-
公开(公告)号：CN113705337B
公开(公告)日：2024-03-22
申请号：CN202110799165.X
申请日：2021-07-15
Applicant: 南京林业大学 , 中国林业科学研究院资源信息研究所
Abstract: 本发明公开了一种基于独立共享空间距离度量学习的无人机多视图火人烟识别方法，属于模式识别技术领域，包括以下步骤：S1、通过无人机在林区实时采集数据来获取无人机航测数据，对获取的视频进行联合平差处理，对视频进行单元拆分识别得到视频中的人物、烟雾、火焰图像，并对其特征进行识别、提取和标注；S2、将采集到的实时图像进行多视图处理，提取图像的HSV颜色特征作为图像的第一视图，然后通过LBP算法提取图像的纹理特征作为图像的第二视图；S3、将数据带入多视图识别方法进行识别，该基于独立共享空间距离度量学习的无人机多视图火人烟识别方法，容易实现，并且易于优化，很好地解决了描述的目标可能存在视图缺失导致无法保证共享特征模式的有效表达的问题。
-
公开(公告)号：CN115131517B
公开(公告)日：2024-03-15
申请号：CN202210815199.8
申请日：2022-07-08
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06T17/10 , G06F30/20 , G01D21/02 , G06F111/10
Abstract: 本发明提供了一种基于内外竞争影响圈的竞争可视模型，属于可视化、三维模拟、数字孪生技术领域，测量内竞争影响圈竞争木胸径，计为Dp；测量内竞争影响圈对象木胸径，计为Di；测量内竞争影响圈竞争木与对象木树冠重叠面积，计为Opi等数值，代入模型中得到基于竞争影响圈的竞争指标。在森林的三维模拟、数字林场等方面可以有效地模拟树木之间的竞争方式与竞争状态，以及承受的竞争压力，为森林的三维模拟、数字林场提供模型支撑。
-
公开(公告)号：CN115131517A
公开(公告)日：2022-09-30
申请号：CN202210815199.8
申请日：2022-07-08
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06T17/10 , G06F30/20 , G01D21/02 , G06F111/10
Abstract: 本发明提供了一种基于内外竞争影响圈的竞争可视模型，属于可视化、三维模拟、数字孪生技术领域，测量内竞争影响圈竞争木胸径，计为Dp；测量内竞争影响圈对象木胸径，计为Di；测量内竞争影响圈竞争木与对象木树冠重叠面积，计为Opi等数值，代入模型中得到基于竞争影响圈的竞争指标。在森林的三维模拟、数字林场等方面可以有效地模拟树木之间的竞争方式与竞争状态，以及承受的竞争压力，为森林的三维模拟、数字林场提供模型支撑。
-
公开(公告)号：CN113705337A
公开(公告)日：2021-11-26
申请号：CN202110799165.X
申请日：2021-07-15
Applicant: 南京林业大学 , 中国林业科学研究院资源信息研究所
Abstract: 本发明公开了一种基于独立共享空间距离度量学习的无人机多视图火人烟识别方法，属于模式识别技术领域，包括以下步骤：S1、通过无人机在林区实时采集数据来获取无人机航测数据，对获取的视频进行联合平差处理，对视频进行单元拆分识别得到视频中的人物、烟雾、火焰图像，并对其特征进行识别、提取和标注；S2、将采集到的实时图像进行多视图处理，提取图像的HSV颜色特征作为图像的第一视图，然后通过LBP算法提取图像的纹理特征作为图像的第二视图；S3、将数据带入多视图识别方法进行识别，该基于独立共享空间距离度量学习的无人机多视图火人烟识别方法，容易实现，并且易于优化，很好地解决了描述的目标可能存在视图缺失导致无法保证共享特征模式的有效表达的问题。
-
公开(公告)号：CN109002621A
公开(公告)日：2018-12-14
申请号：CN201810829343.7
申请日：2018-07-25
Applicant: 中国林业科学研究院资源信息研究所
Abstract: 本发明公开了一种顾及邻域与地理差异的林分平均高与胸径计算方法，包括数据提取、地域区域统计、建立分层数据集、模型训练、模型精度修正、模型计算和检查整体数据几个环节。本发明提出了一个以生长环境、树种、经营状况与各类调查数据为基础，对具有历史调查数据而又缺乏生长模型或现有生长模型不适用的树种结合现有常见的各类生长模型的建模过程，并应用空间区域统计、空间插值、地理加权回归、机器学习以及ArcGIS软件构建模型，能根据数据情况自我学习与优化的区域小班优势树种平均树高与平均胸径计算方法，可在区域范围内针对目标小班动态建立计算模型对小班的平均树高与胸径进行计算，可为森林蓄积量的计算提供可靠的数据支撑。
-
Patent Agency Ranking
公开(公告)号：CN105005065A
公开(公告)日：2015-10-28
申请号：CN201510406185.0
申请日：2015-07-13
