NO337638B1 - Fremgangsmåte for bestemmelse av bestandatributter og dataprogram for utførelse av fremgangsmåten - Google Patents
Fremgangsmåte for bestemmelse av bestandatributter og dataprogram for utførelse av fremgangsmåten Download PDFInfo
- Publication number
- NO337638B1 NO337638B1 NO20064680A NO20064680A NO337638B1 NO 337638 B1 NO337638 B1 NO 337638B1 NO 20064680 A NO20064680 A NO 20064680A NO 20064680 A NO20064680 A NO 20064680A NO 337638 B1 NO337638 B1 NO 337638B1
- Authority
- NO
- Norway
- Prior art keywords
- trees
- point cloud
- tree
- laser
- crown
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 123
- 238000004590 computer program Methods 0.000 title claims description 8
- 238000005259 measurement Methods 0.000 claims description 34
- 239000000463 material Substances 0.000 claims description 20
- 238000012567 pattern recognition method Methods 0.000 claims description 7
- 238000011161 development Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000003909 pattern recognition Methods 0.000 claims description 3
- 238000005755 formation reaction Methods 0.000 claims 1
- 238000004611 spectroscopical analysis Methods 0.000 claims 1
- 230000008569 process Effects 0.000 description 20
- 241000894007 species Species 0.000 description 15
- 238000013507 mapping Methods 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 230000011218 segmentation Effects 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 6
- 238000000280 densification Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 241000218657 Picea Species 0.000 description 2
- 235000008331 Pinus X rigitaeda Nutrition 0.000 description 2
- 241000018646 Pinus brutia Species 0.000 description 2
- 235000011613 Pinus brutia Nutrition 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000010006 flight Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 235000018185 Betula X alpestris Nutrition 0.000 description 1
- 235000018212 Betula X uliginosa Nutrition 0.000 description 1
- 208000022914 Testicular regression syndrome Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006854 communication Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/02—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures
- G01C11/025—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures by scanning the object
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Astronomy & Astrophysics (AREA)
- Theoretical Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
Teknisk område
Foreliggende oppfinnelse gjelder en fremgangsmåte for skog-registreringsregnskap og bestemmelse av bestandattributter. Ved hjelp av fremgangsmåten kan bestandattributtene av de enkelte trær, prøvefelter, bestander eller store skogområder bli bestemt ved å måle eller utlede de viktigste attributtene hos de enkelte trærne. Oppfinnelsen gjelder også et datamaskinprogram for å utføre fremgangsmåten.
Bakgrunn for oppfinnelsen
Vanlig skogregistrering er fremdeles for det meste basert på målinger i felten. Eksempelvis er skogregistrering på bestandnivå, der skogen først blir delt inn i nesten homogene felt (typisk av størrelse 1-3 hektar), i dag basert på måling av teiger og visuell observasjon. Fotografier fra luften og ortofotoer (bilder tatt fra luften og korrigert til kartprojeksjon) blir stort sett brukt for bestemmelse av bestandgrenser og vandreruten i skogen, men bestandattributter som volum (m<3>/ha), basalareal (m<2>/ha, avbilder tverrsnittarealet per hektar som svarer til trærne kuttet i 1,3 m høyde), middelhøyde (m), andre basale arealtype-tetthetsattributter, trearter, alder og utviklingsklasse, blir bestemt ved målinger og vurderinger utført i skogene. Det har vært forsøkt å gjøre dette arbeidet mer effektivt ved å øke automatiseringsni-vået, med datamaskiner i felten og med mer automatisk måleutstyr (se for eksempel det finske patentet Fl 101016B). I skog-registreringsregnskap på bestandnivå blir bestand- og treattributtene beregnet ved teigvis informasjon og visuelle observasjoner. I tillegg til bestandmessig vurdering, teigvis vurdering, blir det utført måling av individuelle trær og overslag for større arealer, slik som overslag av hele kommuner eller deler av disse.
FI-patent 112402 (tilsvarer WO 01/31290) presenterer en fremgangsmåte som er basert på laserskanning og som frembringer en tredimensjonal presentasjon av bestandhøyden i skogen. Ved hjelp av mønstergjenkjenning brukt på disse høyde-modellene kan en identifisere individuelle trær. Høyden, kronediameteren og arten kan utledes for det enkelte tre ved hjelp av den tredimensjonale modellen. Andre bestandattributter blir utledet ved bruk av denne informasjonen. Fordelene ved fremgangsmåten er den fremragende nøyaktigheten(ca. 10 %) for de viktigste bestandattributtene (volum, basisareal, middelhøyde). Fremgangsmåten krever imidlertid en ganske tett mengde av laserpulser for å skille individuelle trær bare ved hjelp av laserinformasjon.
