述角度值小于或者等于预设角度阈值的目标点云确定为待拟合点云;
对所述多段子点云数据中的待拟合点云进行拟合,得到所述目标森林区域的地面曲线。
进一步的,所述指数确定模块450在用于基于所述地面点云的数量、以及所述植被点云的数量,确定所述目标森林区域的叶面积指数时,所述指数确定模块450用于:
统计预设像元范围内所述地面点云的数量,以及所述植被点云的数量;
基于所述预设像元范围内的所述地面点云的数量、所述植被点云的数量以及估算方程,计算得到所述目标森林区域的叶面积指数。
本申请实施例提供的叶面积指数的计算装置,获取目标森林区域的初始点云数据;对所述初始点云数据进行去噪处理,得到目标点云数据;基于所述目标点云数据,确定所述目标森林区域的地面曲线;将所述初始点云数据所指示的初始点云中与所述地面曲线之间连线距离小于第一预设距离的初始点云确定为地面点云,将所述目标点云数据所指示的目标点云中除所述地面点云之外的目标点云确定为植被点云;基于所述地面点云的数量、以及所述植被点云的数量,确定所述目标森林区域的叶面积指数。
这样,本申请通过获取目标森林区域的初始点云数据,对初始点云数据进行去噪处理,根据得到的目标点云数据,确定出目标森林区域的地面曲线;并基于得到的地面曲线,从初始点云数据中确定出地面点云以及从目标点云数据中确定出植被点云,从而可以根据地面点云的数量以及植被点云的数量,确定出目标森林区域的叶面积指数,进而,可以准确的、客观的对目标森林区域的叶面积指数进行估算,有助于提高计算结果的准确性。
请参阅图6,图6为本申请实施例所提供的一种电子设备的结构示意图。如图6中所示,所述电子设备600包括处理器610、存储器620和总线630。
所述存储器620存储有所述处理器610可执行的机器可读指令,当电子设备600运行时,所述处理器610与所述存储器620之间通过总线630通信,所述机器可读指令被所述处理器610执行时,可以执行如上述图2以及图3所示方法实施例中的叶面积指数的计算方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时可以执行如上述图2以及图3所示方法实施例中的叶面积指数的计算方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、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,在本申请各个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,可以存储在一个处理器可执行的非易失的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(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
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以权利要求的保护范围为准。
Claims (10)
1.一种叶面积指数的计算方法,其特征在于,所述计算方法包括:
获取目标森林区域的初始点云数据;
对所述初始点云数据进行去噪处理,得到目标点云数据;
基于所述目标点云数据,确定所述目标森林区域的地面曲线;
将所述初始点云数据所指示的初始点云中与所述地面曲线之间连线距离小于第一预设距离的初始点云确定为地面点云,将所述目标点云数据所指示的目标点云中除所述地面点云之外的目标点云确定为植被点云;
基于所述地面点云的数量、以及所述植被点云的数量,确定所述目标森林区域的叶面积指数。
2.根据权利要求1所述的计算方法,其特征在于,在所述获取目标森林区域的初始点云数据之前,所述计算方法还包括:
获取所述目标森林区域的多段点云数据;
按照所述多段点云数据的采集方向,对所述多段点云数据进行拼接,得到所述目标森林区域的初始点云数据。
3.根据权利要求1所述的计算方法,其特征在于,所述对所述初始点云数据进行去噪处理,得到目标点云数据,包括:
针对于所述初始点云数据所指示的每个初始点云,计算所述初始点云与满足预设条件的其他点云之间连线的距离和,其中,所述其他点云为所述初始点云数据所指示的点云中除所述初始点云之外的点云;
当所述距离和小于或者等于第二预设距离时,将所述初始点云确定为目标点云;
基于确定出的所述目标点云的点云数据,得到目标点云数据。
4.根据权利要求3所述的计算方法,其特征在于,通过以下步骤确定出满足预设条件的其他点云:
确定每个其他点云与所述初始点云之间连线的直线距离;
按照所述直线距离,升序排列各个其他点云;
将顺序位于前预设数量的其他点云确定为满足预设条件的其他点云。
5.根据权利要求1所述的计算方法,其特征在于,所述基于所述目标点云数据,确定所述目标森林区域的地面曲线,包括:
将所述目标森林区域的目标点云数据划分为多段子点云数据;
针对于每段子点云数据,确定该段子点云数据所指示的每个目标点云的高程值;
将该段子点云数据中高程值最小的目标点云,确定为该段子点云数据中的种子点云;
确定该段子点云数据所指示的每个目标点云与所述种子点云之间连线的距离值以及角度值;
将所述距离值小于或者等于第三预设距离,且所述角度值小于或者等于预设角度阈值的目标点云确定为待拟合点云;
对所述多段子点云数据中的待拟合点云进行拟合,得到所述目标森林区域的地面曲线。
6.根据权利要求1所述的计算方法,其特征在于,所述基于所述地面点云的数量、以及所述植被点云的数量,确定所述目标森林区域的叶面积指数,包括:
统计预设像元范围内所述地面点云的数量,以及所述植被点云的数量;
基于所述预设像元范围内的所述地面点云的数量、所述植被点云的数量以及估算方程,计算得到所述目标森林区域的叶面积指数。
7.根据权利要求3所述的计算方法,其特征在于,在所述计算所述初始点云与满足预设条件的其他点云之间连线的距离和之后,所述计算方法还包括:
基于计算得到的每个初始点云的距离和,确定所述目标森林区域的局部频数直方图。
8.一种叶面积指数的计算装置,其特征在于,所述计算装置包括:
获取模块,用于获取目标森林区域的初始点云数据;
去噪模块,用于对所述初始点云数据进行去噪处理,得到目标点云数据;
曲线确定模块,用于基于所述目标点云数据,确定所述目标森林区域的地面曲线;
