排序方式: 共有17条查询结果,搜索用时 15 毫秒
1.
基于深度学习与激光点云的橡胶林枝干重建及参数反演 总被引:1,自引:1,他引:0
树木的几何建模在林木性状评价、森林动态经营管理与可视化研究中具有重要意义。现今,从激光雷达(Light Detection And Ranging,LiDAR)数据中重建树体三维模型并精准获取林木空间枝干结构参数是数字林业发展的必然趋势。该研究提出了一种深度学习与计算机图形学相融合的树木骨架重建与参数反演方法。该方法以PR107、CATAS 7-20-59、CATAS 8-79三个品种的橡胶树为实验对象,首先,采用背包移动激光雷达获取三个橡胶树品种的样地数据,并通过体素剖分和数据增广策略来构建橡胶树训练样本集。其次,构造由四层特征编码层和特征解码层所组成的点云分类深度学习网络,并包含优化的PointConv模块与不同尺度的特征插值模块,以实现在多尺度条件下,全面考虑点云的全局和局部优化特征,引导网络实现枝叶点云的精确分类。最后,面向分类后的枝干点云,运用计算机图形学的空间连通性算法与圆柱拟合策略,重建树木骨架模型,并自动解决叶子点云与对应的一级枝干归属问题,进而在叶团簇尺度下开展对单株树的精细描述与参数反演。通过对三块橡胶树测试样地的验证和与实测值的比对表明,该研究提出的深度学习网络枝叶分类总体准确率在90.32%以上。骨架重建与叶团簇分析结果显示,PR107品种橡胶树具有较为发散的树冠、最大的分枝夹角和叶团簇体积;CATAS 7-20-59品种橡胶树冠呈花瓶型,分枝夹角和叶团簇体积较小;而CATAS 8-79品种橡胶树尽管胸径最粗,但不耐寒害处于落叶期导致冠积最小。同时,反演得到的橡胶树一级枝干直径与实测值比对为:决定系数R2不低于0.94,均方根误差(Root Mean Square Error,RMSE)小于3.01 cm;主枝干与一级枝干的分枝角为:决定系数R2不低于0.91,均方根误差RMSE不高于4.94°。同时发现橡胶树一级枝干的直径与对应的叶团簇体积呈正相关分布。该研究将人工智能的理论模型应用于林木的激光点云数据处理中,为林木激光点云的智能化分析与处理提供了新颖的解决思路。 相似文献
2.
3.
4.
利用地面激光扫描仪获取户外树木的大量点云数据,从中截取树叶点云数据并以此进行曲面拟合,构建树叶真实的三维模型。主要针对空间散乱点云数据的曲面拟合方法进行研究,并利用Delaunay三角剖分构建树叶三维模型。在移动最小二乘法的二维曲面拟合方法基础上,针对空间散乱点云数据,提出了新的曲面拟合方法。通过移动最小二乘法对点云数据曲面拟合,得到了理想的效果后再利用三角剖分重建叶面三维模型。 相似文献
5.
6.
毛竹秆茎维管束结晶图像的分割 总被引:1,自引:0,他引:1
介绍了基于模糊推理和形态特征的图像分割算法,并综合两种算法实现了毛竹秆茎维管束横切面结晶图像的分割.在基于模糊推理算法对图像进行初次分割的基础上,应用形态特征算法对初次分割结果进行了区域标识和面积形态特征的量测,最后应用阈值分割实现了对维管束结晶区的分割.试验表明:综合应用两种算法的分割效果良好,维管束信息保存完整. 相似文献
7.
8.
为了准确获得树木的真实叶面积指数(LAIa) ,提出一种基于投影算法和测地线活动轮廓模型的计算方法。首先对激光扫描仪获取的树木点云数据通经一定比例缩放在一个球的上表面,再通过球极平面投影和Lambert方位角等面积投影将上球面图像投射到平面上,借助地理学上纬度线的概念来表征不同高度叶子的天顶角,通过统计学方法获取叶倾角,然后用测地线活动轮廓模型对投影后的图像进行叶面部分分割,获取孔隙率。根据Beer-Lambert定律即可计算有效叶面积指数(LAIe)。真实叶面积指数的获取则通过有效地分层处理,解决叶子的重叠问题。最后将得到数据与实测叶面积指数进行比较,证明该方法的准确性、可行性。 相似文献
9.
10.
针对室外含笑树叶存在抖动及树叶间存在遮挡,导致含笑树叶点云数据不易重建与形变的问题。提出了一种含笑树叶重建与形变的方法,首先根据噪声特点和扫描线特性,对点云数据去噪;然后根据每条扫描线边缘点拟合出树叶的边缘,采用双三次广义张量积Bezier曲面拟合叶面,并结合三角剖分算法实现叶面的重建;最后采用基于非线性的有限元形变方法,模拟出真实的含笑树叶形变。实验结果表明,该算法简单高效。 相似文献