Tidligere løsninger er basert på luftfoto-avledede trekronemodeller kombinert med laser-avledet terrengmodell (St. Onge og Achaia: Measuring forest canopy height using a combination of lidar and aerial image data, http://larsees.geg.queensu.ca/lidar/publications/st-onge.pdf, identifisering av individuelle trær ved bruk av informasjon fra både luftfotografier og laser (Leckie, Gougeon, Hill, Quinn, Amstrong, Shreenan 2003: Combined high-density lidar og multispectral imagery for individual tree crown analysis, Can. J. Remote Sensing, Vol 29, No. 5, pp. 633-649), tilkobling av strukturinformasjon fra luftfotoer inn på lasermodellene (Fujii, Arikawa 2002: Urban Object reconstruction using airborne laser elevation image and aerial image, IEEE Transactions on Geosc. og Rem. Sens., Vol. 40, No. 10, pp. 2234-2240), segmentering av store skogarealer og generalise-ring av høydeinformasjon fremskaffet ved hjelp av laser til større arealer (Wulder ja Sheeman 2003: Forest inventory height update through the integration of lidar data with segmented Landsat imagery, Can. J. Rem. Sens., Vol. 29, No. 5, pp. 536-543). Videre presenterer det finske patentet Fl 112402 ideer for å kombinere laser- og
luftbilder for produksjon av trearter.
Fra internasjonal patentsøknad WO 02/087819 er det kjent et system for inspek-sjon av brennkamre og beholdere, omfattende en laserleser for måling av en punktsky når laserens lys reflekteres fra veggen i kammeret. Punktene i skyen som er mest relevant blir bestemt, og punktene benyttet til å frembringe et 3D bilde som korresponderer til geometrien i det indre av kammeret.
Hensikten med oppfinnelsen
Hensikten med oppfinnelsen er å oppnå en fjernmålings-fremgangsmåte for skogregistrering og bestemmelse av bestandattributter som er betraktelig mer fordelaktig når det gjelder materiellkostnader for fjernmåling enn oppfinnelsen i det finske patentet Fl 112402, men som fortsatt frembringer meget nøyaktig informasjon.
Sammenfatning av oppfinnelsen
Denne hensikten blir løst ved hjelp av en fremgangsmåte og datamaskinprogram som definert i de etterfølgende patentkrav.
Nærmere bestemt, ifølge fremgangsmåten ved nærværende oppfinnelse for bestemmelse av bestandattributter ved hjelp av en laserskanner og bilder, blir det ved hjelp av en laserskanner frembrakt en punktsky med tredimensjonal informasjon om målpunktene og som beskriver bestanden. Fremgangsmåten er i hovedsakkarakterisert vedat overlappende bilder blir frembrakt ved fotografi fra luften og på bakken. Deretter blir det frembrakt en tettere punktsky med flere målpunkter med tredimensjonal informasjon ved å komplettere punktskyen som er produsert av laserskanneren med overlappende bilder fra fotograferingen. Bestandattributtene blir så bestemt ved hjelp av den tettere punktskyen.
De inventive trinnene ved fremgangsmåten blir utført av datamaskinprogrammet i henhold til nærværende oppfinnelse.
Noen fordelaktige utførelser av nærværende oppfinnelse er presentert i de uselv-stendige kravene.
Fremgangsmåten i henhold til nærværende oppfinnelse sikter mot skogregistrering og bestemmelse av bestandattributter. Informasjon om trær, prøveteiger, bestander eller større skogområder kan måles ved hjelp av fremgangsmåten, ved å måle og utlede de viktigste attributtene for individuelle trær. Tredimensjonal informasjon om bestandet blir innsamlet fra bestandområdet ved å bruke et slikt antall prøve-treff at individuelle trær og grupper av trær kan skjelnes. En slik mengde med prø-vetreff kan oppnås ved fortetning av en magrere laser-punktsky med en overflatemodell som følger trekronetoppene, som blir beregnet ved hjelp av overlappende bilder. I fremgangsmåten blir det brukt en laserskanner og overlappende bilder. Laserpunktskyene blir fortettet ved hjelp av overlappende bilder, og den resulterende tettere punktskyen blir brukt til å identifisere individuelle trær og grupper av trær.
