WO2020229575A1 - Verfahren zum ermitteln eines digitalen modells eines bereichs eines waldes - Google Patents

Verfahren zum ermitteln eines digitalen modells eines bereichs eines waldes Download PDF

Info

Publication number
WO2020229575A1
WO2020229575A1 PCT/EP2020/063404 EP2020063404W WO2020229575A1 WO 2020229575 A1 WO2020229575 A1 WO 2020229575A1 EP 2020063404 W EP2020063404 W EP 2020063404W WO 2020229575 A1 WO2020229575 A1 WO 2020229575A1
Authority
WO
WIPO (PCT)
Prior art keywords
tree
tree structure
data set
structure features
ground
Prior art date
Application number
PCT/EP2020/063404
Other languages
English (en)
French (fr)
Inventor
Thomas Seifert
Stefan SEIFERT
Erich SEIFERT
Original Assignee
Scientes Mondium UG
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 Scientes Mondium UG filed Critical Scientes Mondium UG
Priority to EP20730390.0A priority Critical patent/EP3970069A1/de
Publication of WO2020229575A1 publication Critical patent/WO2020229575A1/de

Links

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
    • G06F18/25—Fusion techniques
    • G06F18/253—Fusion techniques of extracted features
    • 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

Definitions

  • the invention relates to a method for determining a digital model of a region of a forest.
  • the invention further relates to a device, a computer program and a machine-readable storage medium.
  • the wood processing industry has different requirements and demands a raw material that is as homogeneous as possible.
  • an optimized allocation of the round wood to the recycler is required, so that the latter can be sure of receiving the raw material best suited for his purposes.
  • Wood that is not suitable for specific recycling is either resold or thermally recycled. However, it has already been transported and sorted with a lot of effort and could possibly have been better used by another recycler if it had been delivered there immediately.
  • Known methods of forest surveying include, for example, terrestrial laser scanning.
  • Forest surveying methods include, for example, capturing the forest using a camera of a drone that flies over the forest.
  • the object on which the invention is based is to be seen in providing an efficient concept for efficiently determining a digital model of a region of a forest.
  • a method for determining a digital model of a region of a forest comprising the following steps:
  • first data signals representing a first data set, the first data set comprising a sequence of aerial images of a forest, wherein the processing of first data signals is a
  • Second data signals which represent a second data set
  • the second data set comprising environment data which represent an environment of the at least one floor position detected by means of the ground-based environment detection device arranged at the at least one floor position, the processing of second data signals being a
  • Analyzing the second data set comprises in order to determine second tree structure features of trees present in the vicinity of the at least one ground position,
  • a device which is set up to carry out all steps of the method according to the first aspect.
  • a computer program is provided which comprises instructions which, when the computer program is executed by a computer, for example by the device according to the second aspect, cause the computer to execute a method according to the first aspect.
  • a machine-readable storage medium is provided on which the computer program according to the third aspect is stored.
  • the invention is based on and includes the knowledge that the above object can be achieved in that, on the one hand, aerial photographs of the forest and, on the other hand, environmental data from a ground-based environmental detection device are merged by first tree structure features, which were determined from the aerial photographs, with second Tree structure features are correlated, which were determined from the environment data of the ground-based environment detection device.
  • the ground-based environment detection device can be used to record the trunk and the first structures up to the hardwood border and then transfer them to the as-built level using the aerial images.
  • log type structures and their spatial distribution in the forest can be derived efficiently.
  • this has the technical advantage that a digital model of an area of a forest can be efficiently determined.
  • the technical advantage in particular is that a spatial position of wood of a certain quality can be efficiently determined.
  • a forest inventory can be carried out efficiently.
  • the aerial images at least partially spatially overlap in such a way that a specific spatial point is mapped in at least two successive aerial images.
  • first and / or second tree structure features are each an element selected from the following group of tree structure features: tree trunk, in particular tree trunk diameter, tree top, tree crown, tree species, texture and / or structural information of the crown and / or the Bark, crown shape, in particular three-dimensional crown shape, branch structures, in particular branch angles, branching patterns, branch angle distributions, branch distributions.
  • an optical flow field is determined based on the aerial images, the first tree structure features being determined based on the optical flow field determined.
  • a first composition of trees is determined for a specific area of the forest, the at least one ground position being identified based on the first composition in such a way that the surroundings of the at least one ground position have a second Comprises a composition of trees which corresponds to the first composition within a predetermined degree of conformity.
  • the predetermined degree of correspondence indicates the extent to which the second composition of trees corresponds to the first composition of trees.
  • the predetermined degree of agreement is for example at least 60%, for example at least 70%, for example at least 80%.
  • 100% match measure means full match.
  • the forest depicted by the aerial images is segmented into segment sets such that the tree structure features derived from the first data set are homogeneous, in particular essentially homogeneous, in the segments of a respective segment set.
  • the forest structure in particular defines homogeneous. This usually includes, for example, tree dimensions and spatial juxtaposition of the trees.
  • a stand that contains trees of a certain size and species distribution in a similar distribution pattern is homogeneous.
  • Similar distribution patterns are, in particular, distribution patterns which match within a predetermined degree of similarity. Distribution patterns are taken into account in an advantageous manner in particular because trees in mixed stands of different ages are not all of the same age and size.
  • a homogeneity can be measured, for example, via the crown structure, the crown surface structure in particular, further, for example, via RGB values of the texture and / or also via tree structure features extracted from the 3D point cloud.
  • the fact that the tree structure features, derived from the first data record in the segments of a respective segment set, are homogeneous, in particular essentially homogeneous, means in particular that the tree structure features characterize trees of a stand whose trees contain or comprise a predetermined size and type distribution in a similar distribution pattern .
  • a plurality of floor positions, at each of which a floor-based environment detection device is to be arranged, is identified based on the analysis of the first data set in such a way that each of the floor positions is located in a segment of a different segment set.
  • the forest can thus advantageously be captured efficiently by means of the ground-based environment detection device or by means of the multiple ground-based environment detection devices.
  • the ground-based surroundings detection device comprises a terrestrial laser scanner and the surroundings data comprise a point cloud which represents the surroundings of the at least one ground position detected by means of the terrestrial laser scanner.
  • the ground-based environment detection device comprises a plurality of terrestrial laser scanners.
  • the ground-based environment detection device comprises one or more environment sensors.
  • An environment sensor is, for example, one of the following environment sensors: radar sensor, lidar sensor, laser sensor, ultrasonic sensor, infrared sensor, video sensor and magnetic field sensor.
  • At least one determined first tree structure feature of a tree using a model, in particular an allometric model at least one second tree structure feature of the same tree is derived and / or vice versa.
  • information can also be obtained in an advantageous manner if there is sufficient data from only one sensor (video sensor of a video camera of an aircraft that recorded the aerial images, or environment sensor of the environment detection device) and that of the other sensor may be incomplete. Missing information can be supplemented, for example, via an estimate from, in particular locally calibrated, models, in particular allometric models, which relate the tree dimensions to one another.
  • the model is calibrated from the acquired data.
  • a tree crown diameter distribution of the tree corresponding to the tree trunk diameter is derived from a tree trunk diameter and a tree population density.
  • a position of a tree top of the tree corresponding to the tree trunk direction is derived.
  • a tree trunk diameter of the tree corresponding to the tree canopy diameter is derived from a tree population density and a tree canopy diameter, and in particular from a crown shape, for example a three-dimensional crown shape.
  • a tree trunk diameter of the tree corresponding to the tree canopy diameter can be efficiently determined. Furthermore, a tree trunk diameter of a tree which was not detected by means of the surroundings detection device can thereby also be determined in an advantageous manner.
