-
公开(公告)号：CN119623339A
公开(公告)日：2025-03-14
申请号：CN202411690162.2
申请日：2024-11-25
Applicant: 南京林业大学
IPC: G06F30/28 , G06T17/00 , G06F17/11 , G06F17/16 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种树木在强风胁迫下的表型分析方法，包括：表型平台包括风扇和树木，树木排列于风扇前方；激光扫描仪采集树木在一定风速下的点云数据；以点云数据中的叶簇为单位对目标树木的冠层进行建模，得到树冠图形模型，计算每个叶簇的表型特征参数；通过k‑ε湍流模型、构建的树冠图形模型与数值解法，计算树冠内的风特性参数。本发明克服了传统风洞实验所面临的高成本和小尺寸无法满足实验树正常尺度的限制，以再现逼真的开放风环境；提出基于森林专用K‑epsilon湍流模型的方法，以求解森林冠层内风特性参数；通过点云驱动技术重建数字化橡胶树模型，直观展示实验树在一定风速条件下表型特征的变化。
-
公开(公告)号：CN117167609A
公开(公告)日：2023-12-05
申请号：CN202311360298.2
申请日：2023-10-20
Applicant: 南京林业大学
Abstract: 本发明公开了一种计算机视觉识别装置及其使用方法，包括放置机构，所述放置机构的左侧设置有第一调节机构，所述第一调节机构的左侧设置有第二调节机构。本发明通过电动推杆带动固定盒和摄像头本体进行运动，进而可使摄像头本体与待识别设备之间的间距进行调远或调近，通过第二电机带动收卷轮转动，收卷轮对拉绳进行收卷或延伸，且拉绳会配合弹簧的弹力带动活动板和连接块进行上下运动，连接块带动摄像头本体进行上下运动，以此实现对摄像头本体拍摄位置的调高或调低，通过第一电机带动放置盘进行转动，放置盘可带动待识别设备转动，进而可使摄像头本体对待识别设备的多方位进行拍摄记录，以此提高视觉识别的清晰度和精确度。
-
公开(公告)号：CN111340826B
公开(公告)日：2023-07-18
申请号：CN202010218236.8
申请日：2020-03-25
Applicant: 南京林业大学
IPC: G06T7/11 , G06T7/12 , G06T7/13 , G06T7/187 , G06T7/90 , G06V10/762 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于超像素与拓扑特征的航拍图像单株树冠分割算法，包括：对原始航拍图像进行SLIC超像素分割，同时利用HED网络获取图像的冠状边界；计算出相邻两个超像素之间的三个相似性测量指标，即相邻两个超像素的RGB平均值的差值、相邻两个超像素区域的相交像素个数和与从HED网络中得到的边界像素相交的个数，并用它们构造相邻两个超像素区域之间的相似度权重；基于每个超像素的中心点构造超像素邻域连通图，从超像素邻域连通图中提取最小生成树生成航拍图像的连通树，并根据相似度权重将超像素进行合并，实现单株树冠的分割。本发明将超像素分割和拓扑图方法相结合，能够准确有效地将单株树冠从航空图像分离，分割精度高。
-
公开(公告)号：CN109061601A
公开(公告)日：2018-12-21
申请号：CN201810903690.X
申请日：2018-08-09
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无人机激光雷达反演人工林森林结构参数的方法，属于森林资源调查、森林生产力估测及生物多样性研究领域。本发明将无人机激光雷达离散点云数据进行归一化处理，从归一化点云数据中提取人工林冠层特征变量，基于提取的人工林冠层特征变量和地面实测数据，构建非参数k‑NN模型，调试模型参数，从而反演林分森林结构参数。本发明基于无人机平台获取高密度的LiDAR点云，全面深入地提取多组人工林冠层的无人机激光雷达点云特征，并采用非参数方法中k‑NN算法反演林分森林结构参数，提高了估测的能力和精度。
-
公开(公告)号：CN108921885A
公开(公告)日：2018-11-30
申请号：CN201810878353.X
申请日：2018-08-03
Applicant: 南京林业大学
Abstract: 本发明公开一种综合高分辨率CCD数据、高光谱影像数据和激光雷达点云数据联合反演森林地上生物量的方法，具体地说，是指一种首先对机载高分辨率CCD影像进行几何校正、拼接预处理，对高光谱影像进行几何校正、大气校正预处理，对激光雷达点云数据进行滤波，插值生成数字地形模型，点云数据归一化处理；然后分别基于预处理后的三个数据源提取纹理特征、光谱特征和点云结构特征；最后，结合地面实测数据和提取的特征变量分别构建模型以预测森林地上生物量的方法。本发明对亚热带天然次生林的森林地上生物量进行提取，与使用其他相近遥感方法进行地上生物量估算结果相比，其相对均方根误差降低了10％以上。
