CN117115192B - 一种树木连片成林区域边界提取方法、装置、终端及介质 - Google Patents
一种树木连片成林区域边界提取方法、装置、终端及介质 Download PDFInfo
- Publication number
- CN117115192B CN117115192B CN202311055747.2A CN202311055747A CN117115192B CN 117115192 B CN117115192 B CN 117115192B CN 202311055747 A CN202311055747 A CN 202311055747A CN 117115192 B CN117115192 B CN 117115192B
- Authority
- CN
- China
- Prior art keywords
- tree
- area
- boundary
- grid
- target area
- 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
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 52
- 239000002023 wood Substances 0.000 claims abstract description 13
- 238000007621 cluster analysis Methods 0.000 claims abstract description 9
- 230000005855 radiation Effects 0.000 claims description 30
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 11
- 238000009826 distribution Methods 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000006872 improvement Effects 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 210000000481 breast Anatomy 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
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
- G06T7/13—Edge detection
-
- 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
-
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Business, Economics & Management (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Geometry (AREA)
- Artificial Intelligence (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Evolutionary Computation (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种树木连片成林区域边界提取方法、装置、终端及介质,所述方法包括获取目标区域的树木参数,对所述目标区域进行网格划分,判断每个网格是否被树冠投影覆盖,以获取目标区域的树冠投影覆盖网格面积;对目标区域内的树木进行聚类分析以及环境判断,得到目标区域内的树木片区划分;对树木片区进行编号,并通过凸包法划定每个树木片区的边界;提取树木片区中面积大于或等于1亩的目标片区,并计算郁闭度,将郁闭度大于或等于标准郁闭度的目标片区判定为连片成林区域;直到所有树木片区被排除或判定为连片成林区域并定界。因此,本发明实施例能够快速计算目标区域郁闭度,并采用凸包法提取树木片区的外轮廓线,实现边界的自动化提取。
Description
技术领域
本发明涉及树木测量技术领域,尤其涉及一种树木连片成林区域边界提取方法、装置、终端及介质。
背景技术
随着树木资源逐渐成为城市生态建设的重要抓手,越来越多城市重视树木保护工作,并要求在工程建设之前,需要掌握建设地块的树木情况,用于制定树木保护专章等技术方案。在这个过程中,需要对树木参数,包括位置、种类、胸径、冠幅等信息进行调绘,另一方面需要测量连片成林的范围。
根据当前发布的大部分技术标准,连片成林是指面积超过1亩,且郁闭度不小于0.2的区域(郁闭度为树冠在地面投影面积与林地面积之比),确定连片成林边界,有助于将乔木数量较多且集中连片分布的区域规划为公园绿地或单位附属绿地,减少树木的迁移与砍伐,落实“保护优先”的原则。
但是,在目前的连片成林边界测量中,一方面仅是通过人工经验判断树木郁闭度,手动勾勒边界,容易出现郁闭度不足,或部分满足条件树木排除在外的情况,测量成果可信度低;另一方面则是通过无人机进行航飞拍摄,获取目标区域的正射影像或三维模型,再通过树冠提取计算郁闭度及划定连片成林边界,该方法虽然精度较高,但是流程复杂,耗时耗力,且需要配备无人机等设备,作业生产成本较高。
发明内容
本发明提供一种树木连片成林区域边界提取方法、装置、终端及介质,采用树木参数计算树冠投影分布区域,并设置连片成林树木间距阈值,筛除散树,再将树冠投影边界散点化,通过凸包法提取散点群的外轮廓形成连片成林边界,并计算郁闭度,实现连片成林识别和边界自动化提取,在保证测量成果准确的同时,降低作业成本,提高测量效率。