Bestemmelse av bestandattributtene skjer med fordel i følgende trinn:
1) Utførelse av laserskannermålinger og tilvirking av overlappende bilder fra bestandområdet 2) Transformering av bildeinformasjonen og lasermålingene inn i det samme koordineringssystemet 3) Fortetting av punktskyen som er oppnådd ved hjelp av laserskanning med overlappende bilder 4) Identifisering av individuelle trær og grupper av trær fra punktskyer ved hjelp av mønstergjenkjenningsmetoder 5) Beregning av bestandattributter ved hjelp av informasjon fra individuelle trær og tregrupper for ulike anvendelser.
Trinnene 2-5 av fremgangsmåten ovenfor kan utføres ved hjelp av et datamaskinprogram. Det finnes tydelige mellomrom mellom trekronene i den nordlige boreale skogsonen, mange skogområder som er kommersielt utnyttet, og også andre skogområder. I Finland blir ca 30 % av laserpulsene reflektert fra bakken. Oppfinnelsen som er presentert i Finsk patent Fl 112402 gjorde bruk av dette faktum på en slik måte at individuelle trær kunne bli målt ved hjelp av et stort antall laserskanner-pulser. Nærværende oppfinnelse gjør bruk av nevnte faktum på den måten at prø-ver fra bakken kan oppnås ved et relativt lite antall pulser, hvilket tillater produksjon av en grov men tilstrekkelig nøyaktig digital terrengmodell (Digital Terrain Model - DTM). En digital terrengmodell med en nøyaktighet på vanligvis 0,5 m kan frembringes med en laserskanner selv ved et lavt antall pulser. Nøyaktigheten er tilstrekkelig når det gjelder skogregistrering på bestandnivå.
Fremgangsmåten ved nærværende oppfinnelse, presentert i denne teksten, gjør bruk både av overlappende bilder med høy oppløsning (slik som luftfotografier, satellittbilder og videobilder) og av laserskannermålinger. Det nødvendige antall pulser frembrakt av laserskanneren er fortsatt meget lavere enn i nevnte Finske patent 112402, hvilket når det er nødvendig tillater stor flyhøyde og brede skannestri-per(altså kostnadseffektivitet). Fremgangsmåten er spesielt ment for operativ skogregistrering på bestandnivå.
Punktskyen som fremkommer ved laserskanning samt bildeinformasjonen skal bringes inn på samme koordinatsystem, slik at informasjonen fra ulike kilder kan bli kombinert som tilhører samme mål. Kjente likninger for konvertering mellom ulike koordinatsystemer blir brukt ved konvertering av koordinatene. Kompatibiliteten blir ytterligere forbedret ved å identifisere fra det forskjellige materialet, grupper av samhørende mål som tydelig kan skilles fra omgivelsene, og ved å beregne ut fra disse målene en parametrisk konverteringsmodell ved hjelp av regresjonsanalyse.
Fra den glisne punktskyen som er frembrakt av laserskanningen vil treffene målt fra bakken og de som er målt over bakkenivå kunne skilles fra hverandre ved hjelp av kjente metoder, slik som bruk av Terrascan-programvaren. Kronen på et tre utgjør hovedparten av tverrsnitta real et for treet sett fra laserskanneren, og derfor vil ho-vedandelen av treffene målt over bakkenivå være treff av trekronene. Disse treffene brukes som en basis i den automatiske prosesseringen, der flere punkter som er nær startpunktene (punktene frembrakt av laseren) blir produsert fra stereo-parene av bildematerialet.
Individuelle trær og grupper av trær kan identifiseres ved hjelp av punktskyen ved å bruke kronemodeller, intensitetsinformasjon om laser og lysstyrkeverdier for luftfotoene.
