-
公开(公告)号：CN110378909A
公开(公告)日：2019-10-25
申请号：CN201910551190.9
申请日：2019-06-24
Applicant: 南京林业大学
Abstract: 本发明公开了一种基于Faster R-CNN的面向激光点云的单木分割方法，包括获取林段点云数据；计算扫描林段的点云特征，实现林段点云数据的枝叶分离；对林段的主干点云数据进行自适应体素化操作，并对其进行多角度投影以生成相应的深度图像；采用深度学习方法对生成的深度图像中的主干进行检测；利用检测到的深度图像中主干的位置信息，通过反投影获得相应主干的空间三维点云。将获取到的主干部分的点云作为种子点，结合区域增长算法实现单木分离。本发明采用深度学习方法，借助大数据样本进行学习，单木分割准确度更高，为使用深度学习来准确的解决基于地面的LiDAR数据的单个橡胶树分割问题提供可能性。
-
公开(公告)号：CN109446691A
公开(公告)日：2019-03-08
申请号：CN201811322277.0
申请日：2018-11-08
Applicant: 南京林业大学
Abstract: 本发明公开了一种基于激光点云与空气动力学的活立木抗风性能分析方法，包括获取林木点云数据并枝叶分离；采用拉普拉斯算法对枝干点云进行收缩；将枝干点云数据自下而上切分为不同的层；求取每个高度分层的聚类中心点，根据聚类中心点拟合每一个高度分层的枝干；将活立木不同枝干骨架分类为主枝干和次级枝干；完成对活立木叶子点云数据的归属；建立林分模型，将林分模型加载风力，根据湍流模型和流固耦合模型分析林分内部动态压力、风速度以及湍流动能强度分布，本发明计算复杂度适中，能更好地描述活立木的空间结构特征与生长参数变化，实现活立木在台风下抗风性能的定性定量化评估，准确度高，为树木的栽培种植与防风营造提供准确的理论依据。
-
公开(公告)号：CN108872964A
公开(公告)日：2018-11-23
申请号：CN201810930730.X
申请日：2018-08-15
Applicant: 南京林业大学
IPC: G01S7/48
Abstract: 本发明公开一种基于无人机LiDAR数据的银杏人工林郁闭度提取方法，包括对激光雷达离散点云数据滤波，插值生成数字地形模型，点云数据归一化处理；然后分别基于归一化点云数据提取特征变量，结合地面实测郁闭度和提取的特征变量，在优选变量的基础上进行逐步回归构建预测模型对研究区内郁闭度进行估测。本发明通过获取无人机激光雷达点云并提取冠层特征变量，并结合地面实测数据，可以高效率且高精度地获取特定范围的“面”上连续分布的郁闭度。全面深入地提取了多组人工林冠层无人机激光雷达点云特征，从而高质量地提取了人工林林分郁闭度。与使用其他相近遥感方法进行林分郁闭度反演相比，其相对均方根误差降低1.7％。
-
公开(公告)号：CN104867180B
公开(公告)日：2017-09-15
申请号：CN201510284456.X
申请日：2015-05-28
Applicant: 南京林业大学
IPC: G06T17/00
Abstract: 本发明公开了一种集成UAV与LIDAR的森林林分特征反演方法，通过结合UAV与LiDAR数据提取典型林分特征，利用特征点匹配算法和空中三角生成研究区三维点云作为数字表面模型结合LiDAR提取的数字地形模型计算树冠冠层模型，再结合地面实测林分调查数据与联合提取的点云变量构建多元回归估算模型并验证其精度。一方面冠层点云采用UAV数据，相对于LiDAR，具有灵活性高，廉价等特点，数据获取方便，具有长期定时重复观测的可能性。另一方面利用LiDAR的穿透性获取地形数据，而地形相对稳定，可以作为长期观测的数据基础。二者结合，各取所长，是一条廉价、灵活的森林状态监测方式，相关分析表明联合提取的点云变量与森林垂直信息（树高）具有很高的敏感性。
-
公开(公告)号：CN106484997A
公开(公告)日：2017-03-08
申请号：CN201610886061.1
申请日：2016-10-10
Applicant: 南京林业大学
CPC classification number: G06F17/5009 , G01S15/025 , G01S15/08 , G01S19/43 , G01S19/45 , G06F2217/16
Abstract: 本发明公开了一种基于克里金插值的水岸带淤泥厚度计算及出图方法：首先使用船载RTK和声呐进行点数据采集；然后，分别对高频和低频点数据进行普通克里金格网插值，形成两个频段的规则格网数据；最后，结合杆高等固定参数设置，计算淤泥顶和淤泥底数据，得到淤泥厚度，并使用ArcGIS进行栅格计算，得到空间淤泥厚度图。本发明的基于克里金插值的水岸带淤泥厚度计算及出图方法，将无人船应用于河道的淤泥厚度测绘中，能够提高测绘的工作效率和工作准确度。通过对南京水西门河段进行实地测试和出图验证，本方法具有较高的精度和效率，能够较好的完成典型水岸带河底淤泥的精确测定，能够为水岸带土壤研究提供技术支持。
-
Patent Agency Ranking
