期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
树木的真实感建模与绘制综述 被引量:12
1
作者 杨垠晖 王锐 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2018年第2期191-216,共26页
在一些娱乐以及虚拟现实等应用中需要对现实世界进行真实感地建模和绘制,从而提升自然场景的逼真度,使用户具有更佳的沉浸感.然而,由于树木在形态结构上所具有的复杂性和多样性,给真实感建模和绘制树木带来了诸多挑战.文中回顾了过去几... 在一些娱乐以及虚拟现实等应用中需要对现实世界进行真实感地建模和绘制,从而提升自然场景的逼真度,使用户具有更佳的沉浸感.然而,由于树木在形态结构上所具有的复杂性和多样性,给真实感建模和绘制树木带来了诸多挑战.文中回顾了过去几十年中,在树木的枝干、树叶以及树皮的真实感建模和绘制方面所取得的主要成果.首先将树木枝干的建模工作分为四大类进行分析和讨论;然后介绍树叶和树皮在精确几何建模及真实感绘制方面的工作;最后总结这些工作各自的特点及主要适用的场合,并进一步探讨了当前存在的问题及今后的研究方向. 展开更多
关键词 树木建模 树叶建模 树皮建模 真实感绘制
在线阅读 下载PDF
基于无人机影像的银杏单木胸径预估方法 被引量:15
2
作者 贾鹏刚 夏凯 +2 位作者 董晨 冯海林 杨垠晖 《浙江农林大学学报》 CAS CSCD 北大核心 2019年第4期757-763,共7页
胸径是立木测定的基本因子,自动获取胸径数据是准确高效计算森林蓄积量和生物量的关键。以银杏Ginkgobiloba为研究对象,通过无人机获得影像数据,利用运动恢复结构(SFM)方法生成数字表面模型和正射影像图,进而提取单株银杏的树冠面积(Ac)... 胸径是立木测定的基本因子,自动获取胸径数据是准确高效计算森林蓄积量和生物量的关键。以银杏Ginkgobiloba为研究对象,通过无人机获得影像数据,利用运动恢复结构(SFM)方法生成数字表面模型和正射影像图,进而提取单株银杏的树冠面积(Ac),冠幅(Wc)及树高(H)。3个参数分别与胸径(DBH)建立一元回归模型(Ac-DBH,Wc-DBH,H-DBH),二元回归模型(Ac&Wc-DBH,Ac&H-DBH,Wc&H-DBH)和三元回归模型(Ac&Wc&H-DBH)。52组拟合样本的结果显示:Ac&Wc&H-DBH模型的决定系数(R^2)最高为0.8250,均方根误差(ERMS)最小为0.9591。19组检测样本的结果显示:Ac&Wc&H-DBH模型反演的胸径值误差率为4.20%,小于A类森林资源胸径因子允许的误差值(5%)。研究结果表明:通过无人机采集树冠面积、冠幅和树高3个参数,可计算得到较高精度的胸径值。 展开更多
关键词 森林测计学 无人机 胸径 树冠面积 冠幅 树高 反演模型
在线阅读 下载PDF
基于树木整体图像和集成迁移学习的树种识别 被引量:27
3
作者 冯海林 胡明越 +1 位作者 杨垠晖 夏凯 《农业机械学报》 EI CAS CSCD 北大核心 2019年第8期235-242,279,共9页
为解决自然场景中拥有复杂背景的树木整体图像识别问题,提出了一种基于树木整体图像和集成迁移学习的树种识别方法。首先使用AlexNet、VggNet-16、Inception V3及ResNet 50这4种在ImageNet大规模数据集上预训练的模型对图像进行特征提取... 为解决自然场景中拥有复杂背景的树木整体图像识别问题,提出了一种基于树木整体图像和集成迁移学习的树种识别方法。首先使用AlexNet、VggNet-16、Inception V3及ResNet 50这4种在ImageNet大规模数据集上预训练的模型对图像进行特征提取,然后迁移到目标树种数据集上,训练出4个不同的分类模型,最后通过相对多数投票法和加权平均法建立集成模型。构建了一个新的树种图像数据集——TreesNet,基于该数据集,设计了多类实验,并将该方法与传统的图像识别方法进行了分析比较。实验结果表明:该方法对复杂背景下树种图像识别准确率达到99.15%,对于树木整体图像识别具有较好的效果。 展开更多
关键词 树种识别 迁移学习 图像识别 深度学习 集成学习
在线阅读 下载PDF
基于无人机影像与Mask R-CNN的单木树冠检测与分割 被引量:4
4
作者 黄昕晰 夏凯 +2 位作者 冯海林 杨垠晖 杜晓晨 《林业工程学报》 CSCD 北大核心 2021年第2期133-140,共8页
对无人机遥感影像中单木树冠进行检测与分割并获取树冠冠幅与树冠面积参数,可以为城市中不同场景下的林业资源调查提供高效快捷的途径。以银杏树为研究对象,创建基于无人机遥感影像的银杏单木树冠数据集,并使用卷积神经网络Mask R-CNN... 对无人机遥感影像中单木树冠进行检测与分割并获取树冠冠幅与树冠面积参数,可以为城市中不同场景下的林业资源调查提供高效快捷的途径。以银杏树为研究对象,创建基于无人机遥感影像的银杏单木树冠数据集,并使用卷积神经网络Mask R-CNN算法结合正射影像图对城市中不同场景下的树冠进行检测和树冠边界勾绘以获取相关树冠参数。结果表明,加入无人机银杏树冠影像数据集训练后的网络模型,可以较好地适用于城市不同场景下的银杏单木树冠检测与分割。在4个测试场景下的86棵银杏单木树冠目标总体查准率达到93.90%,召回率达到89.53%,F1-score为91.66%,平均精度均值为90.86%,且可以提取到较为准确的银杏单木树冠的冠幅值与树冠面积,预测冠幅的平均相对误差与均方根误差分别为7.50%和0.55,预测树冠面积的平均相对误差与均方根误差分别为11.15%和2.48。将无人机影像与深度学习算法结合应用到城市林业资源调查中,可以得到较为准确的树冠检测与轮廓分割结果,有效地提高城市林业资源调查效率。 展开更多
关键词 无人机 Mask R-CNN 树冠检测 树冠分割 冠幅 树冠面积
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部