为了实现上述目的,第一方面,本发明实施例提供了一种树木连片成林区域边界提取方法,包括:
S11,获取目标区域的树木参数,所述树木参数包括树木位置坐标、树木冠幅以及树木所在地的地物地貌信息;
S12,对所述目标区域进行网格划分,判断每个网格是否被树冠投影覆盖,累计所有被覆盖网格的面积,得到所述目标区域的树冠投影覆盖网格面积;
S13,根据距离阈值,对所述目标区域内的树木进行聚类分析,且对所述树木所在地进行环境判断,得到相邻树木对,采用等价类算法将所述相邻树木对的树木所在地划分为同一个片区,得到所述目标区域内的树木片区划分;
S14,对每一个所述树木片区进行编号,并将所述树木片区内每棵树的边界转化为固定间距的散点,通过凸包法划定每个所述树木片区的边界;
S15,排除所述树木片区中面积小于1亩的树木片区;提取所述树木片区中面积大于或等于1亩的目标片区,基于所述目标片区内树冠投影覆盖网格面积与目标片区面积,计算所述目标片区的郁闭度,将所述郁闭度大于或等于标准郁闭度的目标片区判定为连片成林区域,所述目标片区边界为所述连片成林区域边界;
S16,将所述郁闭度小于所述标准郁闭度的目标片区,根据树木分布进行边界调整后,返回执行步骤S15;若所述郁闭度小于所述标准郁闭度的目标片区无法进行边界调整的,删除所述目标片区中第一间隔距离最大的树,返回执行步骤S14;直到所有所述树木片区被排除或判定为连片成林区域;
其中,所述标准郁闭度定义为符合连片成林技术标准的最小郁闭度,所述第一间隔距离定义为一棵树与距离自身最近的树之间的距离。
作为上述方案的改进,所述对所述目标区域进行网格划分,判断每个网格是否被树冠投影覆盖,累计所有被覆盖网格的面积,得到所述目标区域的树冠投影覆盖网格面积,具体包括:
根据所述树木位置坐标确定所述目标区域的矩形网格区域的东南角、西南角、西北角、东北角,依次相连形成网格划分边界;
依据所述树木平均冠幅的一定比例确定所述矩形网格区域的网格边长,以所述矩形网格区域的网格范围的西北角为网格划分的起始点,向东、向南进行网格排列,超出所述网格划分边界的不设所述网格,得到所述目标区域的网格划分;
依次计算每个网格的中心点与所述目标区域的所有树冠投影圆的圆心距,若所述圆心距小于任一树木树冠投影圆的半径,则所述网格被树冠投影覆盖,累计所有被覆盖网格的面积,得到所述目标区域的树冠投影覆盖网格面积;所述树冠投影圆为以树木位置为圆心、冠幅为直径的拟合圆。
作为上述方案的改进,所述距离阈值通过基于每棵树的辐射面积、冠幅,以及所述标准郁闭度获取辐射半径,从而获取所述距离阈值;所述辐射半径等于1/2冠幅除以所述标准郁闭度的算术平方根;所述距离阈值为两棵树的所述辐射半径之和;
所述相邻树木对定义为当两棵树的辐射面积相交时,即两棵树之间的距离小于所述距离阈值,并且所述的两棵树之间不存在明显地物阻隔时,所述的两棵树为相邻树木对。
作为上述方案的改进,所述对每一个所述树木片区进行编号,并将所述树木片区内每棵树的边界转化为固定间距的散点,通过凸包法划定每个所述树木片区的边界,具体包括:
对每一个所述树木片区进行编号,确定同一树木片区内树木的位置坐标与冠幅,将树冠投影圆作为每棵树的树冠边界,并将所述树冠边界转化为固定间距的散点,形成散点群;
采用凸包算法计算所述散点群的外轮廓线并进行规则化,将规则化后的散点群外轮廓线作为所述树木片区的范围边界。
第二方面,本发明实施例提供了一种树木连片成林区域边界提取装置,包括:
树木参数获取模块,用于获取目标区域的树木参数,所述树木参数包括树木位置坐标、树木冠幅以及树木所在地的地物地貌信息;
网格划分计算模块,用于对所述目标区域进行网格划分,判断每个网格是否被树冠投影覆盖,累计所有被覆盖网格的面积,得到所述目标区域的树冠投影覆盖网格面积;
树木片区划分模块,用于根据距离阈值,对所述目标区域内的树木进行聚类分析,且对所述树木所在地进行环境判断,得到相邻树木对,采用等价类算法将所述相邻树木对的树木所在地划分为同一个片区,得到所述目标区域内的树木片区划分;
树木片区边界模块,用于对每一个所述树木片区进行编号,并将所述树木片区内每棵树的边界转化为固定间距的散点,通过凸包法划定每个所述树木片区的边界;
郁闭度计算模块,用于排除所述树木片区中面积小于1亩的树木片区;提取所述树木片区中面积大于或等于1亩的目标片区,基于所述目标片区内树冠投影覆盖网格面积与目标片区面积,计算所述目标片区的郁闭度,将所述郁闭度大于或等于标准郁闭度的目标片区判定为连片成林区域,所述目标片区边界为所述连片成林区域边界;
树木片区修正模块,用于将所述郁闭度小于所述标准郁闭度的目标片区,根据树木分布进行边界调整后,返回所述郁闭度计算模块;若所述郁闭度小于所述标准郁闭度的目标片区无法进行边界调整的,删除所述目标片区中第一间隔距离最大的树,返回所述树木片区边界模块;直到所有所述树木片区被排除或判定为连片成林区域;
其中,所述标准郁闭度定义为符合连片成林技术标准的最小郁闭度,所述第一间隔距离定义为一棵树与距离自身最近的树之间的距离。
作为上述方案的改进,所述网格划分计算模块,具体用于:
根据所述树木位置坐标确定所述目标区域的矩形网格区域的东南角、西南角、西北角、东北角,依次相连形成网格划分边界;
依据所述树木平均冠幅的一定比例确定所述矩形网格区域的网格边长,以所述矩形网格区域的网格范围的西北角为网格划分的起始点,向东、向南进行网格排列,超出所述网格划分边界的不设所述网格,得到所述目标区域的网格划分;
依次计算每个网格的中心点与所述目标区域的所有树冠投影圆的圆心距,若所述圆心距小于任一树木树冠投影圆的半径,则所述网格被树冠投影覆盖,累计所有被覆盖网格的面积,得到所述目标区域的树冠投影覆盖网格面积;所述树冠投影圆为以树木位置为圆心、冠幅为直径的拟合圆。
作为上述方案的改进,所述距离阈值通过基于每棵树的辐射面积、冠幅,以及所述标准郁闭度获取辐射半径,从而获取所述距离阈值;所述辐射半径等于1/2冠幅除以所述标准郁闭度的算术平方根;所述距离阈值为两棵树的所述辐射半径之和;