Applicant: 中国林业科学研究院资源信息研究所 , 知晓(北京)通信科技有限公司
IPC: G01S19/48
CPC classification number: G01S19/48
Abstract: 本发明公开了一种森林防火移动智能终端火点定位方法，护林员发现火情后，打开智能终端软件；自动启用GPS模块，获取经纬度信息；智能终端水平放置，罗盘计算水平角度；智能终端重力加速器计算出坡度信息，转化计算出智能终端垂直到地面和正对到火点的夹角，即为俯角和仰角的角度值；拍摄火情图片，上传信息到地理信息平台上；平台根据经纬度、水平角度和垂直角度，并结合GIS的DEM高程数值计算并标绘出当前火点位置。本发明供森林护林员佩戴使用，护林员移动巡护，可以做到区域内无死角的观测以及火情无遗漏；识别更高效和准确；本发明可以基于手持智能终端使用，成本低，使用方便。
-
公开(公告)号：CN111679288B
公开(公告)日：2022-10-21
申请号：CN202010567544.1
申请日：2020-06-19
Applicant: 中国林业科学研究院资源信息研究所
Abstract: 本发明提供了一种点云数据的空间分布度量方法，用以解决现有技术中点云数据空间分布无法量化的问题。所述点云数据空间分布度量方法，通过度量因子对点云数据的空间分布进行定量描述，度量因子包括有效格率、点云分布均匀度和冗余度，有效格率反映了点云数据的覆盖情况，点云分布均匀度和冗余度分别反映了点云分布的均匀性和冗余性。本发明实施例的点云数据空间分布度量方法，定量地描述了点云数据质量，高质量点云数据具有高有效格率、高点云分布均匀度和低点云分布冗余度，低质量点云数据具有低有效格率、低点云分布均匀度和高点云分布冗余度，通过点云空间分布度量因子来约束数据采集方式，可有效指导激光雷达和摄影测量数据采集工作。
-
公开(公告)号：CN113111504A
公开(公告)日：2021-07-13
申请号：CN202110376198.3
申请日：2021-04-08
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06F30/20 , G06Q10/06 , G06Q50/02 , G06F111/10
Abstract: 一种基于目标树经营间伐木智能选择算法，具体步骤为：步骤一：判断每个样地的空间分布，确定需要抚育择伐的样地；步骤二：判断树种的空间分布，确定需要抚育的树种；步骤三：判断空间结构单元，确定采伐单元；步骤四：空间单元单株竞争力分析，确定间伐木。采用空间结构参数对每棵树的空间结构进行量化。在此基础上，使用角度标度为间伐木选择了的主要指标，设计了样地择伐选择、树种择伐选择、空间结构单元择伐选择、单株择伐选择的流程和算法，并实现了相应功能。在基于角度尺度的基础上进行间伐木的选择，分别使用三个不同的竞争因子(CI,CII and ZCI)进行间伐木选择，并比较和分析了间伐木的选择结果。
-
公开(公告)号：CN109002621B
公开(公告)日：2022-11-15
申请号：CN201810829343.7
申请日：2018-07-25
Applicant: 中国林业科学研究院资源信息研究所
Abstract: 本发明公开了一种顾及邻域与地理差异的林分平均高与胸径计算方法，包括数据提取、地域区域统计、建立分层数据集、模型训练、模型精度修正、模型计算和检查整体数据几个环节。本发明提出了一个以生长环境、树种、经营状况与各类调查数据为基础，对具有历史调查数据而又缺乏生长模型或现有生长模型不适用的树种结合现有常见的各类生长模型的建模过程，并应用空间区域统计、空间插值、地理加权回归、机器学习以及ArcGIS软件构建模型，能根据数据情况自我学习与优化的区域小班优势树种平均树高与平均胸径计算方法，可在区域范围内针对目标小班动态建立计算模型对小班的平均树高与胸径进行计算，可为森林蓄积量的计算提供可靠的数据支撑。
-
公开(公告)号：CN111679288A
公开(公告)日：2020-09-18
申请号：CN202010567544.1
申请日：2020-06-19
Applicant: 中国林业科学研究院资源信息研究所
Abstract: 本发明提供了一种点云数据的空间分布度量方法，用以解决现有技术中点云数据空间分布无法量化的问题。所述点云数据空间分布度量方法，通过度量因子对点云数据的空间分布进行定量描述，度量因子包括有效格率、点云分布均匀度和冗余度，有效格率反映了点云数据的覆盖情况，点云分布均匀度和冗余度分别反映了点云分布的均匀性和冗余性。本发明实施例的点云数据空间分布度量方法，定量地描述了点云数据质量，高质量点云数据具有高有效格率、高点云分布均匀度和低点云分布冗余度，低质量点云数据具有低有效格率、低点云分布均匀度和高点云分布冗余度，通过点云空间分布度量因子来约束数据采集方式，可有效指导激光雷达和摄影测量数据采集工作。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.074 seconds)