点云确定模块,用于将所述初始点云数据所指示的初始点云中与所述地面曲线之间连线距离小于第一预设距离的初始点云确定为地面点云,将所述目标点云数据所指示的目标点云中除所述地面点云之外的目标点云确定为植被点云;
指数确定模块,用于基于所述地面点云的数量、以及所述植被点云的数量,确定所述目标森林区域的叶面积指数。
9.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过所述总线进行通信,所述机器可读指令被所述处理器运行时执行如权利要求1至7任一所述的叶面积指数的计算方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1至7任一所述的叶面积指数的计算方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011458147.7A CN112560661A (zh) | 2020-12-10 | 2020-12-10 | 叶面积指数的计算方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011458147.7A CN112560661A (zh) | 2020-12-10 | 2020-12-10 | 叶面积指数的计算方法、装置、电子设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112560661A true CN112560661A (zh) | 2021-03-26 |
Family
ID=75062218
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011458147.7A Pending CN112560661A (zh) | 2020-12-10 | 2020-12-10 | 叶面积指数的计算方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112560661A (zh) |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008111725A (ja) * | 2006-10-30 | 2008-05-15 | Tokyo Electric Power Co Inc:The | 葉面積指数算出装置、葉面積指数算出方法及びそのプログラム |
US20120253740A1 (en) * | 2011-03-30 | 2012-10-04 | Weyerhaeuser Nr Company | System and method for forest management using stand development performance as measured by lai |
US20130235190A1 (en) * | 2010-12-02 | 2013-09-12 | Nec Corporation | Leaf area index measurement system, device, method, and program |
WO2014122256A1 (en) * | 2013-02-08 | 2014-08-14 | Universita' Degli Studi Di Milano | Method and electronic equipment for determining a leaf area index |
CN105371789A (zh) * | 2015-10-09 | 2016-03-02 | 南京大学 | 一种利用航空激光点云计算有效叶面积指数的方法 |
CN105389538A (zh) * | 2015-10-09 | 2016-03-09 | 南京大学 | 一种基于点云半球切片估算森林叶面积指数的方法 |
CN105866792A (zh) * | 2016-05-31 | 2016-08-17 | 中国科学院遥感与数字地球研究所 | 一种新的星载激光雷达树高提取方法 |
US20180081035A1 (en) * | 2016-09-22 | 2018-03-22 | Beijing Greenvalley Technology Co., Ltd. | Method and device for filtering point cloud data |
US20180082424A1 (en) * | 2016-09-22 | 2018-03-22 | Beijing Greenvalley Technology Co., Ltd. | Single-tree segmentation method and apparatus |
CN108229403A (zh) * | 2018-01-08 | 2018-06-29 | 中国科学院遥感与数字地球研究所 | 一种用于估算植被叶面积指数的混合模型构建方法 |
CN108492332A (zh) * | 2018-04-03 | 2018-09-04 | 中国林业科学研究院资源信息研究所 | 一种森林三维场景中叶面积指数实时计算方法 |
JP2018161058A (ja) * | 2017-03-24 | 2018-10-18 | キッセイコムテック株式会社 | 植物の生育状態評価方法、植物生育状態評価プログラム、植物生育状態評価装置ならびに植物モニタリングシステム |
CN108981616A (zh) * | 2018-08-15 | 2018-12-11 | 南京林业大学 | 一种由无人机激光雷达反演人工林有效叶面积指数的方法 |
CN109975250A (zh) * | 2019-04-24 | 2019-07-05 | 中国科学院遥感与数字地球研究所 | 一种叶面积指数反演方法及装置 |
CN110148116A (zh) * | 2019-04-12 | 2019-08-20 | 深圳大学 | 一种森林生物量估算方法及其系统 |
CN111814707A (zh) * | 2020-07-14 | 2020-10-23 | 中国科学院空天信息创新研究院 | 一种作物叶面积指数反演方法及装置 |
