-
公开(公告)号：CN107085710A
公开(公告)日：2017-08-22
申请号：CN201710280025.5
申请日：2017-04-26
Applicant: 长江空间信息技术工程有限公司(武汉)
Abstract: 本发明公开了一种基于多光谱LiDAR数据的单木自动提取方法。它包括如下步骤：以LiDAR数据中任意一个波段的点云为基准数据，对基准点云数据中的每个激光点，采用最邻近搜索方法，分别在其他波段数据中获得最邻近激光点的波段信息，生成一个包含多光谱信息的单一融合点云数据；沿着包含有多光谱信息的单一融合点云数据的Z方向上进行多视角投影，将点云数据分割为地面点云数据和非地面点云数据；对非地面点云数据进行聚类和归一化割，根据点云数据的几何和光谱特征进行分割，分离出语义独立的局部点云块；建立基于三维局部抽象类特征的树木目标整体特征描述模型，进行基于深度学习的单木自动提取处理。具有提高树木识别精度的优点。
-
公开(公告)号：CN107085710B
公开(公告)日：2020-06-02
申请号：CN201710280025.5
申请日：2017-04-26
Applicant: 长江空间信息技术工程有限公司(武汉)
Abstract: 本发明公开了一种基于多光谱LiDAR数据的单木自动提取方法。它包括如下步骤：以LiDAR数据中任意一个波段的点云为基准数据，对基准点云数据中的每个激光点，采用最邻近搜索方法，分别在其他波段数据中获得最邻近激光点的波段信息，生成一个包含多光谱信息的单一融合点云数据；沿着包含有多光谱信息的单一融合点云数据的Z方向上进行多视角投影，将点云数据分割为地面点云数据和非地面点云数据；对非地面点云数据进行聚类和归一化割，根据点云数据的几何和光谱特征进行分割，分离出语义独立的局部点云块；建立基于三维局部抽象类特征的树木目标整体特征描述模型，进行基于深度学习的单木自动提取处理。具有提高树木识别精度的优点。
-
公开(公告)号：CN115731476A
公开(公告)日：2023-03-03
申请号：CN202211214169.8
申请日：2022-09-30
Applicant: 长江空间信息技术工程有限公司(武汉)
Abstract: 本发明公开了一种基于集成预测弱监督无人机多源高光谱点云语义分割方法。它基于无人机多源高光谱点云数据为研究对象，构建基于集成预测的弱监督语义分割框架，在不完整监督的基础上，嵌入集成预测的一致性约束、集成预测结果引导的熵正则化以及自适应软伪标签方法，充分利用未标签数据的编码信息，为弱监督训练提供多种空间和光谱约束，增强网络模型语义分割能力。本发明解决现有技术下林业植被数据采样成本高、林木样本稀少且不易获取，人工高精度标签大场景林区植被数据费时费力的问题；具有保证林木样本训练效率的同时为弱监督林业信息提取网络模型增加监督源，提高学习模型林业植被信息提取能力的优点。
-
-
Search Results
3
records
(took 0.036 seconds)
