FI20186029A1 - Menetelmä ja järjestelmä metsätiedon luomiseksi - Google Patents
Menetelmä ja järjestelmä metsätiedon luomiseksi Download PDFInfo
- Publication number
- FI20186029A1 FI20186029A1 FI20186029A FI20186029A FI20186029A1 FI 20186029 A1 FI20186029 A1 FI 20186029A1 FI 20186029 A FI20186029 A FI 20186029A FI 20186029 A FI20186029 A FI 20186029A FI 20186029 A1 FI20186029 A1 FI 20186029A1
- Authority
- FI
- Finland
- Prior art keywords
- tree
- data
- lidar
- identifier
- forest
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000012545 processing Methods 0.000 claims abstract description 48
- 230000004807 localization Effects 0.000 claims description 11
- 238000013507 mapping Methods 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 6
- 238000013480 data collection Methods 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims description 2
- 238000005192 partition Methods 0.000 claims 1
- 241000894007 species Species 0.000 description 11
- 238000007726 management method Methods 0.000 description 5
- 235000008331 Pinus X rigitaeda Nutrition 0.000 description 3
- 235000011613 Pinus brutia Nutrition 0.000 description 3
- 241000018646 Pinus brutia Species 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 101100064323 Arabidopsis thaliana DTX47 gene Proteins 0.000 description 2
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 101150026676 SID1 gene Proteins 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000049 pigment Substances 0.000 description 2
- 235000008582 Pinus sylvestris Nutrition 0.000 description 1
- 241000218626 Pinus sylvestris Species 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 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
- 239000008239 natural water Substances 0.000 description 1
- 230000000243 photosynthetic effect Effects 0.000 description 1
- 239000001839 pinus sylvestris Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G23/00—Forestry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/02—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures
- G01C11/025—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures by scanning the object
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C15/00—Surveying instruments or accessories not provided for in groups G01C1/00 - G01C13/00
- G01C15/002—Active optical surveying means
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Forests & Forestry (AREA)
- Multimedia (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Theoretical Computer Science (AREA)
- Environmental Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Geometry (AREA)
- General Health & Medical Sciences (AREA)
- Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Keksinnön kohteena on menetelmä metsän (204), jossa on useita puita (304, 306, 308, 310), metsätaloustietojen luomiseksi. Menetelmä käsittää sen, että määritetään reitti (202) metsässä (204) keräämään toistuvasti dataa datapisteinä käyttäen ainakin yhtä LiDAR-skanneria (106, 302), toistuvasti annetaan uniikki pyyhkäisytunniste datapisteille, ja toistuvasti tallennetaan datapisteet ja pyyhkäisytunnistepiste pilvitietokantaan, käsitellään pistepilvitietokantaa metsän kolmiulotteisen mallin luomiseksi, käsitellään kolmiulotteista mallia tunnistamaan määrä puita, annetaan ja tallennetaan uniikki puutunniste jokaiselle puulle puutietokannassa, käsitellään kolmiulotteista mallia ja annettuja puutunnisteita segmentoimaan datapisteet, joilla on tietty puutunniste, puun rungoksi, luodaan puun rungonesitys, ja lasketaan puulle parametrit esityksestä metsätaloustietojen muodostamiseksi.