  • a tree species is derived based on the environment data, in particular based on the point cloud, and / or based on other first and / or second tree structure features.
  • texture and structural information of a crown and / or a bark and / or a crown shape and / or branch structures are used.
  • the first and / or the second tree structure features are determined using an alpha shape algorithm and / or a watershed transformation algorithm.
  • the first and / or the second tree structure features are determined by means of an artificial neural network.
  • the neural network receives, for example, the aerial photographs and / or the surroundings data as input data.
  • the neural network outputs, for example, the first and / or the second tree structure features as output data.
  • the first and / or the second tree structure features are determined by means of a texture analysis and / or a principal component analysis of the aerial images or the environment data.
  • the method according to the first aspect is carried out or carried out by means of the device according to the second aspect.
  • the aerial images were recorded using an aircraft, for example a drone.
  • the aircraft in particular the drone, flew low, for example at a maximum fleas of 20 m, over the treetops and made video recordings in order to obtain a sequence of aerial images of the forest.
  • a very dense coverage of the forest with an extremely high image overlap can be obtained in an advantageous manner, with a parallax effect (offset) of the aircraft in motion being able to be used efficiently in order to detect trees or parts of trees.
  • This detection method is based, for example, on determining an optical flow field, also referred to in English as "optical flow”. This results, for example, in aerial photos, on which one basically sees the speed of movement of the aircraft. Tree parts that are further away (further down) in relation to the aircraft can be separated from closer tree parts (further up) in relation to the aircraft.
  • these aerial images are analyzed, for example additionally in combination with color images of the forest, using machine learning methods (use of an artificial neural network) in order to identify or determine tree tops and tree canopy outlines, generally first tree structure features.
  • a low flight in the sense of the description refers in particular to a flight of an aircraft between 20 m and 100 m above the treetops.
  • the first and / or second data signals are received.
  • model signals are generated and output which represent the determined digital model of trees in the vicinity of the at least one ground position.
  • the method according to the first aspect is a computer-implemented method.
  • FIG. 1 shows a flow chart of a method for determining a digital model of an area of a forest
  • FIG. 4 shows a forest in a schematic representation.
  • 1 shows a flow chart of a method for determining a digital model of a region of a forest.
  • the procedure consists of the following steps:
  • Second data signals which represent a second data set
  • the second data set comprising environment data which represent an environment of the at least one floor position detected by means of the ground-based environment detection device arranged at the at least one floor position, the processing of second data signals being a
  • Analyzing 109 the second data set comprises in order to determine second tree structure features of trees present in the vicinity of the at least one ground position,
  • FIG. 2 shows a device 201.
  • the device 201 is set up to carry out all steps of the method according to the first aspect.
  • the device 201 comprises a processor 203 which is set up to carry out steps 101, 103, 105, 107, 109, 111 and 113 described above.
  • the device 201 comprises an input which is set up to receive the first data signals and the second data signals. According to a further embodiment (not shown), the device 201 comprises an output which is set up to output model signals which represent the determined digital model of trees present in the vicinity of the at least one ground position.
  • the processor 203 is set up, for example, to generate the model signals.
  • FIG. 3 shows a machine-readable storage medium 301.
  • a computer program 303 is stored on the machine-readable storage medium 301.
  • the computer program 303 comprises commands which, when the computer program 303 is executed by a computer, cause the computer to execute a method according to the first aspect.
  • FIG. 4 shows a forest 401 in a schematically simplified form.
  • the forest 401 includes a first tree 403 and a second tree 405.
  • the first tree 403 is a deciduous tree.
  • the second tree 405 is a conifer.
  • the forest 401 includes further trees which are not shown for the sake of clarity.
  • the first tree 403 includes a first trunk 407 and a first treetop 409.
  • the second tree 405 includes a second trunk 411 and a tree top 413.
  • a drone 415 comprising a video camera 417 flies low over the forest 401 and takes aerial images of the forest 401 by means of the video camera 417 during the flight.
  • These recorded aerial images are analyzed in order to determine first tree structure features from the trees 403, 405 recorded by the aerial images.
  • these are, for example, the first tree crown 409 and the tree top 413.
  • At least one ground position is identified at which a ground-based environment detection device 419 is to be arranged.
  • the surroundings detection device 419 comprises a terrestrial laser scanner 421.
  • the surroundings detection device 419 After the surroundings detection device 419 has been arranged at the identified floor position, the surroundings detection device 419, in this case the laser scanner 421, detects the surroundings of the floor position.
  • the first tree 403 and the second tree 405 are located in the vicinity of the floor position.
  • the environment data of the environment detection device 421 corresponding to the detection include, for example, a point cloud which represents the environment of the floor position detected by means of the laser scanner 421.
  • the point cloud is analyzed in order to determine second tree structure features of the first tree 403 and the second tree 405.
  • a respective trunk diameter of the first tree trunk 407 and of the second tree trunk 411 is determined.
  • the aerial images and the point cloud are combined in order to determine a digital model of trees 403, 405 present in the vicinity of the ground position, by means of correlating the first tree structure features, i.e. in particular the first treetop 409 and the tree top 413, with the second tree structure features, in particular the respective tree trunk diameter of the first tree trunk 407 and the second tree trunk 411.
  • the concept described here is based in particular on the extraction of tree structure features from aerial images of a forest, which can also be referred to as drone images, provided the aerial images were recorded by means of a drone including a video camera.
  • these first tree structure features include crown tops, crown projection, crown shape, and voids.
  • second tree structure features are determined from environment data of a terrestrial laser scanner in a preprocessing step.
  • the aerial images and the point cloud are merged via the determined first and second tree structure features.
  • the aerial images can be blended with the point clouds that were determined by means of the terrestrial laser scanner.
  • the point clouds from different scans of the terrestrial laser scanner are linked.
  • a particular advantage is in particular that work is not carried out directly on the point cloud, but rather the second tree structure features are extracted in the preprocessing step, which are quite robust and can be used for merging, which can also be referred to as registering.
  • the RANSAC algorithm can be used for merging.
  • the preprocessing step is carried out, for example, using one or more methods of pattern recognition.
  • Such methods include, for example, determining an optical flow field and / or using a watershed algorithm, also referred to in German as the watershed transformation algorithm.
  • a derivation, in particular a statistical derivation, of information is provided that was not directly measured, based on one or more models, in particular one or more allometric models.
  • information in this case the tree structure features, can also be obtained if there is sufficient data from only one sensor (for example either from the laser scanner or from the video camera of the aircraft, in particular the drone) and the data from the other sensor may be incomplete.
  • the complement Missing information takes place, for example, via an estimate from, in particular locally calibrated, allometric models that relate the tree dimensions to one another.
  • the data from the laser scanner result, for example, in a trunk diameter and a stand density, from which a crown diameter distribution can be derived or estimated.
  • the data from the terrestrial laser scanner result, for example, in a trunk direction from which a probable position of the associated tree top can be derived.
  • the aerial images give, for example, a stand density and a crown diameter, from which a trunk diameter can be derived or estimated.
  • This estimated or derived information can, for example, also be used for merging, in particular the estimated tree tops in conifers.

Landscapes

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

Abstract

Die Erfindung betrifft ein Verfahren zum Ermitteln eines digitalen Modells eines Bereichs eines Waldes, wobei zum einen Luftbildaufnahmen des Waldes und zum anderen Umfelddaten einer bodengestützten Umfelderfassungseinrichtung zusammengeführt werden, indem erste Baumstrukturmerkmale, welche aus den Luftbildaufnahmen ermittelt wurden, mit zweiten Baumstrukturmerkmalen korreliert werden, welche aus den Umfelddaten der bodengestützten Umfelderfassungseinrichtung ermittelt wurden. Die Erfindung betrifft eine Vorrichtung, ein Computerprogramm und ein maschinenlesbares Speichermedium.