WO2020229575A1 (de) * | 2019-05-15 | 2020-11-19 | Scientes Mondium UG | Verfahren zum ermitteln eines digitalen modells eines bereichs eines waldes |
-
2020
- 2020-12-10 CN CN202011458147.7A patent/CN112560661A/zh active Pending
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008111725A (ja) * | 2006-10-30 | 2008-05-15 | Tokyo Electric Power Co Inc:The | 葉面積指数算出装置、葉面積指数算出方法及びそのプログラム |
US20130235190A1 (en) * | 2010-12-02 | 2013-09-12 | Nec Corporation | Leaf area index measurement system, device, method, and program |
US20120253740A1 (en) * | 2011-03-30 | 2012-10-04 | Weyerhaeuser Nr Company | System and method for forest management using stand development performance as measured by lai |
WO2014122256A1 (en) * | 2013-02-08 | 2014-08-14 | Universita' Degli Studi Di Milano | Method and electronic equipment for determining a leaf area index |
CN105371789A (zh) * | 2015-10-09 | 2016-03-02 | 南京大学 | 一种利用航空激光点云计算有效叶面积指数的方法 |
CN105389538A (zh) * | 2015-10-09 | 2016-03-09 | 南京大学 | 一种基于点云半球切片估算森林叶面积指数的方法 |
CN105866792A (zh) * | 2016-05-31 | 2016-08-17 | 中国科学院遥感与数字地球研究所 | 一种新的星载激光雷达树高提取方法 |
US20180082424A1 (en) * | 2016-09-22 | 2018-03-22 | Beijing Greenvalley Technology Co., Ltd. | Single-tree segmentation method and apparatus |
US20180081035A1 (en) * | 2016-09-22 | 2018-03-22 | Beijing Greenvalley Technology Co., Ltd. | Method and device for filtering point cloud data |
JP2018161058A (ja) * | 2017-03-24 | 2018-10-18 | キッセイコムテック株式会社 | 植物の生育状態評価方法、植物生育状態評価プログラム、植物生育状態評価装置ならびに植物モニタリングシステム |
CN108229403A (zh) * | 2018-01-08 | 2018-06-29 | 中国科学院遥感与数字地球研究所 | 一种用于估算植被叶面积指数的混合模型构建方法 |
CN108492332A (zh) * | 2018-04-03 | 2018-09-04 | 中国林业科学研究院资源信息研究所 | 一种森林三维场景中叶面积指数实时计算方法 |
CN108981616A (zh) * | 2018-08-15 | 2018-12-11 | 南京林业大学 | 一种由无人机激光雷达反演人工林有效叶面积指数的方法 |
CN110148116A (zh) * | 2019-04-12 | 2019-08-20 | 深圳大学 | 一种森林生物量估算方法及其系统 |
CN109975250A (zh) * | 2019-04-24 | 2019-07-05 | 中国科学院遥感与数字地球研究所 | 一种叶面积指数反演方法及装置 |
WO2020229575A1 (de) * | 2019-05-15 | 2020-11-19 | Scientes Mondium UG | Verfahren zum ermitteln eines digitalen modells eines bereichs eines waldes |
CN111814707A (zh) * | 2020-07-14 | 2020-10-23 | 中国科学院空天信息创新研究院 | 一种作物叶面积指数反演方法及装置 |
Non-Patent Citations (7)
Title |
---|
JINYAN TIAN ET AL.: "Differentiating Tree and Shrub LAI in a Mixed Forest With ICESat/GLAS Spaceborne LiDAR", IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING, pages 1 - 2 * |
SHENG NIE ET AL.: "A revised progressive TIN densification for filtering airborne LiDAR data", MEASUREMENT * |
XIAOXIAO ZHU ET AL.: "A Ground Elevation and Vegetation Height Retrieval Algorithm Using Micro-Pulse Photon-Counting Lidar Dat", REMOTE SENSING, pages 1 - 3 * |
吴项乾;曹林;申鑫;汪贵斌;曹福亮;: "基于无人机激光雷达的银杏人工林有效叶面积指数估测", 林业科学, no. 01 * |
夏少波 等: "ICESat - 2 机载试验点云滤波及植被高度反演", 遥感学报, pages 1 - 3 * |
