基于点云数据的测树因子自动提取方法

树冠的结构复杂、形态各异,测树因子的自动、准确、无损测量是森林调查中的一个重要研究项目。以三维激光扫描仪获取的三维点云数据为研究对象,基于计算几何学的寻找凸包算法,自动提取树冠的表面积、投影面积以及体积等测树因子。为验证算法的准确性,随机选取8个树种的120株待测立木进行试验,试验表明该方法测得的立木树高平均相对误差为2.33%,胸径平均相对误差为1.10%,冠幅平均相对误差为3.92%,自动解算的树冠表面积、树冠投影面积以及树冠体积相对于传统方法测得的参考值的平均相对误差分别为3.48%、6.01%和5.59%。因此以三维激光扫描仪获取点云数据,运用三维凸包算法,能够自动准确计算这些原本难以精确测量的因子,为应用三维激光扫描仪自动提取立木的测树因子提供了参考。

基于SfM的针叶林无人机影像树冠分割算法

利用无人机影像进行森林资源调查具有作业快速便捷、数据分辨率较高、影像细节丰富的特点,可较好地识别单木,获取树木位置、冠幅等信息。但是,厘米级的影像分辨率使基于光谱信息的传统分割算法在提取树冠时出现破碎化现象,产生过分割结果。同时,在非落叶季由于无人机影像难以观测到茂密林冠下层地形,故在地形起伏较大的林区难以实现基于树木冠层高度模型(CHM)的单木分割方法。针对上述问题,结合传统二维图像处理和SfM三维建模,提出了一种无需高度归一化的无人机影像树冠三维分割提取算法,首先利用SfM技术从高重叠航片建立三维表面模型,利用高程和图像信息检测初始树木位置,再采取kNN自适应邻域分水岭分割的方式对中心单木进行精确的树冠参数提取。在北京市百花山国家级自然保护区的落叶松林地进行了高分辨率无人机影像实验,采用正射影像目视解译结果和多种基于图像、点云的自动分割算法结果进行验证和评价。结果表明,本文方法对树木总体检出率在91%以上,冠幅提取精度在81%以上,优于传统的全局分水岭方法和其他树冠分割算法。

软件开发失败的常见原因及其对策

软件开发失败的常见原因分析及其对策从人与人之间的关系和技术(包括管理)两个大方面总结了软件开发失败的原因,并且给出了相应的对策。与此同时还总结了软件工程的一般原则。

ADO．NET数据访问技术的应用研究

介绍了ADO．NET的特点、工作原理和对象模型,对ADO．NET数据库访问技术进行了深入分析。在访问SQL Server数据库时,采用ADO．NET技术实现了断开式访问。最后给出了基于VB．NET的用ADO NET技术访问数据库的具体过程。