基于小光斑机载LiDAR数据的单木三维分割
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 1 引言 | 第7-13页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.2.1 区域分割方法 | 第9-10页 |
| 1.2.2 三维分割方法 | 第10-11页 |
| 1.3 研究内容 | 第11-12页 |
| 1.4 技术路线 | 第12-13页 |
| 2 研究数据及预处理 | 第13-26页 |
| 2.1 研究区域及样地选取 | 第13-15页 |
| 2.2 数据来源 | 第15-18页 |
| 2.2.1 数字正摄影像 | 第15页 |
| 2.2.2 LiDAR数据收集 | 第15-17页 |
| 2.2.3 参照树人工识别 | 第17-18页 |
| 2.3 LiDAR数据描述 | 第18-21页 |
| 2.3.1 数据项描述 | 第18-19页 |
| 2.3.2 数据分布 | 第19-21页 |
| 2.4 k-d树数据结构 | 第21-24页 |
| 2.4.1 k-d树构造 | 第21-22页 |
| 2.4.2 k-d树更新 | 第22-23页 |
| 2.4.3 k-d树最近邻查找 | 第23页 |
| 2.4.4 k-d树复杂度分析 | 第23-24页 |
| 2.5 预处理 | 第24-26页 |
| 2.5.1 数字高程模型 | 第24-25页 |
| 2.5.2 LiDAR点云滤波 | 第25-26页 |
| 3 单木识别与三维分割 | 第26-39页 |
| 3.1 单木识别 | 第26-34页 |
| 3.1.1 树冠模型 | 第26-27页 |
| 3.1.2 树冠粗糙分割 | 第27-30页 |
| 3.1.3 树干识别 | 第30-34页 |
| 3.2 单木三维分割 | 第34-38页 |
| 3.2.1 传统的k均值聚类方法 | 第35-36页 |
| 3.2.2 改进的k均值聚类方法 | 第36页 |
| 3.2.3 单木冠形拟合 | 第36-38页 |
| 3.3 本章小结 | 第38-39页 |
| 4 实验结果分析与讨论 | 第39-50页 |
| 4.1 实验结果 | 第39-41页 |
| 4.1.1 单木识别 | 第39-41页 |
| 4.1.2 单木三维分割 | 第41页 |
| 4.2 分析与讨论 | 第41-49页 |
| 4.2.1 单木识别精度评价 | 第41-43页 |
| 4.2.2 单木三维分割方法对比 | 第43-49页 |
| 4.3 本章小结 | 第49-50页 |
| 5 结果与展望 | 第50-52页 |
| 5.1 结果 | 第50-51页 |
| 5.2 待进一步解决与研究的问题 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 个人简介 | 第56-57页 |
| 导师简介 | 第57-58页 |
| 获得成果目录清单 | 第58-59页 |
| 致谢 | 第59页 |