所述相邻树木对定义为当两棵树的辐射面积相交时,即两棵树之间的距离小于所述距离阈值,并且所述的两棵树之间不存在明显地物阻隔时,所述的两棵树为相邻树木对。
作为上述方案的改进,所述树木片区边界模块,具体用于:
对每一个所述树木片区进行编号,确定同一树木片区内树木的位置坐标与冠幅,将树冠投影圆作为每棵树的树冠边界,并将所述树冠边界转化为固定间距的散点,形成散点群;
采用凸包算法计算所述散点群的外轮廓线并进行规则化,将规则化后的散点群外轮廓线作为所述树木片区的范围边界。
第三方面,本发明实施例对应提供了一种终端设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现上述树木连片成林区域边界提取方法。
此外,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述树木连片成林区域边界提取方法。
与现有技术相比,本发明实施例公开的一种树木连片成林区域边界提取方法、装置、终端及介质,通过获取目标区域的树木参数,对所述目标区域进行网格划分,判断每个网格是否被树冠投影覆盖,累计所有被覆盖网格的面积,得到所述目标区域的树冠投影覆盖网格面积;根据间距阈值,对所述目标区域内的树木进行聚类分析,且对所述树木所在地进行环境判断,得到相邻树木对,采用等价类算法将所述相邻树木对的树木所在地划分为同一个片区,得到所述目标区域内的树木片区划分;对每一个所述树木片区进行编号,并将所述树木片区的每棵树的边界转化为固定间距的散点,通过凸包法划定每个所述树木片区的边界;排除所述树木片区中面积小于1亩的树木片区;提取所述树木片区中面积大于或等于1亩的目标片区,基于所述目标片区内树冠投影覆盖网格面积与目标片区面积,计算所述目标片区的郁闭度,将所述郁闭度大于或等于标准郁闭度的目标片区判定为连片成林区域,所述目标片区边界为连片成林区域边界;直到所有所述树木片区被排除或判定为连片成林区域。因此,本发明实施例基于树木摸查成果或树木数据库中的树木参数进行连片成林识别及边界提取,无需进行二次外业航拍,减少了生产成本;基于树木位置与树木冠幅计算树冠投影覆盖区域和郁闭度,提高连片成林识别与边界提取的精度;通过将单木树冠边界转化为散点,采用凸包法提取每个树木片区对应散点群的外轮廓线,实现了边界的自动化提取,提取效率更高。
附图说明
图1是本发明实施例提供的一种树木连片成林区域边界提取方法的流程示意图;
图2是本发明实施例提供的一种树木连片成林区域边界提取装置的结构示意图;
图3是本发明实施例提供的一种目标区域网格划分示意图;
图4是本发明实施例提供的一种树木间距离阈值示意图;
图5是本发明实施例提供的一种树木被地物阻隔示意图;
图6是本发明实施例提供的一种树冠边界转化为散点示意图;
图7是本发明实施例提供的一种凸包法进行连片成林边界提取示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,本发明的术语“包括”和“具体”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
请参阅图1,图1是本发明实施例提供的一种树木连片成林区域边界提取方法的流程示意图,该树木连片成林区域边界提取方法,包括步骤S11至S16:
S11,获取目标区域的树木参数,所述树木参数包括树木位置坐标、树木冠幅以及树木所在地的地物地貌信息;
需要说明的是,以树木野外摸查获取的树木参数,或树木信息数据库中已有的乔木参数作为数据基础,包括了树木位置坐标、树木冠幅以及树木所在地的地物地貌信息,其中树木位置坐标需要为统一的地理坐标系,并基于树木顺序进行编号。
S12,对所述目标区域进行网格划分,判断每个网格是否被树冠投影覆盖,累计所有被覆盖网格的面积,得到所述目标区域的树冠投影覆盖网格面积;
S13,根据距离阈值,对所述目标区域内的树木进行聚类分析,且对所述树木所在地进行环境判断,得到相邻树木对,采用等价类算法将所述相邻树木对的树木所在地划分为同一个片区,得到所述目标区域内的树木片区划分;
S14,对每一个所述树木片区进行编号,并将所述树木片区内每棵树的边界转化为固定间距的散点,通过凸包法划定每个所述树木片区的边界;
S15,排除所述树木片区中面积小于1亩的树木片区;提取所述树木片区中面积大于或等于1亩的目标片区,基于所述目标片区内树冠投影覆盖网格面积与目标片区面积,计算所述目标片区的郁闭度,将所述郁闭度大于或等于标准郁闭度的目标片区判定为连片成林区域,所述目标片区边界为所述连片成林区域边界;
需要说明的是,对于提取连片成林边界后满足面积大于1亩的片区,计算每个片区的郁闭度。计算时先确定范围内被树冠投影覆盖的网格的数量,假设连片成林边界所围面积为S,范围内被树冠投影覆盖的网格总数为n,网格单元的边长为L,则范围内的郁闭度为n*L2/S,若计算得到郁闭度不小于标准郁闭度,可以为0.2,则满足连片成林条件,该片区所在区域即为连片成林区域,提取的边界即为连片成林边界。若郁闭度小于0.2,则不满足连片成林条件,。
S16,将所述郁闭度小于所述标准郁闭度的目标片区,根据树木分布进行边界调整后,返回执行步骤S15;若所述郁闭度小于所述标准郁闭度的目标片区无法进行边界调整的,删除所述目标片区中第一间隔距离最大的树,返回执行步骤S14;直到所有所述树木片区被排除或判定为连片成林区域;
需要说明的是,对于郁闭度小于0.2的片区,首先可以人为观察树木分布,手动进行边界调整,边界调整后面积若不小于1亩,则回到步骤S15进行计算,若面积小于1亩,则该区域未达到连片成林标准,排除该片区;肉眼观察无法直接进行边界调整的,则删除该片区中第一间隔距离最大的树,然后回到步骤S14重新提取边界,并再次进行计算,直到所有树木片区被排除或判定为连片成林区域并定界。