Beregningen av bestandattributter finner sted ved hjelp av individuelle trær og grupper av trær. Antallet trær blir identifisert statistisk fra gruppen av trær. Flere prinsipper finnes som kan brukes ved beregning av treattributtene. Høyde, arten av tre og kronediameteren kan beregnes for hvert tre ved hjelp av den tettere punktskyen. Ved hjelp av disse attributtene er det mulig å bestemme basalareal, volum, stammediameter, alder og utviklingsklasse for et individuelt tre. Uten informasjon om trekronehøyden fra laser og luftfotoer blir estimeringene av et individuelt tre nokså unøyaktig. Alternative måter for beregning er å velge prøvetrær og gjøre bruk av kronedekningsprosenter i analysen. Prøvetrærne kan velges når punktskyen er så glissen at det ikke en gang er mulig å få en prøve fra hvert tre. I et slikt tilfel-le blir bare de trærne valgt som laseren oppnår en prøve fra, men fra den tettere punktskyen blir det høyeste avledede punktet som svarer til treet valgt for å beskri-ve høyden på vedkommende tre. Ved denne beregningsmetoden blir prøvetrærne antatt å representere på tilfeldig måte det dominerende høydenivået. Antallet trær kan beregnes på samme måte som det blir gjort med mønstergjenkjenningsmeto-dene i ovennevnte grunnmetode. I tette tregrupper og når mer glisne punktskyer blir brukt, er det verd å utføre beregningen ved hjelp av prøvehøyder og kronedekningsprosenter frembrakt ved hjelp av tettere punktskyer og mønstergjenkjenning, siden det estimerte stammeantallet er undervurdert sammenliknet med det reelle tallet.
Nærværende oppfinnelse unngår betingelsen med et tett antall laserpulser. Det er mer kostnadseffektivt å foreta laserskanning-kartleggingene fra større høyder for å få en videre dekning. På den annen side blir punkttettheten fra målet redusert. Denne reduksjonen kan kompenseres ved å ta luftfotoer og ved å fortette laser-punktskyene ved bruk av en bildeblokk fra luften. En slik løsning er hittil ikke blitt brukt noe sted. Kostnadene ved luftfotografering er bare en brøkdel av kostnadene ved laserskanning.
Fremgangsmåten i henhold til nærværende oppfinnelse er den billigste av alle slike fremgangsmåter med fjernmålingsmetoder for skogregistrering som gir bestandat-tributtinformasjon med en nøyaktighet på 15 %. Fordelene ved oppfinnelsen sammenliknet med typiske fjerndetekteringsmetoder er også den at med fremgangsmåten i henhold til oppfinnelsen blir klare fysiske karakteristika målt fra objektet, i form av klassifiseringsdata som treattributter slik som volum kan utledes fra. Der-med trenger ikke fremgangsmåten nødvendigvis å kreve bruk av prøveteiger som læringsmateriale, hvilket reduserer kostnaden av fremgangsmåten.
I oppfinnelsen er det underforstått at det brukes laserskannere som leverer en be-skjeden pulstetthet ved evaluering av bestander, sammen med bildeinformasjon. Tidligere undersøkelser (slik som Nåsset 1997) lyktes ikke i å fremskaffe nøyaktige resultater med et liknende materiale. Et beskjedent antall pulser tillater billigere lasermateriale, noe som ofte er viktig for en bruker.
Med fremgangsmåten i henhold til nærværende oppfinnelse er det i alminnelighet mulig, på den nordlige barskogsonen å frembringe volumestimater for bestandet
med en feilmargin på 10-20 % på bestandnivå, hvilket er tilstrekkelig i lys av praktiske målinger. Fremgangsmåten kan også anvendes annetsteds, spesielt i tropiske plantede skoger. Kostnadseffektiviteten ved fremgangsmåten øker med en kontinuerlig utvikling av laserskannere sammen med det faktum at laserskannerdata blir stadig mer vanlig. Fremgangsmåten kan også automatiseres (det betyr prosesse-ring av innsamlet materiale ved hjelp av en datamaskin).
I det følgende blir oppfinnelsen presentert ved hjelp av tegningsfigurer og eksemp-ler, som ikke er ment å begrense oppfinnelsen på noen måte.
Kort beskrivelse av teaninasfiaurene
Figur 1 er en prinsippskisse for frembringing av overlappende bilder fra luften.
Figur 2 er en prinsippskisse av en målesituasjon med laserskanning.
Figur 3 er en prinsippskisse av fotogrammetrisk fortetting ved bruk av overlappende bilder og punktskyer oppnådd ved laserskanning.
Figur 4 er en prinsippskisse av fotogrammetrisk utledning av punkter.
