排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
用地基激光雷达提取单木结构参数——以白皮松为例 总被引：6，自引：1，他引：5
以白皮松(Pinus bungeana Zucc)为研究对象,针对地基激光雷达TLS扫描的3维点云数据在单株木垂直方向的分布特征,提出了一种基于体元化方法的树干覆盖度变化检测方法,获取单木枝下高;然后根据获取的枝下高引入2维凸包算法获取垂直方向分层树冠轮廓,并计算树冠体积和冠幅;同时获取的单木参数还有胸径与树高。结果表明:单木枝下高的估测精度较高,R2与RMSE分别为0.97 m和0.21 m;胸径估测结果的R2与RMSE分别为0.79 cm和1.07 cm;采用逐步线性回归方法建立单木树冠体积与其他单木参数的相关关系,模型变量包括冠幅、叶子填充树冠长度和胸径,样本数为20,模型的R2与RMSE分别是0.967 m3和2.64 m3。本文方法能较准确地估测枝下高,TLS数据具有对树冠结构3维建模的潜力。 相似文献
2.
本文利用地基激光雷达实现天然林区近地面点云数据的精细分类和倒木提取。对大兴安岭天然林区的3个倒木样地进行了近地面1.3 m以内点云精细分类和倒木信息提取。为避免点云密度差异和遮挡的形态特征,点云分类时基于自适应临近搜索法计算团块协方差特征值构造3D和2D特征。使用k临近递增的团块协方差特征值得到的线性特征、面状特征和发散状特征构造最大熵函数,用最大熵函数取得最大值时的临近点云计算特征参数,根据递归特征排除法(RFE)筛选重要变量进行随机森林分类。利用自适应kNN特征得到3块研究样地(A、B、C)的分类总体精度分别为93.17%、94.52%、95.16%;固定k临近搜索时,总体精度分别为92.65%、89.09%、92.99%,表明自适应kNN搜索方法使分类精度有一定提高。提取倒木点云去噪处理后进行随机抽样一致圆柱拟合,根据轴线方向进行圆柱的筛选与合并,实现倒木的识别,样地倒木识别率为100%。 相似文献
1