Description

Verfahren zum Ermitteln eines digitalen Modells eines Bereichs eines Waldes
Die Erfindung betrifft ein Verfahren zum Ermitteln eines digitalen Modells eines Bereichs eines Waldes. Die Erfindung betrifft weiter eine Vorrichtung, ein Computerprogramm und ein maschinenlesbares Speichermedium.
Dreh- und Angelpunkt jedweden forstlichen Handelns ist die Ressource Holz im Wald. Wie bei wenigen anderen Wertschöpfungsketten spielt in der Forstwirtschaft die genaue Kenntnis, wo sich welche Holzsortimente im Wald befinden, eine entscheidende Rolle. Bäume weisen je nach Standort, Genetik und waldbaulicher Behandlung sehr unterschiedliche Wuchsformen mit entsprechend unterschiedlicher Schaftform auf.
Die Holz verwertende Industrie stellt differenzierte Ansprüche und verlangt einen möglichst homogenen Rohstoff. Um die Ressource Holz optimal zu nutzen, bedarf es deshalb einer optimierten Zuordnung vom Rundholz zum Verwerter, sodass dieser sicher sein kann, den für seine Zwecke bestgeeigneten Rohstoff geliefert zu bekommen.
Eine genaue und möglichst nach Baumarten differenzierte Kenntnis des Anfalls von Rundholz verschiedener Sorten, von Industrie- und Energieholz ist deshalb eine Hauptvoraussetzung für eine effiziente Ernte, sodass jedem Abnehmer von Holz die geeignete Sorte geliefert werden kann.
In der Regel ist es bisher so, dass das meiste Holz, mit Ausnahme wertvoller Furnierstämme, als Massenware geerntet wird und eher nach dem Massenanfall einem Verwerter angeboten wird, der das Rundholz dann im Werk nachsortiert. Nicht für die spezifische Verwertung geeignetes Holz wird entweder weiterverkauft oder thermisch verwertet. Es wurde aber bereits mit viel Aufwand transportiert, sortiert und hätte bei einem anderen Verwerter eventuell besser eingesetzt werden können, wenn es gleich dorthin geliefert worden wäre.
Bekannte Methoden zur Waldvermessung umfassen zum Beispiel ein terrestrisches Laserscanning.
Methoden der Waldvermessung umfassen zum Beispiel ein Erfassen des Waldes mittels einer Kamera einer Drohne, welche über den Wald fliegt.
Es besteht daher ein Bedarf einer effizienten Waldinventur, um den Rohstoff Holz effizient erfassen und verteilen zu können. Es besteht insofern ein Bedarf einer möglichst genauen Kenntnis der räumlichen Position von Ressourcen bestimmter Qualität als Basis weiterer Optimierungen im Bereich der Holzernte und des Holztransportes.
Die der Erfindung zugrunde liegende Aufgabe ist darin zu sehen, ein effizientes Konzept zum effizienten Ermitteln eines digitalen Modells eines Bereichs eines Waldes bereitzustellen.
Diese Aufgabe wird mittels des jeweiligen Gegenstands der unabhängigen Ansprüche gelöst. Vorteilhafte Ausgestaltungen der Erfindung sind Gegenstand von jeweils abhängigen Unteransprüchen.
Nach einem ersten Aspekt wird ein Verfahren zum Ermitteln eines digitalen Modells eines Bereichs eines Waldes bereitgestellt, umfassend die folgenden Schritte:
Verarbeiten von ersten Datensignalen, welche einen ersten Datensatz repräsentieren, wobei der erste Datensatz eine Sequenz von Luftbildern eines Waldes umfasst, wobei das Verarbeiten von ersten Datensignalen ein
Analysieren des ersten Datensatzes umfasst, um erste Baumstrukturmerkmale von den Luftbildern erfassten Bäumen zu ermitteln,
Identifizieren zumindest einer Bodenposition, an welcher eine bodengestützte Umfelderfassungseinrichtung angeordnet werden soll, basierend auf der Analyse des ersten Datensatzes,
Verarbeiten von zweiten Datensignalen, welche einen zweiten Datensatz repräsentieren, wobei der zweite Datensatz Umfelddaten umfasst, welche ein mittels der an der zumindest einen Bodenposition angeordneten bodengestützten Umfelderfassungseinrichtung erfasstes Umfeld der zumindest einen Bodenposition repräsentieren, wobei das Verarbeiten von zweiten Datensignalen ein
Analysieren des zweiten Datensatzes umfasst, um zweite Baumstrukturmerkmale von im Umfeld der zumindest einen Bodenposition vorhandenen Bäumen zu ermitteln,
Zusammenführen des ersten Datensatzes und des zweiten Datensatzes, um ein digitales Modell von im Umfeld der zumindest einen Bodenposition vorhandenen Bäume zu ermitteln, mittels eines Korrelierens der ersten Baumstrukturmerkmale mit den zweiten Baumstrukturmerkmalen.
Nach einem zweiten Aspekt wird eine Vorrichtung bereitgestellt, welche eingerichtet ist, alle Schritte des Verfahrens nach dem ersten Aspekt auszuführen. Nach einem dritten Aspekt wird ein Computerprogramm bereitgestellt, welches Befehle umfasst, die bei Ausführung des Computerprogramms durch einen Computer, beispielsweise durch die Vorrichtung nach dem zweiten Aspekt, diesen veranlassen, ein Verfahren gemäß dem ersten Aspekt auszuführen.
Nach einem vierten Aspekt wird ein maschinenlesbares Speichermedium bereitgestellt, auf dem das Computerprogramm nach dem dritten Aspekt gespeichert ist.
Die Erfindung basiert auf der Erkenntnis und schließt diese mit ein, dass die obige Aufgabe dadurch gelöst werden kann, dass zum einen Luftbildaufnahmen des Waldes und zum anderen Umfelddaten einer bodengestützten Umfelderfassungseinrichtung zusammengeführt werden, indem erste Baumstrukturmerkmale, welche aus den Luftbildaufnahmen ermittelt wurden, mit zweiten Baumstrukturmerkmalen korreliert werden, welche aus den Umfelddaten der bodengestützten Umfelderfassungseinrichtung ermittelt wurden.
Damit können in vorteilhafter Weise bisherige Schwachstellen der Einzelverfahren, also Luftvermessung und bodengestützte Umfelderfassung, effizient überbrückt oder kompensiert werden. Beide Einzelverfahren können sich so in effizienter und idealer Weise ergänzen und können somit komplementär eingesetzt werden, um Waldstrukturen unterhalb und im Kronenraum gleichermaßen effizient zu erfassen.
Zum Beispiel können mittels der bodengestützten Umfelderfassungseinrichtung Stamm und erste Strukturen bis zur Derbholzgrenze erfasst und danach mithilfe der Luftbilder auf Bestandsebene übertragen werden.
So lassen sich zum Beispiel in effizienter Weise Rundholzsortenstrukturen und ihre räumliche Verteilung im Wald ableiten.
Dadurch wird also insbesondere der technische Vorteil bewirkt, dass ein digitales Modell eines Bereichs eines Waldes effizient ermittelt werden kann.
Somit wird also weiter insbesondere der technische Vorteil bewirkt, dass eine räumliche Position von Holz bestimmter Qualität effizient ermittelt werden kann. Es wird insbesondere weiter der technische Vorteil bewirkt, dass eine Waldinventur effizient durchgeführt werden kann.
Somit können zum Beispiel unnötige Transportwege und unnötige Sortiervorgänge, wie in der Beschreibungseinleitung beschrieben, effizient vermieden werden, insofern nun einem bestimmten Holzverwerter gleich gewünschtes Holz geliefert werden kann.
Nach einer Ausführungsform ist vorgesehen, dass sich die Luftbilder zumindest teilweise derart räumlich überlappen, dass ein bestimmter räumlicher Punkt in zumindest zwei aufeinanderfolgenden Luftbildern abgebildet ist.
Dadurch wird zum Beispiel der technische Vorteil bewirkt, dass die Luftbilder effizient analysiert werden können, um effizient erste Baumstrukturmerkmale zu ermitteln.