Figur 5 er en eksempelskisse av en trekrone hvor et tettere sett med punkttreff er blitt definert ved hjelp av bilder. Lasertreffene er merket X, og de tillagte (fortettede) punktene er merket med hvite kvadrater. Figur 6 er et flytskjema av en fremgangsmåte utviklet for identifisering av individuelle trær eller grupper av trær. Figur 7 er en eksempelskisse av måling av trevekst på ulike tidspunkter ved hjelp av punktskyer. De hvite punktene angir samme tre som de svarte punktene, men er målt et par år senere. Figur 8 er en eksempelskisse som viser hvordan høstede og nedfalne trær kan bestemmes fra en fortettet punktsky av god kvalitet. Figur 9 er et flytskjema for automatisk observering av høstede og nedfalne trær ved hjelp av mønstergjenkjenningsmetoder. Figur 10 er et flytskjema for beregning av bestandattributter ut fra en fotogrammetrisk fortettet punktsky. Figur 11 er et flytskjema for bestemmelse av bestandattributter ved hjelp av oppdatering med bruk av materiale fra to ulike tidspunkter.
Figurene 1-11 er grovskisser for klargjøring av målinger og prosesser.
Detaljert beskrivelse
Gjennomføring av laserskanning og fremstilling av en luftbildeblokk med høy oppløsning fra skogområdet.
Figurene 1 og 2 presenterer en generell skisse av målesituasjonen i fremgangsmåten. Både lasermålingen og luftfotograferingen blir utført fra en flygende plattform (et fly, et helikopter, et ubemannet fly, en fjernstyrt flyinnretning) over bestandet. Av disse er for tiden et fly den beste bæreren for flate områder, et helikopter på fjellområder, og den billigste bæreren er et automatisk styrt ubemannet fly eller en fjernstyrt flygende innretning. Apparatene (laserskanneren og kameraet til å ta luftfotoer) kan enten være i flyinnretningen og ta samtidige bilder, eller flyturene kan gjøres til ulike tidspunkter. Fordelene ved å gjøre målingene på samme tid er at materialet kan stedfestes med samme GPS/IMU-observasjoner, og de er også på annen måte geometrisk nærmere hverandre. Videre blir flyturkostnadene da lavere. Fordeler ved å utføre målingene separat på ulike tidspunkter er at bildedannelsen
da kan bli utført, alltid når det er mulig, med det ene av instrumentene. Laserskanningen er en mer flyturkrevende aktivitet idet arealet som blir dekket er typisk stri-peliknende, men luftfotograferingen er mer følsom for ulike værforhold. Over skogområder er laserskanning-vinklene høyst 15 grader fra vertikalretningen. Fordi laserskanneren er et aktivt instrument kan laserskanningen også utføres om natten. Kameraet for å ta luftfoto kan enten være et filmbasert kamera eller et digitalt kamera.
Laserskanneren, figur 2, består av en skannerdel, som sørger for et utsving på tvers av flyretningen av en laserkanon som frembringer laserpulsene, og av en detektor-del som interpreterer det mottatte signalet og bestemmer avstanden til målet på grunnlag av dette. Avstanden mellom målet og laserenheten kan bestemmes på grunnlag av gangtiden for laserpulsen som sendes fra laserkanonen i laserskanneren til målet og tilbake igjen. Når orientering og posisjon av laserkanonen er kjent, kan avstanden som er målt mellom laserkanon og mål bli omregnet til objektposi-sjon; dette er det som all måling av overflatemodeller ved hjelp av laser er basert på. Orientering og posisjon av laserenheten blir typisk bestemt ved hjelp av et treghetssystem og GPS-posisjonering (Global Positioning System, et globalt satel-littnett for posisjonering). Treghetssystemet måler enten bare orientering eller både orientering og posisjon ved å bruke treghetsdetektorer. I GPS-målingen med la-serskannerteknikk er det én GPS-mottaker, som er på den samme flygende plattformen som laserskanneren, og det er en annen GPS-mottaker på bakken som refe-ransestasjon, figur 2, nær området som skal undersøkes, for eksempel innenfor en avstand av 30 km. Det er sannsynlig at referansestasjoner på bakken kan unngås i fremtiden ved bruk av virtuell GPS-teknikk.