-
Patent Agency Ranking
公开(公告)号：CN112907520B
公开(公告)日：2024-09-17
申请号：CN202110163462.5
申请日：2021-02-05
Applicant: 南京林业大学
IPC: G06T7/00 , G06N3/0464 , G06N3/0475 , G06N3/045 , G06N3/094 , G06N3/084
Abstract: 本发明公开一种基于端到端深度学习方法的单株树冠检测方法，包括以下步骤：采集林木的机载激光雷达点云数据；对机载激光雷达点云数据进行预处理，将机载激光雷达点云数据分为地面点和非地面点，根据非地面点生成数字表面模型，将数字表面模型转换成高程图；对高程图中的每个树冠进行手动标记，将标记好的高程图作为训练样本；采用深度卷积对抗生成网络生成新的训练样本；将原训练样本和生成的训练样本对端到端深度学习网络开展训练，获得树冠识别端到端网络模型；将待测林木的高程图输入到树冠识别端到端网络模型中，自动识别树冠具体位置及反演冠幅参数。与其他先进的树冠检测算法相比，本发明可以快速而准确地从树种多样的森林中检测单株树冠。
-
公开(公告)号：CN110598707B
公开(公告)日：2023-06-06
申请号：CN201910632238.9
申请日：2019-07-13
Applicant: 南京林业大学
Abstract: 本专利提出了一种基于机载激光雷达数据的树冠分割算法，利用在数字表面模型(DSM)上的水蔓延方法来刻画树冠区域的边界，结合DSM上的梯度方向与树冠边界单元和最近两个树冠顶点的高度差，建立控制水蔓延的能量函数，它弥补了计算机程序同步实现在每个树冠中水蔓延的局限性，并优化了相邻树冠之间交叠区域的分割结果。实验结果表明，杉木在混交林中的平均检出率(recall)为0.90,检出率的正确率(precision)为0.71,检测到树的整体精度(f)为0.80，对于桉树，recall＝94.76％,precision＝0.81,f＝0.86。所有地块中，杉木冠径的平均检测精度低于桉树平均检测精度，杉木树高的检测精度高于桉树检测精度0.48％。
-
公开(公告)号：CN112907520A
公开(公告)日：2021-06-04
申请号：CN202110163462.5
申请日：2021-02-05
Applicant: 南京林业大学
Abstract: 本发明公开一种基于端到端深度学习方法的单株树冠检测方法，包括以下步骤：采集林木的机载激光雷达点云数据；对机载激光雷达点云数据进行预处理，将机载激光雷达点云数据分为地面点和非地面点，根据非地面点生成数字表面模型，将数字表面模型转换成高程图；对高程图中的每个树冠进行手动标记，将标记好的高程图作为训练样本；采用深度卷积对抗生成网络生成新的训练样本；将原训练样本和生成的训练样本对端到端深度学习网络开展训练，获得树冠识别端到端网络模型；将待测林木的高程图输入到树冠识别端到端网络模型中，自动识别树冠具体位置及反演冠幅参数。与其他先进的树冠检测算法相比，本发明可以快速而准确地从树种多样的森林中检测单株树冠。
-
公开(公告)号：CN110598707A
公开(公告)日：2019-12-20
申请号：CN201910632238.9
申请日：2019-07-13
Applicant: 南京林业大学
IPC: G06K9/34
Abstract: 本专利提出了一种基于机载激光雷达数据的树冠分割算法，利用在数字表面模型(DSM)上的水蔓延方法来刻画树冠区域的边界，结合DSM上的梯度方向与树冠边界单元和最近两个树冠顶点的高度差，建立控制水蔓延的能量函数，它弥补了计算机程序同步实现在每个树冠中水蔓延的局限性，并优化了相邻树冠之间交叠区域的分割结果。实验结果表明，杉木在混交林中的平均检出率(recall)为0.90,检出率的正确率(precision)为0.71,检测到树的整体精度(f)为0.80，对于桉树，recall＝94.76％,precision＝0.81,f＝0.86。所有地块中，杉木冠径的平均检测精度低于桉树平均检测精度，杉木树高的检测精度高于桉树检测精度0.48％。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
81
records
(took 0.024 seconds)