Gemäß einer weiteren Ausführungsform ist vorgesehen, dass die ersten und/oder zweiten Baumstrukturmerkmale jeweils ein Element ausgewählt aus der folgenden Gruppe von Baumstrukturmerkmalen sind: Baumstamm, insbesondere Baumstammdurchmesser, Baumspitze, Baumkrone, Baumart, Textur-und/oder Strukturinformation der Krone und/oder der Rinde, Kronenform, insbesondere dreidimensionale Kronenform, Aststrukturen, insbesondere Astwinkel, Verzweigungsmuster, Astwinkelverteilungen, Astverteilungen.
Dadurch wird zum Beispiel der technische Vorteil bewirkt, dass besonders geeignete Baumstrukturmerkmale ermittelt werden.
Nach einer anderen Ausführungsform ist vorgesehen, dass ein optisches Flussfeld basierend auf den Luftbildern ermittelt wird, wobei die ersten Baumstrukturmerkmale basierend auf dem ermittelten optischen Flussfeld ermittelt werden.
Dadurch wird zum Beispiel der technische Vorteil bewirkt, dass die ersten Baumstrukturmerkmale effizient aus den Luftbildern ermittelt werden können.
Nach einer weiteren Ausführungsform ist vorgesehen, dass basierend auf dem ersten Datensatz eine erste Zusammensetzung von Bäumen für einen bestimmten Bereich des Waldes ermittelt wird, wobei die zumindest eine Bodenposition basierend auf der ersten Zusammensetzung derart identifiziert wird, dass das Umfeld der zumindest einen Bodenposition eine zweite Zusammensetzung von Bäumen umfasst, welche innerhalb eines vorbestimmten Übereinstimmungsmaßes der ersten Zusammensetzung entspricht.
Dadurch wird zum Beispiel der technische Vorteil bewirkt, dass die zumindest eine Bodenposition effizient identifiziert werden kann.
Weiter wird dadurch insbesondere der technische Vorteil bewirkt, dass effizient berücksichtigt werden kann, dass die beiden Datensätze teilweise nicht vollständig korrespondieren können, da zum Beispiel kleine Bäume im Unterstand von einer Drohne, welche die Luftbilder des Waldes aufnimmt, nicht erfasst werden können, da sie von den Bäumen im Oberstand optisch verdeckt sind.
Durch das Vorsehen eines entsprechend vorbestimmten Übereinstimmungsmaßes können solche Fälle effizient berücksichtigt werden.
Das vorbestimmte Übereinstimmungsmaß gibt an, in welchem Umfang die zweite Zusammensetzung von Bäumen der ersten Zusammensetzung von Bäumen entspricht.
Das vorbestimmte Übereinstimmungsmaß beträgt zum Beispiel mindestens 60 %, beispielsweise mindestens 70 %, beispielsweise mindestens 80 %. 100 % Übereinstimmungsmaß bedeutet vollständige Entsprechung.
Nach einer Ausführungsform ist ein Segmentieren des durch die Luftbilder abgebildeten Waldes in Segmentsätze derart vorgesehen, dass die Baumstrukturmerkmale, abgleitet aus dem ersten Datensatz in den Segmenten eines jeweiligen Segmentsatzes homogen, insbesondere im Wesentlichen homogen, sind.
Dadurch wird zum Beispiel der technische Vorteil bewirkt, dass die Luftbilder effizient segmentiert werden können.
Homogen wird insbesondere durch die Waldstruktur definiert. Dies schließt in der Regel zum Beispiel Baumdimensionen und räumliches Nebeneinander der Bäume ein.
Homogen ist zum Beispiel ein Bestand, der Bäume einer bestimmten Größen- und Artverteilung in einem ähnlichen Verteilungsmuster beinhaltet. Ähnliches Verteilungsmuster sind insbesondere Verteilungsmuster, welche innerhalb eines vorbestimmten Ähnlichkeitsmaß übereinstimmen. Verteilungsmuster werden insbesondere deshalb in vorteilhafter Weise berücksichtigt, weil in ungleichaltrigen Mischbeständen Bäume nicht alle gleich alt und groß sind.
Gemessen werden kann eine Homogenität zum Beispiel über die Kronenstruktur, die Kronenoberflächenstruktur im Besonderen, weiter beispielsweise über RGB-Werte der Textur und/oder aber auch über aus der 3D-Punktewolke extrahierte Baumstrukturmerkmale.
Dass die Baumstrukturmerkmale, abgleitet aus dem ersten Datensatz in den Segmenten eines jeweiligen Segmentsatzes homogen, insbesondere im Wesentlichen homogen sind, bedeutet also insbesondere, dass die Baumstrukturmerkmale Bäume eines Bestandes charakterisieren, dessen Bäume eine vorbestimmte Größen- und Artverteilung in einem ähnlichen Verteilungsmuster beinhalten oder umfassen.
Nach einer anderen Ausführungsform ist vorgesehen, dass eine Mehrzahl von Bodenpositionen, an welcher jeweils eine bodengestützte Umfelderfassungseinrichtung angeordnet werden soll, basierend auf der Analyse des ersten Datensatzes derart identifiziert wird, dass jede der Bodenpositionen in einem Segment eines unterschiedlichen Segmentensatzes lokalisiert ist.
Dadurch wird zum Beispiel der technische Vorteil bewirkt, dass eine Mehrzahl von Bodenpositionen, an welcher jeweils eine bodengestützte Umfelderfassungseinrichtung angeordnet werden soll, effizient ermittelt werden kann. Dadurch können also in vorteilhafter Weise der Wald effizient mittels der bodengestützten Umfelderfassungseinrichtung oder mittels der mehreren bodengestützten Umfelderfassungseinrichtungen effizient erfasst werden. Dadurch wird zum Beispiel der technische Vorteil bewirkt, dass die Segmente, die auch als Straten bezeichnet werden können, durch einen einzigen Scan erfasst werden können.
Gemäß einer anderen Ausführungsform ist vorgesehen, dass die bodengestützte Umfelderfassungseinrichtung einen terrestrischen Laserscanner umfasst und die Umfelddaten eine Punktwolke umfassen, welche das mittels des terrestrischen Laserscanners erfasste Umfeld der zumindest einen Bodenposition repräsentieren.
Dadurch wird zum Beispiel der technische Vorteil bewirkt, dass das Umfeld effizient erfasst werden kann. Nach einer Ausführungsform ist vorgesehen, dass die bodengestützte Umfelderfassungseinrichtung mehrere terrestrische Laserscanner umfasst.
In einer Ausführungsform umfasst die bodengestützte Umfelderfassungseinrichtung einen oder mehrere Umfeldsensoren.
Ein Umfeldsensor ist zum Beispiel einer der folgenden Umfeldsensoren: Radarsensor, Lidarsensor, Lasersensor, Ultraschallsensor, Infrarotsensor, Videosensor und Magnetfeldsensor.
Nach einer Ausführungsform ist vorgesehen, dass basierend auf zumindest einem ermittelten ersten Baumstrukturmerkmal eines Baums unter Verwendung eines Modells, insbesondere eines allometrischen Modells, zumindest ein zweites Baumstrukturmerkmal des gleichen Baums abgeleitet wird und/oder umgekehrt.
Dadurch wird zum Beispiel der technische Vorteil bewirkt, dass Baumstrukturmerkmale, die aus den Luftbildern oder aus den Umfelddaten nicht direkt ermittelt werden können, sich aus dem entsprechend anderen Datensatz effizient ableiten lassen.
Somit lassen sich in vorteilhafter Weise insbesondere auch Informationen erlangen, wenn nur von einem Sensor (Videosensor einer Videokamera eines Luftfahrzeugs, welche die Luftbilder aufgenommen hat, oder Umfeldsensor der Umfelderfassungseinrichtung) ausreichend Daten vorliegen und die des anderen Sensors eventuell lückenhaft sind. Die Ergänzung fehlender Informationen kann zum Beispiel über eine Schätzung aus, insbesondere lokal kalibrierter, Modelle, insbesondere allometrischer Modelle, erfolgen, welche die Baumdimensionen miteinander in Verbindung setzen.
In einer Ausführungsform wird das Modell aus den erfassten Daten kalibriert.
Nach einer Ausführungsform ist vorgesehen, dass aus einem Baumstammdurchmesser und einer Baumbestandsdichte eine Baumkronendurchmesserverteilung des dem Baumstammdurchmesser entsprechenden Baums abgeleitet wird.