Fremstilling av et bilde med laser finner sted ved hjelp av en skanner som sveiper en laserpuls på tvers av flyretningen. I den andre retningen blir bildet dannet etter hvert som den flygende plattformen beveger seg langs fluktlinjen. På denne måten blir hele målområdet dekket. Eksempelvis blir avstandene mellom nabostråler på bakken (idet strålediameteren typisk er et par titalls centimeter) bestemt av karak-teristikken til laserkanonen og skanneren (pulsrepetisjonsfrekvens, antall parallelle pulser, maksimum skannevinkel og skannemåten). Det finnes flere skannemeka-nismer. Ved konisk skanning holdes målevinkelen til målet hele tiden konstant. Ved såkalt pushbroom-skanning er den innbyrdes orienteringen av parallelle stråler alltid konstant.
Ved luftfotografering blir spredningen av sollys registrert ved hjelp av det metriske kameraet, enten på en film eller elektronisk. I Finland for eksempel, blir luftfoto tatt når asimutvinkelen for solen er over 33 grader. Hovedhensikten med fotogrammetrisk kartlegging er å fremstille tredimensjonal informasjon om målet. De tredimensjonale koordinatene for målet kan bli bestemt dersom målet blir observert fra minst to forskjellige bilder, figur 1 og 4. Utregning av målkoordinatene foregår vanligvis som en tredimensjonal fremskjæring, figur 4. Typisk blir en fotogrammetrisk kartlegging gjort som en stereointerpretasjon fra stereo-bilder. Et stereobilde består av to deler, der begge ser målet som skal observeres, fra noe ulike perspektiver. Når stereobildet blir betraktet - det venstre bildet med venstre øye og det høyre med høyre øye, flyter bildene sammen i ett i betrakterens hjerne, og han ser målet/objektet tredimensjonalt (som et stereobilde). Målingen kan også gjøres som en to-bilders måling, der målet blir målt fra hvert av to overlappende bilder. Prosessen med bildemålinger kan automatiseres i samband med bruken av digitale bilder, ved bruk av databeregnede bildesammenlikningsteknikker. Nøyaktigheten av kartleg-gingen blir bedre dess flere bilder som blir brukt til observasjon av målet. Ved fotogrammetrisk kartlegging blir det vanligvis innhentet en bred luftfotoblokk (figur 1), da det normalt er mer kostnadseffektivt å fotografere et videre område på samme tid og fordi på den annen side bestemmelse av den eksterne orienteringen av bildene med den nøyaktighet som kreves er mest fordelaktig ved bruk av en bildeblokk. Bildeblokken består vanligvis av flere overlappende fluktlinjer, og hver fluktlinje består av flere overlappende luftfotoer. Dekningsprosenten for suksessive bilder i sekvensen er typisk 60 %, og dekningsprosenten for nabo-fluktlinjer er typisk 30 %. Differansene i lysstyrke i bildene som skyldes geometrien av målet, bildeinn-samlingen og sollyset fører til problemer, spesielt for en automatisk interpretering. Grunnlaget for fotogrammetri er blitt presentert f.eks. i arbeidet (Schwidefsky, K., Ackermann, F, 1976. Fotogrammetria. Otapaino, Espoo 1978).
For målingen av trær er det viktig å utføre begge målinger så perpendikulært som mulig, slik at det ikke dannes skyggefelter bak trærne. Ved laserskanning bør skan-nevinkelen fortrinnsvis være mindre enn 10 grader fra nadir og maksimalt 15 grader fra nadir. Ved testmålinger er det observert at skyggeområder danner seg selv ved skannevinkler på 5 grader. I samsvar med ideen i nærværende oppfinnelse bør det brukes en laserinnretning som kan brukes så høyt som mulig og likevel frembringe en rimelig tetthet av laserpunkt-treff, f.eks. 0,5-5 treff per kvadratmeter. Repetisjonsfrekvensen for laserpulsene vokser imidlertid. I 1999 var pulsrepeti-sjonsfrekvensen for den førende laserskanner-tilvirkeren Optech 10 kHz, nå i 2004 er den 100 kHz. I tillegg er det mulig å måle hele bølgeformen i retursignalet. Puls-repetisjonsfrekvensen i et slikt system er imidlertid bare 33 kHz i en høyde på tre kilometer. Grunnen til dette er at i nåværende systemer er det bare en puls under-veis av gangen. Lyshastigheten er altså en begrensning. I fremtidige systemer vil imidlertid dette problemet bli løst. Ved å bruke en laserskanner på 33 kHz i en fly-høyde på 3 km med flyhastighet 66 m/s og med en maksimum skannevinkel på 10 grader, blir den oppnådde punkttettheten 0,5 pulser per kvadratmeter. Det er ikke mulig å beregne verdier for de enkelte trærne fra et slikt materiale. Nærværende oppfinnelse gir en praktisk løsning ved å bruke laserskanning med dagens punkt-tetthet og gjør det likevel mulig å lage en beholdningsoversikt ved hjelp av individuelle trær.
