基于视觉技术的林木生长状态无损测量方法

为提高林木生长状态测量的准确性,克服传统测量方法的不足。从视差处理的角度出发,将图像处理技术与视觉理论有机结合,根据不同时间点采集到的树木图像信息,判断出一段时间内树木生长状态的变化情况。试验过程中,将待采集图像的树木上标出红色的矩形信息点,并利用双摄像机针对标出的特征点进行采集,然后将2幅树木图像进行对比研究, 分别计算出在一定时间间隔内树木上信息点空间信息,从而确定该段时间内信息点的位置变化。试验结果表明,针对标定的信息点,传统测量方法在高度和粗度分别增长5.63 mm和5.75 mm,二者数值相近,与林木生长实际不符;而基于视觉技术的测量,高度和粗度分别增长2.4 mm和1.5 mm,高度变化是粗度变化的1.6倍,与林木的实际增长过程是一致的。所以,基于视觉技术的测量方法,能够很好地实现对树木的无损测量研究,判断出树木的生长状态变化情况。     

油松个体林木生长的数学模拟

运用与距离有关的树木生长模型,根据油松人工林内林木的空间分布格局和树高生长量,引用生长比和郁闭比等概念对树木的枝长生长,树冠扩展过程和林分郁闭过程进行了数学模拟。模型中将树冠内各轮枝的着生状态描绘成状态矩阵的形式。通过状态矩阵结合枝长及着枝深度与叶量的关系确定出各轮枝的叶量和整株树冠的有效叶量。最后通过叶量确定林木的材积生长。     

基于图像的人体参数测量系统的设计与实现

给出一种基于图像的人体参数自动测量方法,并设计与实现人体参数测量系统.通过2个数码相机拍摄人体的正视图和侧视图,运用图像分割和特征提取等图像处理方法提取2幅图像上的人体特征点;利用三维标定架标定相机的内外参数;利用双目视觉原理从2幅图像上的特征点计算出人体的测量点,完成人体尺寸参数计算.试验结果表明：与传统手工测量相比,本方法能实现自动测量,缩短了测量时间,提高测量的精度和效率;与三维非接触测量相比,本方法测量设备简单和便携,测量速度更快,操作更加方便.     

基于神经网络的立木枝干测量方法研究

通过神经网络算法完成实现摄像机标定,并将标定方法应用到立木枝干的测量上,实现立木枝干尺寸测量的自动化.该方法包含3个主要步骤:首先是通过图像预处理提取特征点,其次针对树木特点提出改进型神经网络摄像机标定算法,最后对测量方法进行验证并对误差进行分析.结果表明,此方法的测量精度能达到0.1mm,测量误差为±1.40 mm,满足作业要求.     

基于三维激光点云的树木胸径自动提取方法

胸径是评价林木生长状况的重要参数之一。针对接触式人工测量自动化程度低和基于点云的现有算法提取树木胸径精度不高的问题,提出一种基于点云数据的自动准确获取树木胸径的新方法。该方法以树木点云数据为基础,运用蚁群算法和B样条曲线拟合技术,实现树木胸径的自动准确提取。对实验区树木测量计算,结果表明,利用该方法提取树木胸径的均方根误差为±0.19 cm,平均绝对误差为0.15 cm,相对于基于点云的传统算法提取精度分别提高了50%和60.7%。该方法基于高精度点云数据,实现了树木胸径的无损自动提取,在精准林业领域具有推广价值。     

1种人工林监测传感器网络节点簇及关键节点合理布设方法的研究

将数量化理论和无线传感器网络技术相结合对人工林生长过程进行监测,以便能够科学准确地获得人工林生长量信息.本文运用数量化理论Ⅰ、Ⅱ对林地按林木生长量径级进行分类预测建模研究,结果表明数量化理论Ⅰ建立的回归模型的重相关系数值为0.851,用所筛选的生长环境描述因子可以有效反映林木生长量的情况.数量化理论Ⅱ建立的判别模型林木验证判对率随海拔高度增加呈现双峰值现象.在传感器有效交互通讯距离范围内,以数量化理论Ⅱ建立的判别模型的判对率的两个峰值为分类边界,林地内林木生长量信息可以用3个节点簇覆盖采集,提出侧重于分类界面目标树木的传感器网络的布设方案,使无线传感器网络应用于人工林生长量监测过程中存在的问题得到有效解决.     

