共查询到15条相似文献，搜索用时 296 毫秒
1.
电力走廊的树木生长会对输电线路的安全运营造成巨大影响，精确检测出影响线路安全的树木并将其砍伐至关重要。因此，提出一种基于无人机激光点云的树障检测与砍伐树木数量估算方法。首先，对激光点云进行快速自动化处理，先后精确提取地面点、电力线点与植被点；其次，基于电力线点进行分段，并分析电力线与植被点的安全距离，进而确定树障区域的位置和范围；最后，对树障区域植被点云进行单木分割，并统计单木数量，最终实现砍伐树木数量的精准估算。研究结果表明，无人机激光点云可以实现输电通道树障的有效检测与砍伐树木数量的精确估算，总体树木砍伐数量估算精度可达92.3%，可为输电线路安全运营提供遥感技术支撑，也可为电网运维单位制订树木砍伐计划提供可靠依据。 相似文献
2.
针对北京遥测技术研究所自主研发的64通道机载单光子激光雷达,提出一种基于密度与局部统计的二维剖面点云去噪方法：在确定信号点云的高程区间后,先使用基于密度的改进空间聚类算法粗去噪,然后使用基于局部统计的统计移除离群点算法精去噪,获取信号点云。实验结果表明,本方法可适用于多种地物类型点云,高程均方根误差为0.27 m,准确率90.78%,精度高于常规点云去噪算法,满足国产机载单光子激光雷达获取高精度地表三维轮廓的技术需求。 相似文献
3.
岩体点云滤波是岩体三维重建的关键环节。针对岩体点云环境，提出一种基于多维度特征和多层神经网络的植被滤波方法。该方法首先计算点云中每一点的多维度特征作为特征输入；然后利用多层神经网络构建分类器实现对岩体点云数据的植被滤波过程。分析多维度特征的可用性，并通过不同的实验过程筛选最优网络模型参数。与其他分类器相比，本算法精度较高，能够更好地应用于岩体点云植被滤波领域。 相似文献
4.
机载激光雷达技术已经成为快速获取城市建筑三维数字模型的有效手段，而建筑物屋顶点云提取则是建筑物三维数字模型重建的关键。为有效剔除植被和墙面点云，以及消除地形起伏对建筑点云提取精度的影响，提出一种层进式屋顶点云提取方法。首先对LiDAR点云进行滤波，在此基础上利用点云回波特性和点云法向量检测并删除非地面点中特征明显的植被点和建筑物墙面点，然后利用连通成分分析法对非地面点聚类得到初始建筑点，最后结合DTM并利用建筑物面积和高度信息分离得到建筑物屋顶点云。试验结果表明，本方法能有效地从机载点云数据中快速提取建筑屋顶点云，有效率可达85%以上。 相似文献
5.
《安徽职业技术学院学报》2021,(4):1-5
传统数据并行挖掘算法忽略了对数据特征的聚类,数据边界特征点无法得以融合,导致数据挖掘收敛性较差、精度偏低。文章提出基于并行挖掘的多云协同构架云数据分区挖掘算法,建立多云协同构架云数据的特征数据聚类模型,采用边界特征点融合和阈值分割方法,实现多云协同构架云数据的信息融合和聚类处理。 相似文献
6.
光化学植被指数PRI的定义为531 nm 和 570 nm处反射率的归一化植被指数,这一指数能够成功的估算叶片尺度、冠层尺度和景观尺度的光能利用率LUE,进而可以提高净初级生产力NPP的估算精度,因而PRI有着广阔的应用的前景。但是,很多干扰因素会对建立PRI和LUE的关系产生影响,并且随着尺度的变化,干扰因素也在变化。因此,研究不同尺度下各种干扰因素对PRI的影响就显得更加必要和紧迫。基于这一点,本文利用PROSPECT和SAIL模型分别对叶片尺度和冠层尺度影响PRI的干扰因素进行了敏感性分析。结果表明,在叶片尺度上,叶片的PRI对叶肉结构参数 N 和叶绿素浓度（Cab）变化有着较高的敏感性,对于叶片的干物质浓度（Cm）和等效水厚（Cw）的变化敏感性弱;在冠层尺度上,叶面积指数、叶倾角分布、太阳高度角以及观测天顶角都会引起冠层PRI的变化。土壤类型对冠层的PRI不起决定作用,冠层自身的性质才是冠层尺度PRI的决定因素。 相似文献
7.
以中国南海东岛周边海域为研究区域，利用波段组合法开展高分辨WorldView-2影像的水深探测能力研究，分别建立单波段、双波段和多波段模型，进行精度评价。结果表明：多波段模型反演效果最好，双波段次之，单波段最差；各波段水深探测能力比较：绿波段 >全色波段 >蓝波段 >红波段；前视影像比后视影像的水深反演精度略高，全色波段在水深探测中具有重要作用。 相似文献
8.
在重轨干涉实际测量中，两次飞行航迹难以保持高度重合，飞行高度和姿态不稳定，干涉图像对存在明显不规则的相对形变，难以进行三维定位。通过分析重轨机载InSAR图像对的几何形变和形成原因，提出一种从精准的InSAR成像几何关系出发，通过修正成像参数，实现机载重轨InSAR高精度三维定位的方法。该方法通过引入地面控制点，实现干涉图像对精准的相对定位，生成高精度DEM；并利用高精度DEM，实现机载重轨InSAR高精度三维定位。对比检查点实测结果和定位结果，表明该方法可有效地解决机载重轨InSAR的三维定位困难的问题。 相似文献
9.
