-
公开(公告)号:CN106952242A
公开(公告)日:2017-07-14
申请号:CN201610002816.7
申请日:2016-01-06
Applicant: 北京林业大学
IPC: G06T5/10
Abstract: 本发明涉及一种激光雷达(LiDAR)点云滤波方法,特别是一种基于体素的渐进不规则三角网点云滤波,适用于机载和地基雷达点云数据处理,属于激光雷达点云数据处理技术领域。包括以下步骤:加载LiDAR点云数据;对LiDAR点云数据进行预处理,并将点云数据进行分段组织和管理;确定LiDAR点云体素化的数学表达式,并对点云进行体素化处理;确定LiDAR点云多回波信息,保留单回波和多回波中的末次回波点;确定LiDAR点云渐进不规则三角网的数学表达式,并对点云进行滤波处理;确定LiDAR点云多回波信息,保留单回波和多回波中的末次回波点。本发明具有适应于复杂的地形表面,对于浓密植被区域、陡坡、不规则断裂区的探测敏感,生成高精度数字高程模型(DEM)的优势。
-
公开(公告)号:CN107368813A
公开(公告)日:2017-11-21
申请号:CN201710603764.3
申请日:2017-07-23
Applicant: 北京林业大学
CPC classification number: G06K9/00657 , G06K9/6269
Abstract: 本发明公开一种应用于机载近地高光谱影像的林木冠幅识别方法,属于林业遥感数据处理与信息提取范畴。其技术特点是以传统基于光谱的支持向量机分类为基础,在完成支持向量机分类,形成各类地物初始概率图的基础上,引入引导滤波,利用引导滤波对分类初始概率图进行纹理及边缘信息优化,通过概率最大准则,对优化后各像素点所属类别进行划分,在完成最总分类后,提取树木对应类别,形成林木边缘矢量,完成林木冠幅的精确识别。
-
公开(公告)号:CN105930769A
公开(公告)日:2016-09-07
申请号:CN201610226311.9
申请日:2016-04-13
Applicant: 北京林业大学
IPC: G06K9/00
CPC classification number: G06K9/00657
Abstract: 本发明公开一种基于生物生态特征的病虫害发生等级精度验证方法,以基于遥感影像的森林病虫害分类为基础,在没有病虫害实地调查数据的前提下,利用森林病虫害的生物生态学特性进行病虫害发生等级监测进度验证,当分类等级与其生物生态学特性相符合时,利用模型拟合的决定系数较高时,说明分类精度可靠,有效的降低了森林病虫害外业调查的复杂性。
-
-