Claims (11)
1. Menetelmä metsän (204) kolmiulotteisen mallin aikaansaamiseksi ja käsittelemiseksi metsätaloustietojen keräämiseen metsästä (204), jossa on useita puita (304, 306, 308, 310), menetelmän käsittäessä sen, että: (i) määritetään reitti (202) metsässä (204) datan keräämiseksi, jossa määritetään raja metsäalueelle (204), josta tietoja tarvitaan, ja reitillä (202) on riittävä määrä risteyksiä (206) kattamaan jokainen reitin varrella olevista useista puista; ja tallennetaan kaikki puut ja puihin liittyvä data; (ii) kerätään dataa datapisteinä käyttäen ainakin yhtä LiDAR-skanneria (106, 302), joka liikkuu automaattisesti koko määritetyn reitin (202), jossa kerätään LiDAR-muutosten sijaintiin liittyvät maantieteelliset koordinaatit ja data ainakin yhden LiDAR-skannerin (106, 302) yksittäisen pyyhkäisyn aikana; (iii) annetaan uniikki pyyhkäisytunniste ainakin yhden LiDAR-skannerin (106, 302) yksittäisen pyyhkäisyn aikana kerätyille datapisteille, tallennetaan datapisteet ja pyyhkäisytunniste pistepilvitietokantaan, jokaista pyyhkäisytunnistetta vastaava data käsitellään yksilöllisesti ja pistepilveksi kerätty data jaetaan useiksi kuutiomaisiksi osiksi; (iv) toistetaan vaiheet (ii) ja (iii); (v) otetaan kuva ainakin yhdestä puusta (304, 306, 308, 310) ja liitetään S kuva ainakin yhtä puuta (304, 306, 308, 310) vastaavaan pistepilveen; N (vi) käsitellään pistepilvitietokanta samanaikaisen paikannuksen ja ? kartoituksen (SLAM) algoritmia käyttäen luomaan kolmiulotteinen malli - 25 metsästä (204); E (vii) käsitellään metsän kolmiulotteista mallia tunnistamaan määrä puita N (304, 306, 308, 310), annetaan uniikki puutunniste jokaiselle puulle e määrästä puita (304, 306, 308, 310), ja tallennetaan puutunniste N puutietokantaan;
(viii) käsitellään metsän (204) kolmiulotteista mallia ja annettuja puutunnisteita, sellaisten datapisteiden segmentoimiseksi, joilla on tietty puutunniste, kuuluvaksi puun (304, 306, 308, 310) runkoon; (ix) luodaan esitys (616) ainakin yhden puun (304, 306, 308, 310) rungosta, niin, että: (a) käytetään mainittuun puuhun (304, 306, 308, 310) liittyvää dataa, puutunnisteen perusteella; (b) valitaan datajoukko, jolla on tietty pyyhkäisytunniste, jossa jokainen pyyhkäisy luo datapisteitä kaaren (404, 406, 408, 410) muotoon puun (304, 306, 308, 310) rungon ympäri, normalisoidaan datapisteet kaaren (404, 406, 408, 410) muotoon ja sovitetaan ympyräksi, ja ympyrän halkaisija vastaa ainakin yhden puun rungon halkaisijaa; (c) toistetaan vaihe (b) useiden ympyröiden aikaansaamiseksi, jotka ympyrät vastaavat useita ainakin yhden puun rungon osia; ja (d) luodaan esitys mainitusta puun rungosta useita ympyröitä käyttäen; ja (x) lasketaan parametrit ainakin yhtä puuta (304, 306, 308, 310) varten ainakin yhden puun (304, 306, 308, 310) esityksestä muodostamaan metsätaloustiedot.
2. Patenttivaatimuksen 1 mukainen menetelmä, jossa pyyhkäisytunniste S käsittää: N - ainakin yhden LiDAR-skannerin (106, 302) sijainnin; ? - ainakin yhden LiDAR-skannerin (106, 302) kallistuksen suhteessa - 25 maahan; ja a - datan keräämisen aikaleiman. O O
O
3. Jonkin edellisistä patenttivaatimuksista mukainen menetelmä, joka > lisäksi käsittää sen, että: - segmentoidaan ainakin yhden puun (304, 306, 308, 310) esitys ainakin yhdeksi puun rungosta, oksista, tai lehdistä;
- lasketaan parametrit ainakin yhdelle ainakin yhden puun (304, 306, 308, 310) rungosta, oksista, tai lehdistä; - määritetään ainakin yhden puun (304, 306, 308, 310) laji parametreista; ja - tallennetaan ainakin yhden puun (304, 306, 308, 310) esitys ja laji puutietokantaan.
