基于无人机影像的树顶点和树高提取及其影响因素分析

对基于无人机影像生成的树冠高度模型(Canopy Height Model,CHM),采用局部最大值算法进行树顶点和树高提取的可行性进行了探讨。此外,还探讨了分辨率、窗口大小对于树顶点提取的影响。以密集的针阔混交林为样地,利用SfM(Structure from Motion)算法结合无人机影像对研究区进行三维重建,得到点云、数字表面模型(Digital Surface Model,DSM)、数字高程模型(Digital Elevation Model,DEM)等一系列三维数据并生成CHM。然后,对不同分辨率的CHM使用不同的平滑窗口大小、移动窗口大小组合进行树顶点的提取并对结果进行精度评价。当CHM分辨率为0.4m,平滑窗口大小为3×3像元,移动窗口大小为3×3像元时,树顶点的提取精度最高,F测度为77.08%。将基于该组合提取正确的37个树顶点对应的提取树高与实地测量得到的树高对比,R 2为0.966 9,RMSE为1.411 4m,rRMSE=10.69%。研究结果表明:利用无人机影像可以较好地提取复杂树林的树顶点和树高;基于局部最大值算法提取树顶点,需要根据实际情况确定CHM的分辨率、平滑窗口大小和移动窗口大小,以获得最佳提取结果。

基于无人机激光雷达和多光谱数据的森林树高提取方法研究

单木是森林空间结构的基本构成单元,对于林业生产实践来说,准确获取单木因子具有重要意义。在森林资源调查中,森林树顶点和树高等因素对森林生态评估具有重要作用。传统野外调查耗时费力,而机载激光雷达不仅可以快速、准确地获取估算模型数据,同时也有助于大规模准确评价森林参数,可为森林资源调查提供坚实的数据基础。首先,利用无人机激光雷达数据冠层高度模型(Canopy height model, CHM)采用局部最大值算法对树顶点进行提取,探讨CHM不同空间分辨率和滤波窗口大小对提取森林树顶点的影响。然后,对单木尺度下不同分辨率的CHM树顶点提取精度进行评估,最后对单木尺度条件下的树高结果进行精度评价。研究结果表明,(1)当CHM空间分辨率为0.1m,使用中值滤波固定3×3窗口大小,能够达到最佳树顶点提取效果;(2)通过目视解译结合局部最大值方法确定CHM空间分辨率为0.4 m时,树顶点提取精度较高,F测度为89.68%;(3)利用局部最大值法提取CHM单木树高与地面实测树高具有良好的拟合效果(R2=0.95,RMSE=0.91 m)。

一种基于顶点位置树的可重构软硬件迭代协同算法

可重构计算分时复用有限的面积资源,实现更多的任务硬件加速运行,同时也给传统的软硬件协同设计带来了新的挑战.为此设计了一种基于顶点位置树的迭代协同ICS-VPT算法针对离线型、集中共享式可重构计算平台,综合软硬件划分、硬件布局和任务调度,提升系统性能:首次提出顶点位置树的数据结构,以较小的存储空间快速查找布局位置;迭代协同算法根据数据依赖图分组任务,结合通信代价获取软/硬件任务的优先级,进行合理划分和调度.实验结果表明,ICS-VPT算法在高效管理可重构资源和灵活处理通信代价的同时,保持了较低的系统运行时间.

一类数据中心网络中顶点独立生成树的一种通用构造方法

数据中心网络设计的新趋势是在互连网络的顶点和边上分别部署交换机和双端口服务器,其逻辑图可以抽象为复合图。顶点独立生成树(node-independent spanning trees,NIST)是数据中心网络中的一种重要结构,可用于设计数据中心网络中的可靠通信协议,容错广播和安全消息分发,IP快速重路由等。给定一个复合图G(Kn),首先表明,如果图G的直径为d,则复合图G(Kn)的直径为2d或2d+1。假设n-正则、n-顶点连通的互连网络G中存在以任一顶点为根的n棵NIST,通过提出一种时间复杂度O(N)的高效算法(其中N是顶点数),给出了G(Kn)中一种构造n棵NIST的通用方法。对复合图Qn(Kn)的顶点分析表明,NIST的最大高度仅为其直径加3。另外,基于增广立方体的数据中心网络上的模拟实验也从另一个方面证明了上述结论的正确性。

基于二叉顶点树的视点相关实时LOD算法

本文提出了一种实时LOD算法 ,通过对二叉顶点树的操作 ,实现在渲染过程中用不同的细节层次表示模型各部分。采用的细节层次的选择标准有 :视见体剔除 ,背面剔除和屏幕空间的投影误差。实验结果表明该算法可以在保持一定的视觉效果的前提下 ,大大提高绘制效率。

协同CAD中基于角色视图技术的存取控制

提出了协同CAD中信息存取的机制,这种机制是以基于角色的视图技术为基础的。通过对3D模型的几何分割,使基于角色的访问控制成为可能。提取一个被适当简化的、对协同设计单个设计者的存取权限适宜的模型,这种提取由复杂的存取机制所驱使。

结合遮挡裁减的视点相关模型简化方法

层次细节模型简化方法和裁减方法是加速三角网格绘制的两种主要方法.通常模型简化方法是同视点相联系起来,它提供了一种随着观察者视点变化而变化模型的层次细节。然而在存在大量遮挡物的场景中将导致很多被遮挡的物体在较高的细节层次绘制。为了克服这一缺点,作者提出了一种能够结合遮挡裁减的层次细节模型方法。实验结果显示本方法具有较好的视觉效果和加速性能。

基于连通性标记优化的地基LiDAR点云单木分割方法

针对地面激光雷达(TLS)进行单木分割时存在复杂林地欠分割或者过分割等问题,提出了一种基于连通性标记优化的单木分割方法。首先构建冠层高度模型(CHM)。再采用移动窗口进行局部极大值探测,实现候选树顶点探测。然后对初始树顶点进行连通性生长,通过探测连通区域的最高点,实现树顶点的优化提取,避免局部极大值误判为树顶点。接着采用基于标记的分水岭分割方法获取树木的初始分割结果。最后基于单木密度的分布特性对欠分割的树木进行优化,获取准确的单木分割结果。采用不同植被类型的点云数据进行实验分析,实验结果表明,所提方法在不同植被环境下均能获得良好的单木分割效果,平均探测精度均优于Meanshift单木分割方法和基于标记的分水岭单木分割方法。