林木养护的探讨

对林木的养护是一个漫长的过程。在绿化建设中,如何对林木进行养护是一个重要的课题,根据不同树木种类、树木生长的不同周期、不同季节、不同虫害发生情况,分别进行不同的养护,使树木健康生长,对发挥森林功能,促进生态平衡,都具有十分积极的意义。     

烟草行业水松纸打孔参数的非接触光学测量方法研究

[目的]快速准确地测量水松纸打孔参数。[方法]设计了一种基于图像采集数字处理的测量方法。针对水松纸打孔边缘形状不规则的特性,开发出一种针对性滤波、边缘提取的图像处理方法。[结果]试验设计的测量水松纸打孔参数的方法提高了不规则形状水松纸的检测精度,对水松纸打孔参数的检测精度达0.01 mm。[结论]此方法克服了目前测量方法误差大、操作繁琐、人为因素影响大等缺陷,提高了检测结果的准确性和检测效率。     

叶面积指数的测量方法

叶子是提供植物与其环境之间的界面，用于气体交换、光照和温度调节，在植物的生长发育中起着重要作用。叶面积指数的测量可以反映植物面对外界环境变化的可塑性反应，碳吸收、蒸腾、叶片呼吸和冠层截留的过程与叶面积指数密切相关，并且总叶面积及其垂直、时间和空间分布对光照可用性、树木招募和生长有很大影响。叶面积指数的准确估计对于森林生态系统的生态特征、林分结构和动态建模至关重要。因此，叶面积指数的测量对植物检测指标具有重要意义。由于叶片特征的多样性、不同的测量环境产生了多种测量方法。本文重点阐述了植物叶面积指数的直接测量方法和间接测量方法以及研究进展。     

基于机器视觉的温室大枣表型特征测量

针对现代精准农业的发展需求以及传统测量技术精度差、效率低等问题,设计了连续采集大枣表型的机器视觉系统。CCD相机采集图像,利用Halon 11.0作图像处理。通过背景分割,颜色空间转换,在HSI颜色空间中选用S分量阈值处理,量化因子为1、平滑因子为2时达到很好的分割效果。通过试验对照选用canny作为边缘检测算子,试验结果表明,该系统可以在0.56 s内准确测量大枣表型特征,完全适合实时监控的要求,具有很好的应用前景。     

基于运动恢复结构的多株立木因子测量方法

  目的  提出基于运动恢复结构的多株立木因子测量方法,以解决目前基于三维点云的立木因子测量方法获取立木树高和胸径存在效率低或成本高的问题。  方法  ①使用智能手机环绕包含多株立木的场景拍摄一段视频,并采用固定帧采样法和差异值哈希算法自动提取立木视频中的关键帧图像,然后,基于运动恢复结构(structure from motion,SfM)算法处理立木关键帧图像,从而获取立木场景的原始三维点云;②在对原始三维点云进行预处理及初步分割后,运用条件欧几里得聚类算法对多株立木三维点云进行分割,以提取单株立木三维点云;③对立木三维点云使用最值遍历法和椭圆拟合法实现立木树高和胸径的自动测量。  结果  与真实值相比,本研究方法测得的树高、胸径的平均相对误差分别为1.96%、3.19%,均方根误差分别为0.133 3 m、0.533 7 cm,相关系数分别为0.987 9、0.962 1。  结论  该方法具有较高的树高和胸径测量精度,提供了一种便捷、低成本的多株立木因子三维测量方法。图6表1参27     

基于SFM算法的单木结构参数提取研究

针对传统森林资源调查方法获取单木结构参数效率低和成本高的问题,提出一种基于SFM算法的单木结构参数快速提取方法。以哈尔滨市城市林业示范基地树木为研究对象,利用SFM算法获得单木照片的三维点云,并利用点云数据处理软件对获得的点云数据进行单木结构参数提取,最后与实测参数进行对比分析。结果表明:1）分别利用SIFT算法、SURF算法以及ORB算法对相机校检后的树木照片进行特征点提取匹配,特征点正确匹配个数分别为23、145以及25,相应的耗时分别为18.56、16.04、1.58 s;2）利用SFM算法能获得树木照片的稀疏点云和稠密点云,平均每棵树木点云量为80万个;3）基于点云数据提取单木结构参数的胸径、树高及冠幅的平均绝对误差分别为1.79 cm、0.77 m及0.79 m;胸径、树高、冠幅的提取值与实测值相关系数均>0.94。     