4. Järjestelmä metsän (204) kolmiulotteisen mallin aikaansaamiseksi ja käsittelemiseksi keräämään metsätaloustietoja metsästä (204), jossa on useita puita (304, 306, 308, 310), joka järjestelmä on sovitettu suorittamaan jonkin patenttivaatimuksista 1-3 mukaista menetelmää, järjestelmän (100) käsittäessä: - laitteen (102), joka käsittää tietojenkäsittelyjärjestelyn (104), ainakin yhden automaattisesti liikutettavan LiDAR-skannerin (106, 302) ja kameran, joka on sovitettu ottamaan kuvan ainakin yhdestä puusta, jossa laite (102) on sovitettu: (i) keräämään dataa datapisteinä käyttäen ainakin yhtä LiDAR- skanneria (106, 302), jota liikutetaan automaattisesti reittiä (202) pitkin, jossa LIDAR-muutosten sijaintiin liittyvät maantieteelliset koordinaatit ja data kerätään ainakin yhden LiDAR-skannerin (106, 302) yksittäisen pyyhkäisyn aikana; (ii) annetaan uniikki pyyhkäisytunniste ainakin yhden LiDAR- S skannerin (106, 302) yksittäisen pyyhkäisyn aikana kerätyille N datapisteille, tallennetaan datapisteet ja pyyhkäisytunniste ? pistepilvitietokantaan; ja - 25 (iii) toistetaan vaiheet (i) ja (ii); E palvelinjärjestelyn (108), joka on kommunikatiivisesti kytketty laitteen N (102) tietojenkäsittelyjärjestelyyn (104), jossa palvelinjärjestely (108) 2 on sovitettu: N - määrittämään reitin (202) metsässä (204) datan keräämiseksi, jossa määritetään raja metsäalueelle (204), josta data tarvitaan, ja reitillä (202) riittävä määrä risteyksiä (206) kattamaan jokainen useista puista reitin varrella, ja tallentamaan kaikki puut ja puihin liittyva data; - kasittelemaan pistepilvitietokantaa samanaikaisen paikannuksen ja kartoituksen (SMAP) algoritmia käyttäen luomaan kolmiulotteinen malli metsästä (204); - liittämään kuva ainakin yhtä puuta (304, 306, 308, 310) vastaavaan pistepilveen; - käsittelemään metsän (204) kolmiulotteista mallia tunnistamaan määrä puita (304, 306, 308, 310), antaen uniikin puutunnisteen jokaiselle puulle määrästä puita (304, 306, 308, 310), ja tallentaen puutunnisteen puutietokantaan; - käsittelemään metsän (204) kolmiulotteista mallia ja annettuja puutunnisteita, segmentoimaan Jdatapisteitä, joilla on tietty puutunniste, kuuluvaksi puun (304, 306, 308, 310) runkoon; - luomaan ainakin yhden puun (304, 306, 308, 310) rungon esitys, niin, että: (a) käytetään mainittuun puuhun (304, 306, 308, 310) liittyvää dataa, puutunnisteen perusteella; (b) valitaan datajoukko, jolla on tietty pyyhkäisy, jossa jokainen pyyhkäisy luo datapisteet kaaren (404, 406, 408, 410) muotoon puun (304, 306, 308, 310) rungon ympärille, normalisoidaan datapisteet kaaren (404, 406, 408, 410) S muotoon ja sovitetaan ympyräksi ja ympyrän halkaisija O vastaa ainakin yhden puun rungon halkaisijaa; Q 25 (c) toistetaan vaihe (b) aikaansaamaan useita ympyröitä I (504, 506, 508), jotka vastaavat useita ainakin yhden puun > rungon osia; ja 3 (d) luodaan mainitun puun rungon esitys useita ympyröitä > (504, 506, 508) käyttäen;
- lasketaan parametrit ainakin yhdelle puulle (304, 306, 308, 310) ainakin yhden puun (304, 306, 308, 310) esityksestä muodostamaan metsätaloustietoja; ja - jaetaan pistepilveksi kerätty data useiksi kuutiomaisiksi osiksi; ja tietokantajärjestelyn (110), joka on kommunikatiivisesti kytketty jokaiseen laitteesta (102) ja palvelinjärjestelystä (108), jossa tietokantajärjestely (110) käsittää pistepilvitietokannan ja puutietokannan.