其中,所述标准郁闭度定义为符合连片成林技术标准的最小郁闭度,所述第一间隔距离定义为一棵树与距离自身最近的树之间的距离。
具体的,所述步骤S12,具体包括:
根据所述树木位置坐标确定所述目标区域的矩形网格区域的东南角、西南角、西北角、东北角,依次相连形成网格划分边界;
依据所述树木平均冠幅的一定比例确定所述矩形网格区域的网格边长,以所述矩形网格区域的网格范围的西北角为网格划分的起始点,向东、向南进行网格排列,超出所述网格划分边界的不设所述网格,得到所述目标区域的网格划分;
依次计算每个网格的中心点与所述目标区域的所有树冠投影圆的圆心距,若所述圆心距小于任一树木树冠投影圆的半径,则所述网格被树冠投影覆盖,累计所有被覆盖网格的面积,得到所述目标区域的树冠投影覆盖网格面积。
需要说明的是,为了充分利用已有数据,并减少计算复杂度,采用树木位置为圆心,树木冠幅作为乔木树冠投影拟合圆的直径,冠幅是指野外测量中在树木冠层在南北和东西方向宽度的平均值。在计算冠层投影覆盖地表面积时,由于树冠之间会存在相互重叠,如图3所示,若直接累加单木树冠投影面积,会导致投影总面积偏大,郁闭度比真实值偏高;而如果通过圆心距计算树冠之间重叠情况(包括:相离、相交、相含、双圆重叠、多圆重叠等),然后计算重叠面积,则会大幅增加计算量,难以适应一般情况下树木分布排列不规则的问题。因此,对目标区域进行网格划分,计算每个网格是否被树木冠层覆盖,累计所有被覆盖网格的面积,即可以得到树冠投影覆盖网格总面积,从而避免了对树冠重叠情况进行判断所带来的复杂计算。
在网格划分的过程中,首先要确定网格划分范围,为了便于计算,网格区域设置为矩形,每个网格单元相交的两条边分别为南北向和东西向。在确定网格划分范围的边界时,若树木位置最东、最西、最南、最北处乔木的坐标为(xe,ye)、(xw,yw)、(xs,ys)、(xn,yn),则矩形网格区域的东南角、西南角、西北角、东北角的坐标分别为(xe+3,ys-3)、(xw-3,ys-3)、(xw-3,yn+3)、(xe+3,yn+3),四个角依次相连形成网格划分边界。
确定网格划分范围后,需要进一步确定网格单元东西、南北方向的边长,边长过小会使得网格数量过多,导致增加计算量,边长过大则无法适应树冠的边界,导致计算精度降低。在本发明实施例中,可以将每个网格东西、南北方向的边长均设置为所有乔木冠幅平均值的1/10。
确定网格单元的边长L后,以网格范围的西北角为网格划分的起始点,即第一个网格的中心点为(xw+L/2,yn-L/2),随后向东、向南进行网格排列,超出范围边界则不设网格。
网格划分后,需要判断每个网格是否被树冠投影覆盖,依次计算每个网格的中心点与所有树冠投影圆的圆心距,若圆心距小于任一树木树冠投影圆的半径,则认为该网格落入树冠投影范围内,即网格被树冠投影覆盖。假设待判断网格的顺序为第n行、第m列,则网格的中心点为(x,y),其中x=xw-3+(m-1/2)L,y=yn+3-(n-1/2)L;第k棵乔木的位置为(xk,yk),冠幅为Rk,网格与乔木的圆心距如果D<0.5Rk,则认为该网格被第k棵乔木的树冠投影所覆盖,该网格不再与其他乔木进行圆心距计算;如果D≥0.5Rk,则该网格继续与第k+1棵乔木进行圆心距计算,并判断是否被树冠投影覆盖,直至与目标区域内所有树木计算结束。
具体的,所述距离阈值通过基于每棵树的辐射面积、冠幅,以及所述标准郁闭度获取辐射半径,从而获取所述距离阈值;所述辐射半径等于1/2冠幅除以所述标准郁闭度的算术平方根;所述距离阈值为两棵树的所述辐射半径之和;
所述相邻树木对定义为当两棵树的辐射面积相交时,即两棵树之间的距离小于所述距离阈值,并且所述的两棵树之间不存在明显地物阻隔时,所述的两棵树为相邻树木对。
示例的,基于每棵树的辐射面积,假设一棵树的冠幅的一半为r1,辐射半径为R1,辐射面积为S1,当要求辐射区域的郁闭度不小于0.2时,则可得由于当两棵树的辐射面积相交时,两棵树的辐射总范围内的郁闭度也一定大于0.2,因此两棵树之间的最大距离为/>如图4所示,r1与r2分别为两棵树冠幅的一半,/>即为两棵树分类的距离阈值。每棵树需要和除自身外的所有树进行距离阈值判断,判断结束后并记录Dmin,Dmin定义为一棵树与距离自身最近的树之间的距离;本基于树木间距阈值进行聚类分析的同时,为了更符合现实情况,还要进行环境判断,即如果两棵树之间存在明显边界地物阻隔,则两棵树不为“相邻树木对”,阻隔的地物主要为河流、主干道路、陡崖和围墙等,如图5所示。因此,两棵树在满足距离阈值的条件下,如果环境判断不通过,则也不分为同一类。
目标区域范围内所有树木两两完成相邻树木的判断后,采用等价类算法进行最终归类,即如果A树与B树为相邻树木对,B树与C树为相邻树木对,则A、B、C三树为同一类,划分为同一类的树木所在区域为一个片区。
具体的,所述步骤S14,具体包括:
对每一个所述树木片区进行编号,确定同一树木片区内树木的位置坐标与冠幅,将树冠投影圆作为每棵树的树冠边界,并将所述树冠边界转化为固定间距的散点,形成散点群;
采用凸包算法计算所述散点群的外轮廓线并进行规则化,将规则化后的散点群外轮廓线作为所述树木片区的范围边界。
示例的,完成树木片区划分后,对每一个片区进行编号,并划定每个片区的边界。将每棵树的边界转化为固定间距的散点,再通过凸包法连接散点群的外轮廓,规则化后形成连片成林边界。
具体步骤为,首先确定同一片区内树木的位置坐标与冠幅,将冠幅投影的边界作为每棵树的边界,并将边界转化为散点,该过程中,可以以30°为间隔确定每个点的坐标,如图6所示,将树木位置正北方向指向的第一个边界点作为起始点,顺时针依次确定每个点的坐标,假设树点位置坐标为(x,y),冠幅的一半为r,则由第1个到第12个点的坐标分别为,(x,y+r),(x+r,y),/>(x,y-r),/>(x,y+r),/>(x-r,y),/>