Dadurch wird zum Beispiel der technische Vorteil bewirkt, dass eine Baumkronendurchmesserverteilung des dem Baumstammdurchmesser entsprechenden Baums effizient ermittelt werden kann. In einer anderen Ausführungsform ist vorgesehen, dass basierend auf einer Baumstammrichtung eine Position einer Baumspitze des der Baumstammrichtung entsprechenden Baums abgeleitet wird.
Dadurch wird zum Beispiel der technische Vorteil bewirkt, dass eine Position einer Baumspitze des der Baumstammrichtung entsprechenden Baums effizient ermittelt werden kann.
Nach einer anderen Ausführungsform ist vorgesehen, dass aus einer Baumbestandsdichte und einem Baumkronendurchmesser, und insbesondere aus einer Kronenform, beispielsweise einer dreidimensionalen Kronenform, ein Baumstammdurchmesser des dem Baumkronendurchmesser entsprechenden Baums abgeleitet wird.
Dadurch wird zum Beispiel der technische Vorteil bewirkt, dass ein Baumstammdurchmesser des dem Baumkronendurchmesser entsprechenden Baums effizient ermittelt werden kann. Weiter kann dadurch auch in vorteilhafter Weise ein Baumstammdurchmesser eines Baumes ermittelt werden, welcher nicht mittels der Umfelderfassungseinrichtung erfasst wurde.
In einer Ausführungsform ist vorgesehen, dass eine Baumart basierend auf den Umfelddaten, insbesondere basierend auf der Punktewolke, und/oder basierend auf anderen ersten und/oder zweiten Baumstrukturmerkmalen abgeleitet wird. Dazu werden zum Beispiel Textur-und Strukturinformation einer Krone und/oder einer Rinde und/oder eine Kronenform und/oder Aststrukturen (zum Beispiel Astwinkel- Verzweigungsmuster, Astwinkelverteilungen, Astverteilungen) verwendet.
Nach einer anderen Ausführungsform ist vorgesehen, dass die ersten und/oder die zweiten Baumstrukturmerkmale unter Verwendung eines Alphashape-Algorithmus und/oder eines Wasserscheidentransformations-Algorithmus ermittelt werden.
Dadurch wird zum Beispiel der technische Vorteil bewirkt, dass die ersten und/oder die zweiten Baumstrukturmerkmale effizient ermittelt werden können.
Nach einer weiteren Ausführungsform ist vorgesehen, dass die ersten und/oder die zweiten Baumstrukturmerkmale mittels eines künstlichen neuronalen Netzes ermittelt werden.
Das neuronale Netz erhält als Eingangsdaten zum Beispiel die Luftbilder und/oder die Umfelddaten. Das neuronale Netz gibt als Ausgangsdaten zum Beispiel die ersten und/oder die zweiten Baumstrukturmerkmale aus.
In einer Ausführungsform ist vorgesehen, dass die ersten und/oder die zweiten Baumstrukturmerkmale mittels einer Texturanalyse und/oder einer Prinzipalkomponentenanalyse der Luftbilder respektive der Umfelddaten ermittelt werden.
Dadurch wird zum Beispiel der technische Vorteil bewirkt, dass die ersten und/oder die zweiten Baumstrukturmerkmale effizient ermittelt werden können.
Nach einer Ausführungsform ist vorgesehen, dass das Verfahren nach dem ersten Aspekt mittels der Vorrichtung nach dem zweiten Aspekt aus- oder durchgeführt wird.
Vorrichtungsmerkmale ergeben sich analog aus entsprechenden Verfahrensmerkmalen und umgekehrt.
Das heißt also insbesondere, dass sich technische Funktionalitäten der Vorrichtung nach dem zweiten Aspekt aus entsprechenden technischen Funktionalitäten des Verfahrens nach dem ersten Aspekt und umgekehrt ergeben.
In einer Ausführungsform ist vorgesehen, dass die Luftbilder unter Verwendung eines Luftfahrzeugs, zum Beispiel einer Drohne, aufgenommen wurden.
Zum Beispiel ist vorgesehen, dass das Luftfahrzeug, insbesondere die Drohne, im Tiefflug, zum Beispiel in einer maximalen Flöhe von 20 m, über den Baumwipfeln geflogen ist und hierbei Videoaufnahmen erstellt hat, um eine Sequenz von Luftbildern des Waldes zu erhalten.
Dadurch kann zum Beispiel in vorteilhafter Weise eine sehr dichte Abdeckung des Waldes mit einer extrem hohen Bildüberlappung erhalten werden, wobei ein Parallaxeneffekt (Versatz) des Luftfahrzeugs in der Bewegung effizient genutzt werden kann, um Bäume oder Baumteile zu detektieren. Dieses Detektionsverfahren basiert zum Beispiel auf einem Ermitteln eines optischen Flussfeldes, im Englischen auch "optical flow" genannt. Es ergeben sich somit zum Beispiel Luftbilder, auf denen man im Prinzip die Bewegungsgeschwindigkeit des Luftfahrzeugs sieht. Baumteile, die weiter weg sind (weiter unten) bezogen auf das Luftfahrzeug lassen sich von näheren Baumteilen (weiter oben liegenden) bezogen auf das Luftfahrzeug trennen.
Diese Luftbilder werden gemäß einer Ausführungsform, zum Beispiel zusätzlich in Kombination mit Farbbildern des Waldes, durch Verfahren des Maschinenlernens (Verwendung eines künstlichen neuronalen Netzes) analysiert, um Baumspitzen und Baumkronenumrisse, allgemein erste Baumstrukturmerkmale, zu identifizieren oder zu ermitteln.
Ein Tiefflug im Sinne der Beschreibung bezeichnet insbesondere einen Flug eines Luftfahrzeugs zwischen 20 m und 100 m über den Baumwipfeln.
In einer Ausführungsform ist ein Empfangen der ersten und/oder zweiten Datensignale vorgesehen.
In einer Ausführungsform werden Modellsignale erzeugt und ausgegeben, welche das ermittelte digitale Modell von im Umfeld der zumindest einen Bodenposition vorhandenen Bäume repräsentieren.
In einer Ausführungsform ist das Verfahren nach dem ersten Aspekt ein computerimplementiertes Verfahren.
Ausführungsbeispiele der Erfindung sind in den Zeichnungen dargestellt und in der nachfolgenden Beschreibung näher erläutert. Es zeigen:
Fig. 1 ein Ablaufdiagramm eines Verfahrens zum Ermitteln eines digitalen Modells eines Bereichs eines Waldes,
Fig. 2 eine Vorrichtung,
Fig. 3 ein maschinenlesbares Speichermedium und
Fig. 4 einen Wald in schematischer Darstellung. Fig. 1 zeigt ein Ablaufdiagramm eines Verfahrens zum Ermitteln eines digitalen Modells eines Bereichs eines Waldes.
Das Verfahren umfasst die folgenden Schritte:
Verarbeiten 101 von ersten Datensignalen, welche einen ersten Datensatz repräsentieren, wobei der erste Datensatz eine Sequenz von Luftbildern eines Waldes umfasst, wobei das Verarbeiten von ersten Datensignalen ein
Analysieren 103 des ersten Datensatzes umfasst, um erste Baumstrukturmerkmale von den Luftbildern erfassten Bäumen zu ermitteln,
Identifizieren 105 zumindest einer Bodenposition, an welcher eine bodengestützte Umfelderfassungseinrichtung angeordnet werden soll, basierend auf der Analyse des ersten Datensatzes,
Verarbeiten 107 von zweiten Datensignalen, welche einen zweiten Datensatz repräsentieren, wobei der zweite Datensatz Umfelddaten umfasst, welche ein mittels der an der zumindest einen Bodenposition angeordneten bodengestützten Umfelderfassungseinrichtung erfasstes Umfeld der zumindest einen Bodenposition repräsentieren, wobei das Verarbeiten von zweiten Datensignalen ein
Analysieren 109 des zweiten Datensatzes umfasst, um zweite Baumstrukturmerkmale von im Umfeld der zumindest einen Bodenposition vorhandenen Bäumen zu ermitteln,
Zusammenführen 111 des ersten Datensatzes und des zweiten Datensatzes, um ein digitales Modell von im Umfeld der zumindest einen Bodenposition vorhandenen Bäume zu ermitteln, mittels eines Korrelierens 113 der ersten Baumstrukturmerkmale mit den zweiten Baumstrukturmerkmalen.
