排序方式: 共有56条查询结果,搜索用时 0 毫秒
51.
52.
基于改进Delaunay算法的树冠三维重构单木因子提取 总被引:2,自引:0,他引:2
针对树冠结构复杂和点云数据量大的特点,为了提高测算单木因子中树冠表面积和体积的精度和效率,通过改进Delaunay三角网的算法机制,提出一种基于空间分割的分块优先级机制的三角网表面重建算法,用于重构树冠表面,形成一种高精度高效率的树冠表面积和体积因子提取方法.利用地面三维激光扫描系统获取树冠点云数据,分别通过传统人工方法、点云量测法、数字高程模型算法与提出的改进SD Delaunay算法,计算实验区域研究对象的树冠表面积与体积,并进行对比分析,结果表明提出的算法完全满足计算精度,同时该计算方法的耗时只有传统人工法的41%,数字高程模型法的62%,大大提高了运算效率. 相似文献
53.
54.
以冷链农产品需求预测模型的技术提升和预测误差的不断改进为线索,梳理了国内冷链农产品需求预测的相关理论和模型特征。以各类需求预测模型为参考,发现需求预测模型有三大类:单一模型、多源模型组合与智能信息融合;对各类模型的特点和存在的问题做了详细评述,同时结合已有的冷链农产品需求预测的相关文献,对未来非线性、变权技术以及多源信息融合的智能模型在冷链农产品需求预测方面的应用做出了进一步展望。 相似文献
55.
将内嵌有面阵相机及IMU的智能手机作为硬件系统,单目SLAM技术获取多视图几何深度图、位姿等为数据源,构建了单目SLAM增强现实森林测树系统。设计了基于平滑度高鲁棒性过滤胸高圆柱体表面点云及切线的方法;然后,基于点到圆柱体表面距离及圆柱体切线到圆柱体表面距离构建了胸径与立木位置精确估计算法;最后,以该算法为基础在智能手机端开发了增强现实测树系统,即利用智能手机实时测树、并通过增强现实场景实时人工监督测量结果。新型测树系统在5块32m×32m方形样地中进行了测试,以评估新型测树系统的测量精度;此外,每块样地使用了单次观测、正交观测、对称观测及环绕观测4种不同的观测方法对立木胸高圆柱体观测,以评估不用观测方式对测树精度的影响。结果显示:立木位置估计值在X、Y轴方向的平均误差范围为-0.014~0.020m,X、Y轴方向均方根误差范围为0.04~0.08m;立木胸径估计值偏差为-0.85~-0.03cm(相对偏差为-3.60%~-0.04%),均方根误差为1.32~2.51cm(相对均方根误差为6.41%~12.33%);相比于单次观测方法,其他观测方法获取位置及胸径估计精度均有提高(特别是不可近似为圆柱体的立木树干),从精度与效率角度而言,正交观测及对称观测为最佳观测方法。结果表明,单目SLAM增强现实测树系统是一种可精确进行森林样地调查的潜在解决方案。 相似文献
56.