项目名称: 基于机载全波形激光雷达数据的复杂城区单株木提取方法研究

项目编号: No.41301478

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 天文学、地球科学

项目作者: 孙杰

作者单位: 中国地质大学(武汉)

项目金额: 25万元

中文摘要: 机载全波形LiDAR能快速获取丰富的点云和波形信息,日益成为现代林业数据获取的一种重要手段,如何利用机载全波形LiDAR数据提取单株木是实现"精细林业"的基础。针对复杂城区环境下全波形LiDAR数据提取单株木过程中全波形数据信息提取精度低、林木区域识别难以顾及效率与精度和高郁闭度条件下单株木提取精度低等问题。本课题通过研究高精度波形去卷积方法、基于模型库的自适应回波拟合实现全波形数据的精确分解和特征提取;通过基于nDSM区域回波率的林木区域快速分割和融合点云几何、波形特征的面向对象分类方法实现林木区域的高精效识别;在此基础上研究基于点云的树干提取和二三维相结合的单株木精确提取方法,用于解决高郁闭度环境下单株木识别困难的问题,提高单株木提取精度。本项研究可望为复杂城区环境下单株木精确提取提供有力的基础理论和方法,对城市林业资源调查及生态保护等方面都具有重要的研究价值和实际意义。

中文关键词: 全波形;激光雷达;城区;单株木提取;

英文摘要: Airborne full waveform(AFWF) LiDAR can generate rich point clouds and waveform information, which has increasingly being an important way for modern forestry data acquisition. How to make use of AFWF LiDAR data for single tree extraction is the key to realize "fine forestry", but there are still some difficulties in the processing in complex urban environment, such as low precision of AFWF LiDAR data decomposition, efficiency and accuracy are difficult taken into consideration in forest area recognition simultaneously, unrecognized trees under density canopy condition. In view of the above questions, this project will study the high precision waveform deconvolution method and model library based adaptive echo fitting method to realize the precise waveform decomposition and feature extraction; the nDSM echo ratio based forest fast segmentation method and object-oriented point clouds and waveform combined classification method will be studied to realize the precise and fast identification of forest areas, on the basis of the point clouds based stem detection method and the 2D and 3D combined single tree segmentation method, the single tree will be extracted in high canopy density environment more precisely. Above mentioned researchs, on the whole, consist a complete process for AFWF LiDAR data based single tree ex

英文关键词: Full waveform;LiDAR;urban;single tree extraction;

成为VIP会员查看完整内容
0

相关内容

顾及时空特征的地理知识图谱构建方法
专知会员服务
53+阅读 · 2022年2月15日
专知会员服务
52+阅读 · 2021年10月1日
专知会员服务
62+阅读 · 2021年8月24日
专知会员服务
86+阅读 · 2021年8月8日
专知会员服务
122+阅读 · 2021年4月29日
专知会员服务
70+阅读 · 2021年3月23日
基于生理信号的情感计算研究综述
专知会员服务
61+阅读 · 2021年2月9日
专知会员服务
69+阅读 · 2021年1月16日
自动化学科面临的挑战
专知会员服务
37+阅读 · 2020年12月19日
基于视觉的三维重建关键技术研究综述
专知会员服务
160+阅读 · 2020年5月1日
基于深度学习的小目标检测方法综述
专知
2+阅读 · 2021年4月29日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
IEEE WHISPERS大规模高光谱目标跟踪挑战赛来了!
中国图象图形学报
60+阅读 · 2020年7月8日
最全综述:基于深度学习的三维重建算法
极市平台
12+阅读 · 2020年3月17日
自动驾驶高精度定位如何在复杂环境进行
智能交通技术
18+阅读 · 2019年9月27日
自动驾驶车载激光雷达技术现状分析
智能交通技术
17+阅读 · 2019年4月9日
【大数据】海量数据分析能力形成和大数据关键技术
产业智能官
17+阅读 · 2018年10月29日
基于几何特征的激光雷达地面点云分割
泡泡机器人SLAM
15+阅读 · 2018年4月1日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月14日
Arxiv
14+阅读 · 2021年3月10日
Arxiv
32+阅读 · 2021年3月8日
Arxiv
27+阅读 · 2020年12月24日
A Survey on Deep Learning for Named Entity Recognition
Arxiv
73+阅读 · 2018年12月22日
小贴士
相关主题
相关VIP内容
顾及时空特征的地理知识图谱构建方法
专知会员服务
53+阅读 · 2022年2月15日
专知会员服务
52+阅读 · 2021年10月1日
专知会员服务
62+阅读 · 2021年8月24日
专知会员服务
86+阅读 · 2021年8月8日
专知会员服务
122+阅读 · 2021年4月29日
专知会员服务
70+阅读 · 2021年3月23日
基于生理信号的情感计算研究综述
专知会员服务
61+阅读 · 2021年2月9日
专知会员服务
69+阅读 · 2021年1月16日
自动化学科面临的挑战
专知会员服务
37+阅读 · 2020年12月19日
基于视觉的三维重建关键技术研究综述
专知会员服务
160+阅读 · 2020年5月1日
相关资讯
基于深度学习的小目标检测方法综述
专知
2+阅读 · 2021年4月29日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
IEEE WHISPERS大规模高光谱目标跟踪挑战赛来了!
中国图象图形学报
60+阅读 · 2020年7月8日
最全综述:基于深度学习的三维重建算法
极市平台
12+阅读 · 2020年3月17日
自动驾驶高精度定位如何在复杂环境进行
智能交通技术
18+阅读 · 2019年9月27日
自动驾驶车载激光雷达技术现状分析
智能交通技术
17+阅读 · 2019年4月9日
【大数据】海量数据分析能力形成和大数据关键技术
产业智能官
17+阅读 · 2018年10月29日
基于几何特征的激光雷达地面点云分割
泡泡机器人SLAM
15+阅读 · 2018年4月1日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月14日
Arxiv
14+阅读 · 2021年3月10日
Arxiv
32+阅读 · 2021年3月8日
Arxiv
27+阅读 · 2020年12月24日
A Survey on Deep Learning for Named Entity Recognition
Arxiv
73+阅读 · 2018年12月22日
微信扫码咨询专知VIP会员