Fordi målingene må utføres med smale målevinkler (til nadir), er arealet som skal måles smalt (1000 m bredt med en flyhøyde på 3000 m ved å anta et maksimum skanneutsving på ca 10 grader), og avhengig av applikasjonen kan det bli nødven-dig å fly flere parallelle linjer for å dekke hele området.
I de foretrukne utførelsene av oppfinnelsen blir forskjellige pulsmoduser som brukes i forskjellige lasersystemer også anvendt ved dannelsen av forskjellige overflatemodeller. Ved å lagre hele fasongen av pulsen kan en fremskaffe informasjon som bidrar til klassifisering av punktene i terrengtreff og vegetasjonstreff og også bidrar til å bestemme typen av krone (tett krone, separat kvist, tre-art).
Omdanning av bildeinformasjon og lasermålinger til samme koordinatsystem
Punktskyen og luftfotoene blir frembrakt i WGS-84-systemet på grunn av GPS-teknikken som er brukt (ytterligere informasjon finnes i boken GPS-paikanmaaritys (Markku Poutanen 1998)). Dersom det også blir brukt treghetssystemer i luftfotograferingen, kan også luftfotoene bli geo-referert direkte uten indirekte oriente-ringsprosess (uten bakkestyring).
På denne måten blir hele området dekket med laserskanning med tynne stråler, som det kan bestemmes koordinater for. For å kunne beregne målkoordinatene for de oppmålte målene ut fra bildene, er det nødvendig å kjenne de interne orienteringene (bildehovedpunkt, brennvidde) samt de eksterne orienteringene (posisjon og retning av kameraet ved opptaket). Bestemmelse av orienteringene er en all-ment kjent teknikk. De interne orienteringene blir vanligvis bestemt ved laborato-riekalibrering. De eksterne orienteringene av luftfotoene blir nå fortiden vanligvis bestemt ved buntet blokk-justering, men i fremtiden vil bruk av direkte geo-referanse også være mulig (de eksterne orienteringene blir direkte bestemt under bildedanning fra registrerte GPS- og andre observasjoner). En bildeblokk (se be-skrivelsen ovenfor) er nødvendig for blokkjusteringen. Observasjonene for blokkjusteringen består typisk av knutepunkter observert automatisk eller interaktivt fra de overlappende bildene, observasjonene av eksterne orienteringer under bildeinnhen-ting (posisjoner for projeksjonssentre og mulige retninger) samt bakkekontroll punkter. I det minste er koordinatene for måltreffene og de eksterne orienteringene til bildene ukjent. Prinsippet ved fremgangsmåten er at observasjonslikninger (koli-nearitetsbetingelsen - Condition of collinearity) blir dannet mellom målkoordinatene og bildekoordinatene, idet de ukjente størrelsene blir presentert som parametre. De ukjente størrelsene blir løst ved bruk av den ulineære minste kvadraters metode. Fremgangsmåten er beskrevet f.eks. i arbeidet (Kraus, K. 1993. Photogrammetry. Volume 1 - Fundamentals and Standard Processes. Ferd. Dummlers Verlag).
Materialet blir konvertert til det ønskede koordinatsystemet og projeksjonen (slik som YKJ, KKJ og ETRS-TM35FIN) ved bruk av eksisterende konverteringsformler. Organisasjonene for avbildning og landkartlegging i hvert enkelt land vil kunne le-vere de nødvendige konverteringsformlene. Resultatet er et datasett med terreng-punkter som består av punktskyer med x, y og z-koordinater og de eksterne orienteringene av luftfotoene i et ønsket koordinat- og projiseringssystem. Mer informasjon om bestemmelse av koordinatsystemer og projeksjoner kan leses i boken Kåytånnån geodesia (Martti Tikka 1985).