全球生态系统动力学调查(global ecosystem dynamics investigation,GEDI)雷达是美国2018年12月发射的全波形激光雷达系统,可以为全球地面高程及森林冠层高度提供数据支持。为适应不同地表环境,GEDI L2A产品提供了6种不同算法来估算地面高程及森林冠层高度,这些算法的选择会影响地表参数的提取精度。以机载LiDAR得到的数字地形模型和冠层高度模型为参考数据,评估第2版GEDI L2A数据在不同植被覆盖度下不同算法的适应性以及对地面高程和森林冠层高度精度的影响。结果表明,在覆盖度小于0.2时,算法4的结果最优,在覆盖度大于等于0.8时算法2的结果最优,其余覆盖度下算法1的结果最优。将本文根据植被覆盖度选择的最优算法与GEDI L2A默认最优算法进行比较,整体看来本文的结果优于GEDI L2A默认最优算法的结果,特别是在覆盖度小于0.8,坡度大于等于10°时,本文选择的最优算法能有效提高GEDI L2A产品对地面高程和森林冠层高度估算的精度。 相似文献
10.
高压线数字化是数字电网建设和线路智能巡检的核心内容,机载LiDAR在高压线三维数字重建中具有独特的优势。提出一种从输电走廊机载LiDAR点云数据自动快速高精度提取完整电力线点的方法。首先基于点云的空间分布特征粗提取电力线点,并通过改进Hough变换和RANSAC抛物线拟合法剔除噪点,然后分别进行电力线在平面和垂直面上的分股,结合单股电力线的平面直线模型和垂直面上的抛物线模型,采用模型生长的方法提取完整的电力线点。试验结果表明,该方法提取的电力线点云的精度可达99.6%。 相似文献
11.
双目相机虽然能通过算法生成密集的深度数据,但其在精度上与激光雷达生成的深度数据有着较大的差距,特别是在纹理不明显的区域。针对这种现象,尝试使用激光雷达的精确点云来排除由双目相机产生的pseudo-LiDAR数据中与之差别较大的部分点,然后将优化后的pseudo-LiDAR用以进行三维物体检测。实验结果显示,将pseudo-LiDAR数据中的不准确点（坏点）排除,有助于提高检测准确率,最多可提高21.02%。因此,如何不依赖激光雷达数据来排除pseudo-LiDAR点云中的坏点是进一步提高双目相机系统检测准确率的关键。 相似文献
12.
船舶检测是SAR海洋应用的重要方面。提出一种通用的检测方法，用以检测不同状况下的SAR图像船舶目标。首先将SAR图像分解为金字塔图像序列，然后对其中每一层图像使用谱残差法进行显著性检测，得到包含船舶目标的显著性子图；而后融合各子图得到最终显著图，对该显著图应用优化阈值的分割方法得到最终的检测结果。SAR数据实验结果表明，该方法具有复杂度低、检测精度高等特点，且极大降低了对先验知识的依赖。 相似文献
13.
在卧龙大熊猫自然保护区,难以获取高质量的光学遥感影像,加之地形和植被类型复杂多样,地物分类精度低,对利用遥感技术研究大熊猫生境造成了困难.为此,本工作探究一种提高遥感分类精度的方法.首先分别利用缨帽变换和匹配滤波方法提取影像的亮度、绿度、湿度和丰度等特征,建立基于多特征数据的决策树分类规则进行分类,最后利用野外实测数据对分类结果进行验证.研究结果表明:绿度特征对提取林地非常有效,湿度分量可以区分草甸与灌丛,亮度特征则提高了雪地的分类精度.匹配滤波可以实现混合像元分解,去除部分噪声并快速探测目标地物的波谱特征.基于多特征数据决策树遥感分类的总体精度达到83.33%,比传统的最大似然法分类精度提高8.67%.本文方法在卧龙大熊猫自然保护区等地物分类中取得了较好的应用效果. 相似文献
14.
提出一种基于距离方程组的机载SAR图像立体定位方法，该方法使用同一成像区域的3幅SAR图像进行无控制点定位，首先确定目标在3幅图像中对应的同名像点，解析该像点对应的雷达平台瞬时经纬度坐标、海拔高度以及目标到雷达平台的斜距值，在地心坐标系下建立3幅图像对应同名像点的距离方程组，对非线性方程组进行求解得到同名像点基于地心坐标系的坐标值，并通过坐标转换得到目标点的经纬度坐标及海拔高度，实现三维定位。对影响定位精度的系统误差因素进行仿真分析，利用实飞的机载SAR图像进行目标定位实验，结果验证了该方法的有效性。 相似文献
15.
针对网络入侵检测过程中无法有效处理入侵数据中分类变量的表示，导致网络入侵检测准确率低、漏报率高等问题，提出一种基于实体嵌入和长短时记忆网络（long short-term memory network，LSTM）相结合的网络入侵检测方法。首先，在数据预处理时，将表示网络特征数据中的数值型变量和分类型变量数据分开，通过实体嵌入方法将分类型变量数据映射在一个欧几里得空间，得到一个向量表示，再将这个向量嵌入到数值型数据后面得到输入数据。然后，通过把数据输入到长短时记忆网络中去训练，通过时间反向传播更新参数，得到最优嵌入向量作为输入特征的同时，也得到一个相对最优的LSTM网络的检测模型。在数据集NSL-KDD上进行实验验证，结果表明实体嵌入是一种有效处理网络入侵数据中分类变量的方法，它和LSTM网络相结合组成的模型能够有效提高入侵检测率。在数据预处理时对分类变量的处理中，实体嵌入方法与传统的One-Hot编码方法相比，检测的准确率提高1.44个百分点，漏报率降低2.99个百分点。 相似文献