基于消费级双目相机的立木因子测量方法

  目的  随着林业信息化的快速发展,机器视觉测量技术广泛应用于林业领域。针对传统立木因子测量方法成本较高、携带不便、操作复杂等问题,提出消费级双目相机与机器视觉技术相结合的立木因子无接触测量方法。  方法  首先使用消费级USB 3.0双目相机采集立木图像,通过改进的SGM算法生成高质量视差图;再根据三角原理转化为深度图,进而获取立木三维点云;基于空间密度聚类和混合滤波三维点云去噪方法快速准确去除聚集、离散的噪声点,再进行方向矫正和点云分割;最后,利用最值遍历法和椭圆拟合法实现树高、胸径的无接触测量。  结果  树高、胸径的相对测量误差分别小于2.219%、5.620%,测量值与真实值的相关系数R2分别为0.978、0.995,均方根误差分别为0.047 m、0.249 cm。  结论  本方法易操作、成本较低,同时具有较高的测量精度,能够满足无接触测量的需求。图5表2参27     

利用无人机高分辨率影像进行树木高度提取

无人机遥感技术在树木参数获取中具有重要作用。为探讨利用无人机高分辨率影像提取树高的可行性,本文选择邱集煤矿矿区森林公园为研究区,采用Pix4D软件对无人机采集的高分辨率影像进行处理,生成研究区正射影像和三维点云;利用最大类间方差法将三维点云分割为树木点云及树下地面点云两部分,由此提取树木顶端高度和地面平均高度,并将地面平均高度视为树木根部的高度,得到树木高度。研究表明:最大类间方差法能够准确分割树木点云和地面点云;利用无人机高分辨率影像进行树高提取是可行的,树木高度测量绝对误差小于80cm、相对误差绝对值最大为16.2%、标准误差为36.3cm;同时,树冠的形状会对树高测量造成影响,阔卵形树冠的法国梧桐和圆锥形树冠的圆柏高度标准误差分别为29.2和50.9cm,两者树高测量值与真实值决定系数分别为0.9920和0.8894,阔卵形树冠的法国梧桐测高精度明显高于圆锥形树冠的圆柏测高精度。      

三维激光扫描系统在立木材积测定中的应用

该文提出了一种测定疏林立木材积的新方法,即利用三维激光扫描系统测量立木材积并建立材积表.采用该方法在标准地内按径阶对立木进行三维扫描,可以获取基本测树因子(包括立木的胸径、树高、冠幅)和三维立木模型,由Cyclone扫描软件可以计算立木材积.由扫描获取的立木胸径和树高能够回归建立二元立木材积方程.为检验扫描获取的基本测树因子的精度以及材积方程的适用程度,将扫描后的立木伐倒,并采用区分求积法实测材积.对比扫描数据和实测数据,扫描获取的基本测树因子和扫描材积均满足精度要求,说明这种新方法能够用于森林资源调查和建立立木材积表.     

古树名木调查方法的改进

从弥补古树名木调查方法的缺陷入手,通过在传统调查方法中引入全站仪、GPS等精密仪器和交叉定年技术,对调查方法的改进原理进行了探讨。比较和讨论2种调查方法,结果表明新的调查方法提高了树龄、树高、胸径和冠幅等关键数据的精度,并增加了地理坐标数据和多媒体信息的采集。图3参18     

基于智能手机单目视觉的多株立木高度提取方法

  目的  提出一种智能手机单目视觉下的多株立木高度提取方法。  方法  该方法以智能手机为采集设备,利用Graph Cut 算法对输入的立木图像进行分割定位,实现单幅图像中多株立木轮廓的自动获取;再通过智能手机相机对摄像头进行标定,从而基于几何相似法获取智能手机相机图像的深度信息。在不同角度下拍摄标靶,进行深度提取模型的精度优化,进而确定信息提取的最优方位。同时,结合高精度陀螺仪获取相机俯视角,根据提取的深度信息和相机俯视角实现非接触条件下的多株立木高度测量。  结果  使用型号为MI 2S的小米智能手机为试验设备,在本方法中的立木高度测量模型具有良好的稳定性,并且试验中最高相对误差为2.45%,树高测量精度可达97.55%。  结论  基于智能手机单目视觉下的立木高度提取方法精确度高、操作简便,能够有效满足国家森林资源二类调查中对于树高测量精度的要求。      

三维激光扫描成像系统在森林计测中的应用

该文介绍了三维激光扫描成像系统的组成、工作原理、仪器的性能指标及软件功能.通过在甘肃省小陇山林业局的试验,总结了三维激光扫描成像系统进行精准测树的流程、内业数据处理方法、提取各种测树因子的方法、测量立木材积以及树冠体积的方法.结果表明:使用三维激光扫描成像系统可以获取树木的立体模型,得到某些传统方法难以获得的数据,如树冠体积、表面积等,并且可以随意重复量测;通过扫描获得的树木材积可以替代传统的区分求积方法,建立材积表不再需要大量伐树;使用立木扫描模型解决了树冠测量的难题.因此,将三维激光扫描成像系统作为精准测树工具,是一种切实可行的方法.