Fig. 2 zeigt eine Vorrichtung 201.
Die Vorrichtung 201 ist eingerichtet, alle Schritte des Verfahrens nach dem ersten Aspekt auszuführen.
Die Vorrichtung 201 umfasst einen Prozessor 203, welcher eingerichtet ist, vorstehend beschriebenen Schritte 101, 103, 105, 107, 109, 111 und 113 durchzuführen.
In einer nicht gezeigten Ausführungsform umfasst die Vorrichtung 201 einen Eingang, welcher eingerichtet ist, die ersten Datensignale und die zweiten Datensignale zu empfangen. Die Vorrichtung 201 umfasst gemäß einer weiteren nicht gezeigten Ausführungsform einen Ausgang, welcher eingerichtet ist, Modellsignale auszugeben, welche das ermittelte digitale Modell von im Umfeld der zumindest einen Bodenposition vorhandenen Bäume repräsentieren.
Der Prozessor 203 ist zum Beispiel eingerichtet, die Modellsignale zu erzeugen.
Fig. 3 zeigt ein maschinenlesbares Speichermedium 301.
Auf dem maschinenlesbaren Speichermedium 301 ist ein Computerprogramm 303 gespeichert.
Das Computerprogramm 303 umfasst Befehle, die bei Ausführung des Computerprogramms 303 durch einen Computer diesen veranlassen, ein Verfahren gemäß dem ersten Aspekt auszuführen.
Fig. 4 zeigt einen Wald 401 in schematisch vereinfachter Form.
Der Wald 401 umfasst einen ersten Baum 403 und einen zweiten Baum 405. Der erste Baum 403 ist ein Laubbaum. Der zweite Baum 405 ist ein Nadelbaum. Der Wald 401 umfasst weitere Bäume, welche der Übersicht halber nicht gezeigt sind.
Der erste Baum 403 umfasst einen ersten Stamm 407 und eine erste Baumkrone 409.
Der zweite Baum 405 umfasst einen zweiten Stamm 411 und eine Baumspitze 413.
Gemäß dem hier beschriebenen Konzept zum Ermitteln eines digitalen Modells eines Bereichs eines Waldes ist zum Beispiel vorgesehen, dass eine Drohne 415 umfassend eine Videokamera 417 im Tiefflug über den Wald 401 fliegt und während des Fluges Luftbilder des Waldes 401 mittels der Videokamera 417 aufnimmt.
Diese aufgenommenen Luftbilder werden analysiert, um erste Baumstrukturmerkmale von den Luftbildern erfassten Bäumen 403, 405 zu ermitteln.
Vorliegend sind das zum Beispiel die erste Baumkrone 409 und die Baumspitze 413.
Basierend auf der Analyse der Luftbilder wird zumindest eine Bodenposition identifiziert, an welcher eine bodengestützte Umfelderfassungseinrichtung 419 angeordnet werden soll. Die Umfelderfassungseinrichtung 419 umfasst einen terrestrischen Laserscanner 421.
Nach dem Anordnen der Umfelderfassungseinrichtung 419 an der identifizierten Bodenposition erfasst die Umfelderfassungseinrichtung 419, vorliegend der Laserscanner 421, ein Umfeld der Bodenposition.
Im Umfeld der Bodenposition befinden sich der erste Baum 403 und der zweite Baum 405.
Die der Erfassung entsprechenden Umfelddaten der Umfelderfassungseinrichtung 421 umfassen zum Beispiel eine Punktwolke, welche das mittels des Laserscanners 421 erfasste Umfeld der Bodenposition repräsentiert.
Die Punktwolke wird analysiert, um zweite Baumstrukturmerkmale des ersten Baums 403 und des zweiten Baums 405 zu ermitteln.
Vorliegend wird zum Beispiel ein jeweiliger Stammdurchmesser des ersten Baumstamms 407 und des zweiten Baumstamms 411 ermittelt.
Weiter ist gemäß dem hier beschriebenen Konzept zum Beispiel vorgesehen, dass die Luftbilder und die Punktwolke zusammengefügt werden, um ein digitales Modell von im Umfeld der Bodenposition vorhandenen Bäume 403, 405 zu ermitteln, mittels eines Korrelierens der ersten Baumstrukturmerkmale, also insbesondere der ersten Baumkrone 409 und der Baumspitze 413, mit den zweiten Baumstrukturmerkmalen, insbesondere dem jeweiligen Baumstammdurchmesser des ersten Baumstamms 407 und des zweiten Baumstamms 411.
Das hier beschriebene Konzept basiert also insbesondere auf einer Extraktion von Baumstrukturmerkmalen aus Luftbildern eines Waldes, die auch als Drohnenbilder bezeichnet werden können, sofern die Luftbilder mittels einer Drohne umfassend eine Videokamera aufgenommen wurden.
Zum Beispiel umfassen diese ersten Baumstrukturmerkmale Kronenspitzen, Kronenprojektion, Kronenform und Lücken. Weiter ist gemäß dem hier beschriebenen Konzept insbesondere vorgesehen, dass zweite Baumstrukturmerkmale aus Umfelddaten eines terrestrischen Laserscanners in einem Vorverarbeitungsschritt ermittelt werden.
Danach ist zum Beispiel vorgesehen, dass die Luftbilder und die Punktwolke über die ermittelten ersten und zweiten Baumstrukturmerkmale zusammengeführt werden.
Dadurch können in vorteilhafter Weise sowohl Bilder aus Drohnenflügen mit Farbvideokameras (RGB-Kameras) zusammengesetzt werden, was auch als ein "Stitching" bezeichnet werden kann.
Weiter können zum Beispiel die Luftbilder mit den Punktwolken, welche mittels des terrestrischen Laserscanners ermittelt wurden, verschnitten werden.
Gemäß einer Ausführungsform ist eine Verknüpfung der Punktwolken aus verschiedenen Scans des terrestrischen Laserscanners vorgesehen.
Ein besonderer Vorteil ist insbesondere, dass nicht direkt auf der Punktwolke gearbeitet wird, sondern vielmehr werden in dem Vorverarbeitungsschritt die zweiten Baumstrukturmerkmale extrahiert, welche recht robust sind und zum Zusammenführen, was auch als ein Registrieren bezeichnet werden kann, verwendet werden können.
Für das Zusammenführen kann beispielsweise der RANSAC-Algorithmus verwendet werden.
Der Vorverarbeitungsschritt wird beispielsweise unter Verwendung von einem oder mehreren Verfahren der Mustererkennung durchgeführt. Solche Verfahren umfassen zum Beispiel ein Ermitteln eines optischen Flussfeldes ("optical flow") und/oder eine Verwendung eines Watershed- Algorithmus, im Deutschen auch als Wasserscheidentransformations-Algorithmus bezeichnet.
In einer weiteren Ausführungsform ist ein Ableiten, insbesondere ein statistisches Ableiten, von Informationen (ersten und/oder zweiten Baumstrukturmerkmalen) vorgesehen, die nicht direkt gemessen wurden, basierend auf einem oder mehreren Modellen, insbesondere einem oder mehreren allometrischen Modellen. Dadurch lassen sich auch Informationen, vorliegend die Baumstrukturmerkmale, erlangen, wenn nur von einem Sensor (zum Beispiel entweder vom Laserscanner oder zum Beispiel von der Videokamera des Luftfahrzeugs, insbesondere der Drohne) ausreichend Daten vorliegen und die des anderen Sensors eventuell lückenhaft sind. Die Ergänzung fehlender Informationen erfolgt zum Beispiel über eine Schätzung aus, insbesondere lokal kalibrierten, allometrischen Modellen, welche die Baumdimensionen miteinander in Verbindung setzen.
Die Daten des Laserscanners ergeben zum Beispiel einen Stammdurchmesser und eine Bestandsdichte, woraus eine Kronendurchmesserverteilung abgeleitet respektive geschätzt werden kann.
Die Daten des terrestrischen Laserscanners ergeben beispielsweise eine Stammrichtung, aus welcher eine wahrscheinliche Position der zugehörigen Baumspitze abgeleitet werden kann.
Die Luftbilder ergeben zum Beispiel eine Bestandsdichte und einen Kronendurchmesser, aus welchen ein Stammdurchmesser abgeleitet werden respektive geschätzt werden kann.
Diese geschätzten respektive abgeleiteten Informationen können zum Beispiel auch zusätzlich für das Zusammenführen verwendet werden, insbesondere die geschätzten Baumspitzen bei Koniferen.