同一片区内树冠边界转化为散点后,形成散点群,采用凸包算法计算散点群的外轮廓线,可以通过matlab的covnhull函数或其他计算软件完成这一步骤,如图7所示,将规则化后的散点群外轮廓线作为该片区所有树木连片成林范围边界。提取边界后,计算边界所围面积,当面积超过1亩时,则进行下一步;面积小于1亩,则未达到连片成林标准,排除该树木片区。
图2是本发明实施例提供的一种树木连片成林区域边界提取装置的结构示意图,该树木连片成林区域边界提取装置,包括:
树木参数获取模块21,用于获取目标区域的树木参数,所述树木参数包括树木位置坐标、树木冠幅以及树木所在地的地物地貌信息;
网格划分计算模块22,用于对所述目标区域进行网格划分,判断每个网格是否被树冠投影覆盖,累计所有被覆盖网格的面积,得到所述目标区域的树冠投影覆盖网格面积;
树木片区划分模块23,用于根据距离阈值,对所述目标区域内的树木进行聚类分析,且对所述树木所在地进行环境判断,得到相邻树木对,采用等价类算法将所述相邻树木对的树木所在地划分为同一个片区,得到所述目标区域内的树木片区划分;
树木片区边界模块24,用于对每一个所述树木片区进行编号,并将所述树木片区内每棵树的边界转化为固定间距的散点,通过凸包法划定每个所述树木片区的边界;
郁闭度计算模块25,用于排除所述树木片区中面积小于1亩的树木片区;提取所述树木片区中面积大于或等于1亩的目标片区,基于所述目标片区内树冠投影覆盖网格面积与目标片区面积,计算所述目标片区的郁闭度,将所述郁闭度大于或等于标准郁闭度的目标片区判定为连片成林区域,所述目标片区边界为所述连片成林区域边界;
树木片区修正模块26,用于将所述郁闭度小于所述标准郁闭度的目标片区,根据树木分布进行边界调整后,返回所述郁闭度计算模块;若所述郁闭度小于所述标准郁闭度的目标片区无法进行边界调整的,删除所述目标片区中第一间隔距离最大的树,返回所述树木片区边界模块;直到所有所述树木片区被排除或判定为连片成林区域;
其中,所述标准郁闭度定义为符合连片成林技术标准的最小郁闭度,所述第一间隔距离定义为一棵树与距离自身最近的树之间的距离。
具体的,所述网格划分计算模块22,具体用于:
根据所述树木位置坐标确定所述目标区域的矩形网格区域的东南角、西南角、西北角、东北角,依次相连形成网格划分边界;
依据所述树木平均冠幅的一定比例确定所述矩形网格区域的网格边长,以所述矩形网格区域的网格范围的西北角为网格划分的起始点,向东、向南进行网格排列,超出所述网格划分边界的不设所述网格,得到所述目标区域的网格划分;
依次计算每个网格的中心点与所述目标区域的所有树冠投影圆的圆心距,若所述圆心距小于任一树木树冠投影圆的半径,则所述网格被树冠投影覆盖,累计所有被覆盖网格的面积,得到所述目标区域的树冠投影覆盖网格面积;所述树冠投影圆为以树木位置为圆心、冠幅为直径的拟合圆。
具体的,所述距离阈值通过基于每棵树的辐射面积、冠幅,以及所述标准郁闭度获取辐射半径,从而获取所述距离阈值;所述辐射半径等于1/2冠幅除以所述标准郁闭度的算术平方根;所述距离阈值为两棵树的所述辐射半径之和;
所述相邻树木对定义为当两棵树的辐射面积相交时,即两棵树之间的距离小于所述距离阈值,并且所述的两棵树之间不存在明显地物阻隔时,所述的两棵树为相邻树木对。
具体的,所述树木片区边界模块24,具体用于:
对每一个所述树木片区进行编号,确定同一树木片区内树木的位置坐标与冠幅,将树冠投影圆作为每棵树的树冠边界,并将所述树冠边界转化为固定间距的散点,形成散点群;
采用凸包算法计算所述散点群的外轮廓线并进行规则化,将规则化后的散点群外轮廓线作为所述树木片区的范围边界。
本发明实施例所提供的一种树木连片成林区域边界提取装置能够实现上述实施例的树木连片成林区域边界提取方法的所有流程,装置中的各个模块的作用以及实现的技术效果分别与上述实施例的树木连片成林区域边界提取方法的作用以及实现的技术效果对应相同,这里不再赘述。
本发明实施例对应提供的一种终端设备,所述终端设备包括:处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序。所述处理器执行所述计算机程序时实现上述树木连片成林区域边界提取方法实施例中的步骤。或者,所述处理器执行所述计算机程序时实现上述树木连片成林区域边界提取装置实施例中各模块的功能。
所述终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,所述示意图仅仅是终端设备的示例,并不构成对终端设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所述处理器可以是中央处理单元,还可以是其他通用处理器、数字信号处理器、专用集成电路、现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述终端设备的控制中心,利用各种接口和线路连接整个终端设备的各个部分。
存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述终端设备的各种功能。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
需说明的是,以上所描述的装置实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述实施例的树木连片成林区域边界提取方法。
