排序方式： 共有3条查询结果，搜索用时 15 毫秒
1
1.
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。 相似文献
2.
选取小兴安岭地区天然针阔混交林为样地,以红松、冷杉、云杉、水曲柳、枫桦、紫椴等6种主要优势树种为研究对象,分别进行树高和胸径、冠幅和胸径的相关性分析。通过SPSS 20.0软件将调查的数据代入备选的8个经典数学模型中进行回归分析,得到各方程的P值、决定系数R~2和相关参数,并采用总误差、平均误差、平均相对误差和均方根误差等验证拟合精度,最终选出最优的树木生长模型。结果表明:针叶树的树高和胸径、冠幅与胸径相关性显著,在树高-胸径模型中平均决定系数为0.809,在冠幅-胸径模型中平均决定系数为0.498。相对于针叶树来说,阔叶树树高和胸径、冠幅和胸径的相关性略差,其决定系数平均值分别为0.608,0.395。不同树种适应不同树木生长模型,在树高-胸径的相关性分析中,以幂函数、S函数模型居多,冠幅-胸径模型以三次多项式模型最为显著。 相似文献
3.
为了提高海量林地三维点云数据配准的效率和精度,提出了一种基于快速点特征直方图(fast point feature histograms,FPFH)初始匹配与正态分布变换(normal distributions transform,NDT)精确配准相结合的配准算法。首先计算2个待配准点云的法向量,再使用k-d树结构对点云的FPFH特征进行加速计算。然后,根据2个点云相似的FPFH特征,使用采样一致性初始配准算法(sample consensus initial alignment,SAC-IA)求解初始变换矩阵、完成初始配准。最后,用DNT算法对点云体素化,并使用点云密度概率分布函数进行点云数据的精确配准。结果表明,FPFH-NDT算法的平均配准误差(相应点对的平均距离)为0.032 3 m,运行时间为256.376 s;在0.05~0.1 m的点云采样阈值范围内,FPFH-NDT算法的配准误差基本不受采样阈值变化的影响,其值稳定在0.03 m左右;当采样阈值>0.1 m时,配准误差随采样阈值的增大而增大;算法的配准时间整体上随点云采样阈值增大而减少。传统ICP算法的平均配准误差和时间分别为 0.526 3 m 和14.5 s;FPFH-ICP算法的平均配准误差和时间分别为0.042 5 m和289.346 s。FPFH-NDT算法与传统ICP算法相比在配准精度上有了很大的提高,与FPFH-ICP算法相比,在保证点云的配准精度的基础上,FPFH-NDT算法降低了算法的运行时间,提高了点云配准效率。 相似文献
1