Claims

Ansprüche
1. Verfahren zum Ermitteln eines digitalen Modells eines Bereichs eines Waldes (401), umfassend die folgenden Schritte:
Verarbeiten (101) von ersten Datensignalen, welche einen ersten Datensatz repräsentieren, wobei der erste Datensatz eine Sequenz von Luftbildern eines Waldes (401) umfasst, wobei das Verarbeiten (101) von ersten Datensignalen ein
Analysieren (103) des ersten Datensatzes umfasst, um erste Baumstrukturmerkmale von den Luftbildern erfassten Bäumen (403, 405) zu ermitteln,
Identifizieren (105) zumindest einer Bodenposition, an welcher eine bodengestützte Umfelderfassungseinrichtung (419) angeordnet werden soll, basierend auf der Analyse des ersten Datensatzes,
Verarbeiten (107) von zweiten Datensignalen, welche einen zweiten Datensatz repräsentieren, wobei der zweite Datensatz Umfelddaten umfasst, welche ein mittels der an der zumindest einen Bodenposition angeordneten bodengestützten Umfelderfassungseinrichtung (419) erfasstes Umfeld der zumindest einen Bodenposition repräsentieren, wobei das Verarbeiten (107) von zweiten Datensignalen ein
Analysieren (109) des zweiten Datensatzes umfasst, um zweite Baumstrukturmerkmale von im Umfeld der zumindest einen Bodenposition vorhandenen Bäumen (403, 405) zu ermitteln, Zusammenführen (111) des ersten Datensatzes und des zweiten Datensatzes, um ein digitales Modell von im Umfeld der zumindest einen Bodenposition vorhandenen Bäume (403, 405) zu ermitteln, mittels eines Korrelierens (113) der ersten Baumstrukturmerkmale mit den zweiten Baumstrukturmerkmalen.
2. Verfahren nach Anspruch 1, wobei sich die Luftbilder zumindest teilweise derart räumlich überlappen, dass ein bestimmter räumlicher Punkt in zumindest zwei aufeinanderfolgenden Luftbildern abgebildet ist.
3. Verfahren nach Anspruch 1 oder 2, wobei die ersten und/oder zweiten
Baumstrukturmerkmale jeweils ein Element ausgewählt aus der folgenden Gruppen von Baumstrukturmerkmalen sind: Baumstamm (407, 411), insbesondere
Baumstammdurchmesser, Baumspitze (413), Baumkrone (409), Baumart, Textur-und/oder Strukturinformation der Krone und/oder der Rinde, Kronenform, Aststrukturen, insbesondere Astwinkel, Verzweigungsmuster, Astwinkelverteilungen, Astverteilungen.
4. Verfahren nach einem der vorherigen Ansprüche, wobei ein optisches Flussfeld basierend auf den Luftbildern ermittelt wird, wobei die ersten Baumstrukturmerkmale basierend auf dem ermittelten optischen Flussfeld ermittelt werden.
5. Verfahren nach einem der vorherigen Ansprüche, wobei basierend auf dem ersten Datensatz eine erste Zusammensetzung von Bäumen (403, 405) für einen bestimmten Bereich des Waldes (401) ermittelt wird, wobei die zumindest eine Bodenposition basierend auf der ersten Zusammensetzung derart identifiziert wird, dass das Umfeld der zumindest einen Bodenposition eine zweite Zusammensetzung von Bäumen (403, 405) umfasst, welche innerhalb eines vorbestimmten Übereinstimmungsmaßes der ersten Zusammensetzung entspricht.
6. Verfahren nach einem der vorherigen Ansprüche, umfassend ein Segmentieren des durch die Luftbilder abgebildeten Waldes (401) in Segmentsätze derart, dass die Baumstrukturmerkmale, abgleitet aus dem ersten Datensatz in den Segmenten eines jeweiligen Segmentsatzes, homogen, insbesondere im Wesentlichen homogen, sind.
7. Verfahren nach Anspruch 6, wobei eine Mehrzahl von Bodenpositionen, an welcher jeweils eine bodengestützte Umfelderfassungseinrichtung (419) angeordnet werden soll, basierend auf der Analyse des ersten Datensatzes derart identifiziert wird, dass jede der Bodenpositionen in einem Segment eines unterschiedlichen Segmentensatzes lokalisiert ist.
8. Verfahren nach einem der vorherigen Ansprüche, wobei die bodengestützte Umfelderfassungseinrichtung (419) einen terrestrischen Laserscanner (421) umfasst und die Umfelddaten eine Punktwolke umfassen, welche das mittels des terrestrischen Laserscanners (421) erfasste Umfeld der zumindest einen Bodenposition repräsentieren.
9. Verfahren nach einem der vorherigen Ansprüche, wobei basierend auf zumindest einem ermittelten ersten Baumstrukturmerkmal eines Baums (403, 405) unter Verwendung eines Modells, insbesondere eines allometrischen Modells, zumindest ein zweites Baumstrukturmerkmal des gleichen Baums (403, 405) abgeleitet wird und/oder umgekehrt.
10. Verfahren nach Anspruch 9, wobei aus einem Baumstammdurchmesser und einer Baumbestandsdichte eine Baumkronendurchmesserverteilung des dem Baumstammdurchmesser entsprechenden Baums (403, 405) abgeleitet wird.
11. Verfahren nach Anspruch 9 oder 10, wobei basierend auf einer Baumstammrichtung eine Position einer Baumspitze (413) des der Baumstammrichtung entsprechenden Baums (403, 405) abgeleitet wird.
12. Verfahren nach einem der Ansprüche 9 bis 11, wobei aus einer Baumbestandsdichte und einem Baumkronendurchmesser ein Baumstammdurchmesser des dem Baumkronendurchmesser entsprechenden Baums (403, 405) abgeleitet wird.
13. Verfahren nach einem der vorherigen Ansprüche, wobei die ersten und/oder die zweiten Baumstrukturmerkmale unter Verwendung eines Alphashape-Algorithmus und/oder eines Wasserscheidentransformations -Algorithmus ermittelt werden.
14. Verfahren nach einem der vorherigen Ansprüche, wobei die ersten und/oder die zweiten Baumstrukturmerkmale mittels eines künstlichen neuronalen Netzes ermittelt werden.
15. Vorrichtung, die eingerichtet ist, alle Schritte des Verfahrens nach einem der vorherigen Ansprüche auszuführen.
16. Computerprogramm, umfassend Befehle, die bei Ausführung des Computerprogramms durch einen Computer diesen veranlassen, ein Verfahren gemäß einem der Ansprüche 1 bis 14 auszuführen.
17. Maschinenlesbares Speichermedium, auf dem das Computerprogramm nach Anspruch 16 gespeichert ist.
PCT/EP2020/063404 2019-05-15 2020-05-14 Verfahren zum ermitteln eines digitalen modells eines bereichs eines waldes WO2020229575A1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
EP20730390.0A EP3970069A1 (de) 2019-05-15 2020-05-14 Verfahren zum ermitteln eines digitalen modells eines bereichs eines waldes