王玥;李松;田昕;张智宇;张文豪;: "方向自适应的星载光子计数激光测高植被冠层高度估算", 红外与毫米波学报, no. 03 * |
骆社周;王成;习晓环;聂胜;夏少波;万怡平;: "星载激光雷达GLAS与TM光学遥感联合反演森林叶面积指数", 红外与毫米波学报, no. 02 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Huang et al. | Discharge estimation in high-mountain regions with improved methods using multisource remote sensing: A case study of the Upper Brahmaputra River | |
US11461994B2 (en) | Methods for in-scene shadow compensation using sunlit and skylit illumination factors | |
Hancock et al. | Waveform lidar over vegetation: An evaluation of inversion methods for estimating return energy | |
Solberg et al. | Mapping LAI in a Norway spruce forest using airborne laser scanning | |
US20160014395A1 (en) | Data fusion processing to identify obscured objects | |
Young et al. | The retrieval of profiles of particulate extinction from Cloud–Aerosol Lidar and Infrared Pathfinder Satellite Observations (CALIPSO) data: Uncertainty and error sensitivity analyses | |
Vaughan et al. | CALIPSO lidar calibration at 1064 nm: version 4 algorithm | |
US20140267250A1 (en) | Method and apparatus for digital elevation model systematic error correction and fusion | |
Fieber et al. | Validation of Canopy Height Profile methodology for small-footprint full-waveform airborne LiDAR data in a discontinuous canopy environment | |
Persson et al. | Estimating forest biomass and height using optical stereo satellite data and a DTM from laser scanning data | |
Wallace | Assessing the stability of canopy maps produced from UAV-LiDAR data | |
Pascu et al. | Estimating forest stand structure attributes from terrestrial laser scans | |
US10262225B2 (en) | Image information processing device, image information processing system, image information processing method, and recording medium storing image information processing program | |
EP2469501A2 (fr) | Procédé de détermination d'une erreur de localisation dans une image géoréférencée et dispositif associé | |
CN114137567A (zh) | 一种基于卫星遥感数据的冰川高程变化监测方法 | |
JP2015032205A (ja) | 画像処理装置及び画像処理方法 | |
Wandinger et al. | Cloud top heights and aerosol layer properties from EarthCARE lidar observations: the A-CTH and A-ALD products | |
Awadallah et al. | A two-stage algorithm for extraction of ground and top of canopy in photon-counting profiling-LiDAR data in preparation for the ICESat-2 mission | |
CN113724381A (zh) | 一种基于高分遥感影像的动态三维场景快速重建方法 | |
CN112560661A (zh) | 叶面积指数的计算方法、装置、电子设备及可读存储介质 | |
JP7028336B2 (ja) | 学習装置、学習方法および学習プログラム | |
US10872397B2 (en) | Optical path radiance correction device | |
CN113553549B (zh) | 一种植被覆盖度反演方法、装置、电子设备及存储介质 | |
CN115453526A (zh) | 滑坡监测方法及装置 | |
CN107607931B (zh) | 一种激光雷达回波图像处理方法 |
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 |