综上所述,本发明实施例公开的一种树木连片成林区域边界提取方法、装置、终端及介质,通过获取目标区域的树木参数,对所述目标区域进行网格划分,判断每个网格是否被树冠投影覆盖,累计所有被覆盖网格的面积,得到所述目标区域的树冠投影覆盖网格面积;根据间距阈值,对所述目标区域内的树木进行聚类分析,且对所述树木所在地进行环境判断,得到相邻树木对,采用等价类算法将所述相邻树木对的树木所在地划分为同一个片区,得到所述目标区域内的树木片区划分;对每一个所述树木片区进行编号,并将所述树木片区内每棵树的边界转化为固定间距的散点,通过凸包法划定每个所述树木片区的边界;排除所述树木片区中面积小于1亩的树木片区;提取所述树木片区中面积大于或等于1亩的目标片区,基于所述目标片区内树冠投影覆盖网格面积与目标片区面积,计算所述目标片区的郁闭度,将所述郁闭度大于或等于标准郁闭度的目标片区判定为连片成林区域,所述目标片区边界为连片成林区域边界;直到所有所述树木片区被排除或判定为连片成林区域。因此,本发明实施例基于树木摸查成果或树木数据库中的树木参数进行连片成林识别及边界提取,无需进行二次外业航拍,减少了生产成本;基于树木位置与树木冠幅计算树冠投影覆盖区域和郁闭度,提高连片成林识别与边界提取的精度;通过将单木树冠边界转化为散点,采用凸包法提取每个树木片区对应散点群的外轮廓线,实现了边界的自动化提取,提取效率更高。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种树木连片成林区域边界提取方法,其特征在于,包括:
S11,获取目标区域的树木参数,所述树木参数包括树木位置坐标、树木冠幅以及树木所在地的地物地貌信息;
S12,对所述目标区域进行网格划分,判断每个网格是否被树冠投影覆盖,累计所有被覆盖网格的面积,得到所述目标区域的树冠投影覆盖网格面积;
S13,根据距离阈值,对所述目标区域内的树木进行聚类分析,且对所述树木所在地进行环境判断,得到相邻树木对,采用等价类算法将所述相邻树木对的树木所在地划分为同一个片区,得到所述目标区域内的树木片区划分;
S14,对每一个所述树木片区进行编号,并将所述树木片区内每棵树的边界转化为固定间距的散点,通过凸包法划定每个所述树木片区的边界;
S15,排除所述树木片区中面积小于1亩的树木片区;提取所述树木片区中面积大于或等于1亩的目标片区,基于所述目标片区内树冠投影覆盖网格面积与目标片区面积,计算所述目标片区的郁闭度,将所述郁闭度大于或等于标准郁闭度的目标片区判定为连片成林区域,所述目标片区边界为所述连片成林区域边界;
S16,将所述郁闭度小于所述标准郁闭度的目标片区,根据树木分布进行边界调整后,返回执行步骤S15;若所述郁闭度小于所述标准郁闭度的目标片区无法进行边界调整的,删除所述目标片区中第一间隔距离最大的树,返回执行步骤S14;直到所有所述树木片区被排除或判定为连片成林区域;
其中,所述标准郁闭度定义为符合连片成林技术标准的最小郁闭度,所述第一间隔距离定义为一棵树与距离自身最近的树之间的距离。
2.如权利要求1所述的树木连片成林区域边界提取方法,其特征在于,所述对所述目标区域进行网格划分,判断每个网格是否被树冠投影覆盖,累计所有被覆盖网格的面积,得到所述目标区域的树冠投影覆盖网格面积,具体包括:
根据所述树木位置坐标确定所述目标区域的矩形网格区域的东南角、西南角、西北角、东北角,依次相连形成网格划分边界;
依据所述树木平均冠幅的一定比例确定所述矩形网格区域的网格边长,以所述矩形网格区域的网格范围的西北角为网格划分的起始点,向东、向南进行网格排列,超出所述网格划分边界的不设所述网格,得到所述目标区域的网格划分;
依次计算每个网格的中心点与所述目标区域的所有树冠投影圆的圆心距,若所述圆心距小于任一树木树冠投影圆的半径,则所述网格被树冠投影覆盖,累计所有被覆盖网格的面积,得到所述目标区域的树冠投影覆盖网格面积;所述树冠投影圆为以树木位置为圆心、冠幅为直径的拟合圆。
3.如权利要求1所述的树木连片成林区域边界提取方法,其特征在于,所述距离阈值通过基于每棵树的辐射面积、冠幅,以及所述标准郁闭度获取辐射半径,从而获取所述距离阈值;所述辐射半径等于1/2冠幅除以所述标准郁闭度的算术平方根;所述距离阈值为两棵树的所述辐射半径之和;
所述相邻树木对定义为当两棵树的辐射面积相交时,即两棵树之间的距离小于所述距离阈值,并且所述的两棵树之间不存在明显地物阻隔时,所述的两棵树为相邻树木对。
4.如权利要求1所述的树木连片成林区域边界提取方法,其特征在于,所述对每一个所述树木片区进行编号,并将所述树木片区内每棵树的边界转化为固定间距的散点,通过凸包法划定每个所述树木片区的边界,具体包括:
对每一个所述树木片区进行编号,确定同一树木片区内树木的位置坐标与冠幅,将树冠投影圆作为每棵树的树冠边界,并将所述树冠边界转化为固定间距的散点,形成散点群;
采用凸包算法计算所述散点群的外轮廓线并进行规则化,将规则化后的散点群外轮廓线作为所述树木片区的范围边界。
5.一种树木连片成林区域边界提取装置,其特征在于,包括:
树木参数获取模块,用于获取目标区域的树木参数,所述树木参数包括树木位置坐标、树木冠幅以及树木所在地的地物地貌信息;
网格划分计算模块,用于对所述目标区域进行网格划分,判断每个网格是否被树冠投影覆盖,累计所有被覆盖网格的面积,得到所述目标区域的树冠投影覆盖网格面积;
树木片区划分模块,用于根据距离阈值,对所述目标区域内的树木进行聚类分析,且对所述树木所在地进行环境判断,得到相邻树木对,采用等价类算法将所述相邻树木对的树木所在地划分为同一个片区,得到所述目标区域内的树木片区划分;
树木片区边界模块,用于对每一个所述树木片区进行编号,并将所述树木片区内每棵树的边界转化为固定间距的散点,通过凸包法划定每个所述树木片区的边界;
郁闭度计算模块,用于排除所述树木片区中面积小于1亩的树木片区;提取所述树木片区中面积大于或等于1亩的目标片区,基于所述目标片区内树冠投影覆盖网格面积与目标片区面积,计算所述目标片区的郁闭度,将所述郁闭度大于或等于标准郁闭度的目标片区判定为连片成林区域,所述目标片区边界为所述连片成林区域边界;
树木片区修正模块,用于将所述郁闭度小于所述标准郁闭度的目标片区,根据树木分布进行边界调整后,返回所述郁闭度计算模块;若所述郁闭度小于所述标准郁闭度的目标片区无法进行边界调整的,删除所述目标片区中第一间隔距离最大的树,返回所述树木片区边界模块;直到所有所述树木片区被排除或判定为连片成林区域;