5. Patenttivaatimuksen 4 mukainen järjestelmä, jossa LiDAR-skanneri (106, 302) on toteutettu yhtenä seuraavista: pyörivä LIDAR, kiinteän tilan LiDAR.
6. Patenttivaatimuksen 5 mukainen järjestelmä, jossa laite (102) lisäksi käsittää sijainninmääritysyksikön, inertiamittausyksikön (IMU) ja kellon; ja jossa pyyhkäisytunniste käsittää: - ainakin yhden LiDAR-skannerin (106, 302) sijainnin, joka on määritetty sijainninmittausyksikköä käyttäen; - ainakin yhden LiDAR-skannerin (106, 302) kallistuksen suhteessa maahan, joka on määritetty inertiamittausyksikköä käyttäen; ja - datan keräyksen aikaleiman, joka on määritetty kelloa käyttäen.
7. Patenttivaatimuksen 4 mukainen järjestelmä, jossa kamera on N toteutettu: digitaalikamerana, tai hyperspektrikamerana. N
S 8. Jonkin patenttivaatimuksista 4-7 mukainen järjestelmä, jossa Q palvelinjärjestely (108) on lisäksi sovitettu: E - segmentoimaan ainakin yhden puun (304, 306, 308, 310) esityksen ER 25 ainakin yhteen puun rungosta, oksista, tai lehdistä; 3 - laskemaan ainakin yhden puun (304, 306, 308, 310) parametrit ainakin S yhdelle puun rungosta, oksista, tai lehdistä; - määrittämään ainakin yhden puun (304, 306, 308, 310) lajin parametreista; ja
- tallentamaan ainakin yhden puun (304, 306, 308, 310) esitys ja laji puutietokantaan.
O N O N O <Q 0 N I = oO N O O 00 o N
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FI20186029A FI20186029A1 (fi) | 2018-11-30 | 2018-11-30 | Menetelmä ja järjestelmä metsätiedon luomiseksi |
PCT/FI2019/050852 WO2020109666A1 (en) | 2018-11-30 | 2019-11-28 | Method and system for generating forestry data |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FI20186029A FI20186029A1 (fi) | 2018-11-30 | 2018-11-30 | Menetelmä ja järjestelmä metsätiedon luomiseksi |
Publications (1)
Publication Number | Publication Date |
---|---|
FI20186029A1 true FI20186029A1 (fi) | 2020-05-31 |
Family
ID=68848315
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
FI20186029A FI20186029A1 (fi) | 2018-11-30 | 2018-11-30 | Menetelmä ja järjestelmä metsätiedon luomiseksi |
Country Status (2)
Country | Link |
---|---|
FI (1) | FI20186029A1 (fi) |
WO (1) | WO2020109666A1 (fi) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111814666A (zh) * | 2020-07-07 | 2020-10-23 | 华中农业大学 | 一种复杂林分下的单木参数提取方法、系统、介质及设备 |
CN114777703A (zh) * | 2022-04-25 | 2022-07-22 | 贵州省第三测绘院(贵州省国土资源遥感监测中心) | 基于距离匹配的林业样地精准定位方法及装置 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7217855B2 (ja) * | 2020-10-14 | 2023-02-06 | 株式会社興和 | 森林資源情報生成構造 |
CN112946669B (zh) * | 2021-02-05 | 2023-04-25 | 国际竹藤中心 | 基于地基激光雷达的毛竹林数量识别方法及装置 |
CN112991435B (zh) * | 2021-02-09 | 2023-09-15 | 中国农业大学 | 基于3D LiDAR的果园行末、行首识别方法 |
CN113269825B (zh) * | 2021-04-06 | 2022-07-12 | 云南师范大学 | 基于地基激光雷达技术林木胸径值提取的方法 |
CN113379810B (zh) * | 2021-06-11 | 2024-05-24 | 云南师范大学 | 一种林地点云数据配准方法、装置、设备及存储介质 |
CN113724305B (zh) * | 2021-07-26 | 2023-04-18 | 西安电子科技大学 | 一种林区点云快速配准方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002071832A1 (en) * | 2001-03-14 | 2002-09-19 | Air Logistics (Nz) Limited | Method of assessing standing trees |