公开(公告)号：CN104808191A
公开(公告)日：2015-07-29
申请号：CN201510234714.3
申请日：2015-05-08
Applicant: 南京林业大学
IPC: G01S7/48
CPC classification number: G01S7/4802
Abstract: 本发明公开了一种基于全波形LiDAR单木冠层容积分解的树种分类方法，包括：借助机载小光斑全波形LiDAR传感器进行数据采集；传感器记录每束激光脉冲返回的完整波形信息；LiDAR波形数据预处理；单木定位和冠幅提取；基于发射能量及传感器与地物的距离信息对LiDAR波形数据进行校正；构建体元框架并进行LiDAR波形的结构化分解；对单木进行冠层容积分解并提取特征变量；使用随机森林分类器进行树种分类。本发明验证结果表明，总体精度提升了11%左右；Kappa系数提升了0.1左右。
-
公开(公告)号：CN104656098A
公开(公告)日：2015-05-27
申请号：CN201510056042.1
申请日：2015-02-03
Applicant: 南京林业大学
IPC: G01S17/89
Abstract: 本发明公开了一种遥感森林生物量反演的方法，该方法在对遥感数据预处理的基础上，分别从LiDAR点云（包含冠层三维空间信息）及多光谱（包含冠层上表面的光谱信息）数据中提取植被冠层的特征变量；通过相关性分析筛选以上LiDAR点云和多光谱特征变量，并结合地面实测生物量信息通过逐步回归模型反演地上和地下生物量。通过本发明构建的北亚热带森林生物量的优化反演模型可将模型“决定系数”R2提高3-24%；并可高精度估算森林生物量，将“相对均方根误差”rRMSE降低2-10%。可应用在林业调查、森林资源监测、森林碳储量评估及森林生态系统的研究等领域，并为森林可持续经营及森林资源的综合利用提供定量化的数据支持。
-
公开(公告)号：CN112819830B
公开(公告)日：2024-09-06
申请号：CN202110092586.9
申请日：2021-01-24
Applicant: 南京林业大学
Abstract: 本发明公开一种基于深度学习与机载激光点云的单株树冠分割方法，包括获取研究场地的点云数据；将去噪后的点云数据分为地上点和地面点；提取地上点中单株树木点云，将不同树木划分在不同的体素内；构造训练样本数据集；对PointNet深度神经网络开展训练；将待测场地的地上点通过体素化的方法细分为多个体素，将体素内点云数据转换为PointNet所需格式后，输入到训练好的PointNet模型内，识别出树的每个体素中的点云；将每个体素DSM的梯度信息结合惯性动量梯度的方法定位树冠的边界点，根据边界点勾勒出分割的树冠。本发明在体素尺度上识别树木，并结合高度相关的梯度信息来完成单株树冠的划定，单株树冠分割精确较高。
-
公开(公告)号：CN110569805B
公开(公告)日：2023-05-05
申请号：CN201910855294.9
申请日：2019-09-10
Applicant: 南京林业大学
Abstract: 本发明公开了一种基于无人机影像点云的人工林单木提取及立地质量评价的方法，属于森林资源管理技术领域。首先借助无人机搭载多光谱相机采集多光谱相片，应用SFM技术对带有坐标信息的无人机相片进行匹配生成摄影测量点云，对摄影测量点云进行处理获得归一化的点云数据；然后采用基于归一化点云的PCS方法对人工林进行单木提取并进行精度验证；最后，通过优势木平均高并结合样地基准年龄，编制地位级指数表，对人工林进行立地质量评价。本发明可应用在森林资源监测、生态因子调查及生物多样性研究等领域，并可掌握森林树种资源分布及动态变化，对于森林的经营管理、生态环境保护及气候变化方面具有重要意义。
-
公开(公告)号：CN115546179A
公开(公告)日：2022-12-30
申请号：CN202211316076.6
申请日：2022-10-26
Applicant: 南京林业大学
IPC: G06T7/00 , G06T7/11 , G06T7/521 , G06V10/762 , G06V10/774 , G06V10/82 , G06N3/08 , G06N3/04
Abstract: 本发明公开了一种基于优化模糊深度网络的林木胸径材积精准预测方法，包括：对林地点云数据预处理并单木分割；获取单株树木的林木参数；建立林木参数预测网络，林木参数预测网络包括模糊深度网络和鸽群优化模块，训练林木参数预测网络，训练完成后输出预测值并输送给鸽群优化模块，鸽群优化模块更新模糊深度网络的参数并完成最优参数搜寻，模糊深度网络依据最优参数完成自适应训练，建立林木参数预测模型；本发明开展林木参数预测模型，提出自适应算法以增强林木参数预测模型对不同林木品种的泛化能力，嵌入注意力机制模块增强网络的鲁棒性，融合鸽群优化算法实时调整模糊深度网络的参数，进一步提升了模型的预测精度与学习能力。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.044 seconds)