其中,所述标准郁闭度定义为符合连片成林技术标准的最小郁闭度,所述第一间隔距离定义为一棵树与距离自身最近的树之间的距离。
6.如权利要求5所述的树木连片成林区域边界提取装置,其特征在于,所述网格划分计算模块,具体用于:
根据所述树木位置坐标确定所述目标区域的矩形网格区域的东南角、西南角、西北角、东北角,依次相连形成网格划分边界;
依据所述树木平均冠幅的一定比例确定所述矩形网格区域的网格边长,以所述矩形网格区域的网格范围的西北角为网格划分的起始点,向东、向南进行网格排列,超出所述网格划分边界的不设所述网格,得到所述目标区域的网格划分;
依次计算每个网格的中心点与所述目标区域的所有树冠投影圆的圆心距,若所述圆心距小于任一树木树冠投影圆的半径,则所述网格被树冠投影覆盖,累计所有被覆盖网格的面积,得到所述目标区域的树冠投影覆盖网格面积;所述树冠投影圆为以树木位置为圆心、冠幅为直径的拟合圆。
7.如权利要求5所述的树木连片成林区域边界提取装置,其特征在于,所述距离阈值通过基于每棵树的辐射面积、冠幅,以及所述标准郁闭度获取辐射半径,从而获取所述距离阈值;所述辐射半径等于1/2冠幅除以所述标准郁闭度的算术平方根;所述距离阈值为两棵树的所述辐射半径之和;
所述相邻树木对定义为当两棵树的辐射面积相交时,即两棵树之间的距离小于所述距离阈值,并且所述的两棵树之间不存在明显地物阻隔时,所述的两棵树为相邻树木对。
8.如权利要求5所述的树木连片成林区域边界提取装置,其特征在于,所述树木片区边界模块,具体用于:
对每一个所述树木片区进行编号,确定同一树木片区内树木的位置坐标与冠幅,将树冠投影圆作为每棵树的树冠边界,并将所述树冠边界转化为固定间距的散点,形成散点群;
采用凸包算法计算所述散点群的外轮廓线并进行规则化,将规则化后的散点群外轮廓线作为所述树木片区的范围边界。
9.一种终端设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1-4中任意一项所述的树木连片成林区域边界提取方法。
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包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1-4中任意一项所述的树木连片成林区域边界提取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311055747.2A CN117115192B (zh) | 2023-08-21 | 2023-08-21 | 一种树木连片成林区域边界提取方法、装置、终端及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311055747.2A CN117115192B (zh) | 2023-08-21 | 2023-08-21 | 一种树木连片成林区域边界提取方法、装置、终端及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117115192A CN117115192A (zh) | 2023-11-24 |
CN117115192B true CN117115192B (zh) | 2024-05-24 |
Family
ID=88793394
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311055747.2A Active CN117115192B (zh) | 2023-08-21 | 2023-08-21 | 一种树木连片成林区域边界提取方法、装置、终端及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117115192B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101672915A (zh) * | 2009-09-23 | 2010-03-17 | 中国林业科学研究院资源信息研究所 | 一种高空间分辨率遥感影像树冠轮廓勾绘系统及方法 |
CN102096818A (zh) * | 2011-01-31 | 2011-06-15 | 中国林业科学研究院资源信息研究所 | 面向对象的遥感影像树冠轮廓及参数自动提取方法及系统 |
CN106845399A (zh) * | 2017-01-18 | 2017-06-13 | 北京林业大学 | 一种使用分层聚类方式从LiDAR点云中提取单木信息的方法 |
JP2021032656A (ja) * | 2019-08-22 | 2021-03-01 | 株式会社 ジツタ | 森林地域での立木の評価方法、及びこの評価方法における評価対象エリアの特定に適した境界線測量方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FI117490B (fi) * | 2004-03-15 | 2006-10-31 | Geodeettinen Laitos | Menetelmä puustotunnusten määrittämiseksi laserkeilaimen, kuvainformaation ja yksittäisten puiden tulkinnan avulla |
-
2023
- 2023-08-21 CN CN202311055747.2A patent/CN117115192B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101672915A (zh) * | 2009-09-23 | 2010-03-17 | 中国林业科学研究院资源信息研究所 | 一种高空间分辨率遥感影像树冠轮廓勾绘系统及方法 |