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102019112692.4A DE102019112692A1 (de) 2019-05-15 2019-05-15 Verfahren zum Ermitteln eines digitalen Modells eines Bereichs eines Waldes
DE102019112692.4 2019-05-15

Publications (1)

Publication Number Publication Date
WO2020229575A1 true WO2020229575A1 (de) 2020-11-19

Family

ID=70977503

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2020/063404 WO2020229575A1 (de) 2019-05-15 2020-05-14 Verfahren zum ermitteln eines digitalen modells eines bereichs eines waldes

Country Status (3)

Country Link
EP (1) EP3970069A1 (de)
DE (1) DE102019112692A1 (de)
WO (1) WO2020229575A1 (de)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112560661A (zh) * 2020-12-10 2021-03-26 首都师范大学 叶面积指数的计算方法、装置、电子设备及可读存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FI112402B (fi) * 1999-10-28 2003-11-28 Diware Oy Menetelmä puustotunnusten määrittämiseksi sekä tietokoneohjelma menetelmän suorittamiseksi
US8306941B2 (en) * 2009-03-24 2012-11-06 Weyerhaeuser Nr Company System and method for identifying trees using LiDAR tree models
SE541287C2 (en) * 2017-02-27 2019-06-11 Katam Tech Ab Forest surveying apparatus and method using video sequences to generate 3D models

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
FRANCESCA GIANNETTI ET AL: "Integrating terrestrial and airborne laser scanning for the assessment of single-tree attributes in Mediterranean forest stands", EUROPEAN JOURNAL OF REMOTE SENSING, vol. 51, no. 1, 31 July 2018 (2018-07-31), pages 795 - 807, XP055721037, DOI: 10.1080/22797254.2018.1482733 *
I AICARDI ET AL: "Integration between TLS and UAV photogrammetry techniques for forestry applications", IFOREST - BIOGEOSCIENCES AND FORESTRY, vol. 10, no. 1, 23 June 2016 (2016-06-23), pages 1 - 7, XP055721035, DOI: 10.3832/ifor1780-009 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112560661A (zh) * 2020-12-10 2021-03-26 首都师范大学 叶面积指数的计算方法、装置、电子设备及可读存储介质

Also Published As

Publication number Publication date
EP3970069A1 (de) 2022-03-23
DE102019112692A1 (de) 2020-11-19

Similar Documents

Publication Publication Date Title
Barbosa et al. RGB vegetation indices applied to grass monitoring: A qualitative analysis
EP3782467B1 (de) Verfahren zum identifizieren von beikräutern innerhalb einer definierten pflanzenreihe einer landwirtschaftlichen fläche
DE102019127282A1 (de) System und Verfahren zum Analysieren einer dreidimensionalen Umgebung durch tiefes Lernen
DE202017007481U1 (de) System zur Überwachung von Nutzpflanzen
DE112020003158T5 (de) Trainingsverfahren für ein Zielerfassungsmodell, Verfahren und Vorrichtung zur Kennzeichnung der Daten
DE102018128531A1 (de) System und Verfahren zum Analysieren einer durch eine Punktwolke dargestellten dreidimensionalen Umgebung durch tiefes Lernen
DE102018102688A1 (de) Bildverarbeitungsvorrichtung, Bildverarbeitungsprogramm und Bildverarbeitungssystem
DE2050941A1 (de) Verfahren und Vorrichtung zur Klassi fikation unbekannter Muster auf Grund von Bildmerkmalen
DE102008060141A1 (de) Verfahren zur Vermessung des Wachstums von Blattscheiben sowie eine dazu geeignete Vorrichtung
WO2018073163A1 (de) Ertragsvorhersage für ein kornfeld
EP4088223A1 (de) Verfahren zum generieren einer vielzahl von annotierten bildern
EP2854506A1 (de) Verfahren zum berührungslosen bestimmen des aktuellen ernährungszustandes eines pflanzenbestandes und zum verarbeiten dieser information
DE102016100134B4 (de) Verfahren und Vorrichtung zum Untersuchen eines Objekts unter Verwendung von maschinellem Sehen
DE102018120756A1 (de) Mobile Analyse- und Bearbeitungsvorrichtung, Verfahren und Trägersystem
EP3970069A1 (de) Verfahren zum ermitteln eines digitalen modells eines bereichs eines waldes
DE102017217258A1 (de) Verfahren zum Klassifizieren von Pflanzen
DE102020103575B4 (de) Merkmalspunktdetektionsvorrichtung und -verfahren zur Detektion von Merkmalspunkten in Bilddaten
DE102014108924B4 (de) Ein halbüberwachtes Verfahren zum Trainiern eines Hilfsmodells zur Erkennung und Erfassung von Mehrfachmustern
DE202022106630U1 (de) System zur Ermittlung von Baumdurchmessern auf Brusthöhe
DE102022201279B3 (de) Verfahren zum Erfassen einer Umgebung eines Fahrzeugs, Kameravorrichtung und Fahrzeug
EP4064819B1 (de) Verfahren zum bearbeiten von pflanzen auf einem feld, zum generieren von trainingsdaten und zum trainieren eines neuronalen netzes
DE102013209109A1 (de) Vorrichtung und Verfahren zum Parametrisieren einer Pflanze
DE102020129164A1 (de) Verfahren und vorrichtung zur unterscheidung von verschiedenen konfigurationszuständen eines objekts auf der grundlage einer bildlichen darstellung des objekts
DE69132401T2 (de) Zielerkennung mit Anwendung von Quantisations-Indexen
EP4064818B1 (de) Verfahren zum bearbeiten von pflanzen auf einem feld

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20730390

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2020730390

Country of ref document: EP

Effective date: 20211215