US9198363B2 (en) * | 2012-12-12 | 2015-12-01 | The Boeing Company | Tree metrology system |
-
2018
- 2018-11-30 FI FI20186029A patent/FI20186029A1/fi not_active IP Right Cessation
-
2019
- 2019-11-28 WO PCT/FI2019/050852 patent/WO2020109666A1/en active Application Filing
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111814666A (zh) * | 2020-07-07 | 2020-10-23 | 华中农业大学 | 一种复杂林分下的单木参数提取方法、系统、介质及设备 |
CN114777703A (zh) * | 2022-04-25 | 2022-07-22 | 贵州省第三测绘院(贵州省国土资源遥感监测中心) | 基于距离匹配的林业样地精准定位方法及装置 |
CN114777703B (zh) * | 2022-04-25 | 2024-04-16 | 贵州省第三测绘院(贵州省国土资源遥感监测中心) | 基于距离匹配的林业样地精准定位方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2020109666A1 (en) | 2020-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
FI20186029A1 (fi) | Menetelmä ja järjestelmä metsätiedon luomiseksi | |
Liang et al. | Forest in situ observations using unmanned aerial vehicle as an alternative of terrestrial measurements | |
Guo et al. | Lidar boosts 3D ecological observations and modelings: A review and perspective | |
Liang et al. | In-situ measurements from mobile platforms: An emerging approach to address the old challenges associated with forest inventories | |
CN107967457B (zh) | 一种适应视觉特征变化的地点识别与相对定位方法及系统 | |
CN104067145B (zh) | 剪枝机器人系统 | |
CN105260988B (zh) | 一种高精地图数据的处理方法和装置 | |
Holopainen et al. | Tree mapping using airborne, terrestrial and mobile laser scanning–A case study in a heterogeneous urban forest | |
Reutebuch et al. | Light detection and ranging (LIDAR): an emerging tool for multiple resource inventory | |
AU2007355942B2 (en) | Arrangement and method for providing a three dimensional map representation of an area | |
Su et al. | The development and evaluation of a backpack LiDAR system for accurate and efficient forest inventory | |
NO337638B1 (no) | Fremgangsmåte for bestemmelse av bestandatributter og dataprogram for utførelse av fremgangsmåten | |
CN109883418A (zh) | 一种室内定位方法及装置 | |
Raczynski | Accuracy analysis of products obtained from UAV-borne photogrammetry influenced by various flight parameters | |
US20040236535A1 (en) | Method, apparatus and program for determining growth of trees | |
CN112906719A (zh) | 基于消费级深度相机的立木因子测量方法 | |
JP4946072B2 (ja) | 樹頂探索方法、装置及びプログラム | |
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 | |
Zeybek et al. | An automated approach for extracting forest inventory data from individual trees using a handheld mobile laser scanner | |
Rebelo et al. | Building 3D city models: Testing and comparing Laser scanning and low-cost UAV data using FOSS technologies | |
JP7298823B2 (ja) | 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 | |
JP7123366B2 (ja) | 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 | |
Wężyk et al. | Use of airborne laser scanning data for a revision and update of a digital forest map and its descriptive database: a case study from the Tatra National Park | |
Lin et al. | Validation of mobile laser scanning for understory tree characterization in urban forest | |
US20220414362A1 (en) | Method and system for optimizing image data for generating orthorectified image |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM | Patent lapsed |