CN102096818A (zh) * | 2011-01-31 | 2011-06-15 | 中国林业科学研究院资源信息研究所 | 面向对象的遥感影像树冠轮廓及参数自动提取方法及系统 |
CN106845399A (zh) * | 2017-01-18 | 2017-06-13 | 北京林业大学 | 一种使用分层聚类方式从LiDAR点云中提取单木信息的方法 |
JP2021032656A (ja) * | 2019-08-22 | 2021-03-01 | 株式会社 ジツタ | 森林地域での立木の評価方法、及びこの評価方法における評価対象エリアの特定に適した境界線測量方法 |
Non-Patent Citations (2)
Title |
---|
Aerial images and LIDAR Fusion Applied in Forest Boundary Detection;Zuyuan Wang等;Proceedings of the 7th WSEAS International Conference on Signal, Speech and Image Processing;20070917;130-135 * |
基于LiDAR 点云的建筑物边界提取及规则化;赵小阳;地理空间信息;20160731;第14卷(第7期);1-4 * |
Also Published As
Publication number | Publication date |
---|---|
CN117115192A (zh) | 2023-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107767375B (zh) | 一种点云质量评估方法及装置 | |
CN112990976B (zh) | 基于开源数据挖掘的商业网点选址方法、系统、设备及介质 | |
CN105069371B (zh) | 一种地理空间数据的用户隐私保护方法及系统 | |
CN111861933B (zh) | 基于空间划分的点云去噪方法及装置 | |
CN109145489B (zh) | 一种基于概率图的障碍物分布仿真方法、装置以及终端 | |
CN107169301B (zh) | 一种分而治之航迹关联方法 | |
CN112492275B (zh) | 一种区域监测点的布局方法、装置及存储介质 | |
CN111538043B (zh) | 一种复杂环境下非通视卫星的剔除方法、装置和电子设备 | |
CN108647261B (zh) | 基于气象数据离散点网格化处理的全球等值线绘制方法 | |
CN111611900B (zh) | 一种目标点云识别方法、装置、电子设备和存储介质 | |
CN114822033B (zh) | 基于特征金字塔网络的路网交通流量数据修复方法及系统 | |
CN114898118A (zh) | 基于多源点云的输电线路房屋拆迁量自动统计方法及系统 | |
CN116993555A (zh) | 国土空间规划重点区域识别的分区方法、系统及存储介质 | |
CN113112488B (zh) | 一种道路中心线提取方法、装置、存储介质及终端设备 | |
CN117115192B (zh) | 一种树木连片成林区域边界提取方法、装置、终端及介质 | |
Liao et al. | Grid partition variable step alpha shapes algorithm | |
CN114003623A (zh) | 一种相似路径台风的检索方法 | |
CN117523120A (zh) | 基于三维场景的自然资源确权登记单元界址点设置方法 | |
CN110059544B (zh) | 一种基于道路场景的行人检测方法和系统 | |
CN112020091B (zh) | 基于数字化地理信息的弱覆盖处理方法及装置 | |
CN107544098A (zh) | 地表粗糙度的生成方法、装置、存储介质和处理器 | |
CN116824371A (zh) | 生态保护红线植被异常快速监测方法和装置 | |
CN111080536A (zh) | 一种机载激光雷达点云的自适应滤波方法 | |
CN112184900A (zh) | 高程数据的确定方法、装置及存储介质 | |
CN116385702A (zh) | 三维点云的底面分割方法、装置、电子设备及存储介质 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Country or region after: China Address after: No.10 Jianshe Avenue, Yuexiu District, Guangzhou, Guangdong Province 510060 Applicant after: Guangzhou Urban Planning Survey and Design Research Institute Co.,Ltd. Address before: No.10 Jianshe Avenue, Yuexiu District, Guangzhou, Guangdong Province 510060 Applicant before: GUANGZHOU URBAN PLANNING & DESIGN SURVEY Research Institute Country or region before: China |
|
GR01 | Patent grant | ||
GR01 | Patent grant |