Samkjøring av dataene blir ytterliere forbedret ved fra det ulike materialet å identifisere en gruppe sammenhengende egenskaper som klart kan skjelnes, og ved fra disse egenskapene å beregne, ved hjelp av f.eks. regresjonsanalyse, en parametrisk polynomial konverteringsmodell ved bruk av kjente metoder.
Fortetting av punktskyen som oppnås ved laserskanning, ved hjelp av en luftbildeblokk
Fortetting av punktskyen som oppnås ved laserskanning, ved hjelp av en luftbildeblokk er presentert på figurene 3 og 5.
Fra den glisne punktskyen frembrakt av laserskanningen vil treffene som er målt danne bakken og de som er målt over bakken bli skjelnet fra hverandre ved bruk av kjente metoder, slik som bruk av Terrascan programvare (se www.terrasolid.fi). Treets krone utgjør hoveddelen av tverrsnittflaten av treet sett fra laserskanneren, og derfor er hoveddelen av treffene målt over bakken treff av trekronene. Disse treffene brukes som en basis enten ved de manuelle, halvautomatiske eller automatiske prosessene, der flere punkter med kjente xyz-koordinater blir frembrakt nær de lasertreffene som er klassifisert som kronetreff. Når det samme objektet blir observert fra to eller flere overlappende bilder, kan objektkoordinatene løses med en passende fotogrammetrisk metode, som beskrevet ovenfor.
I den manuelle interpreteringen måler operatøren interaktivt flere kronetreff i omgivelsene nær lasertreffene fra stereoparene. Programmet som kjører i bakgrunnen
beregner kroneparametre for treet og veileder operatøren ved valg av punkter. Kronene som blir interpretert av programmet kan bli presentert i sanntid på bildene, og operatøren måler flere punkter om det behøves. Programmet analyserer også andre egenskaper ved treet (f.eks. treets art), hvilket blir bekreftet av operatøren.
Den halvautomatiske prosessen er en utvidelse av den manuelle fremgangsmåten som er beskrevet ovenfor. Operatøren vil fortsatt lede og styre målingen, men opp-rettelsen av punkter og målingen finner sted automatisk med en bildesammenlikningsteknikk (en beskrivelse av bildesammenlikningsteknikken følger). Programmet genererer nye punkter tett ved laserpunktet ved hjelp av bildesammenlikning og presenterer de interpreterte kronene for operatøren i sanntid på samme måte som ved den manuelle fremgangsmåten. Operatøren vil enten godta eller avvise resultatene og utføre de nødvendige korreksjoner.
I den automatiske prosessen vil operatøren ikke ta del i måleprosessen i det hele tatt, men i stedet blir punktene målt ved automatisk bildesammenlikningsteknikk. I denne fremgangsmåten går en ut fra at interpreteringen og måleprosessen lar seg automatisere med nøyaktighet. I programmet er det inkludert en kvalitets-styringsrutine. Rutinen kaller opp den manuelle eller halvautomatiske prosessen når det er nødvendig.
Den halvautomatiske og den automatiske målingen krever bruk av bildesammenlikningsteknikk. Det finnes flere mulige sammenlikningsteknikker, og de er ganske godt kjent, men de er allikevel ikke blitt brukt tidligere til fortetting av en punktsky frembrakt ved laserskanning og til estimering av bestandattributter. Når den romli- ge oppløsningen av bildet er tilstrekkelig, vises detaljene ved treet som en struktur på bildene, som kan brukes ved automatisk bildesammenlikning. Ved måling av treets form blir det tale om bildesammenlikningsteknikker basert på både egenskaper og lysstyrkeverdier i bildet. Da terrengoppløsningen i bildet er ca. 5-20 cm, er det mulig å trekke ut interessante punkter fra trestrukturen ved hjelp av operatorer som ekstraherer egenskaper, f.eks. Moravec or Forstner (Moravec, 1976, Towards automatic visual obstacle avoidance. Proe. 5th Int. Joint Conference on Artificial Intelligence, Forstner W, Gulch E., 1987, A Fast Operator for Detection and Precise Location of Distinct Points, Corners og Centres of Circular Targets. Proceedings of Intercommission Conference of Fast Processing of Photogrammetric Data, Interla-ken, Switzerland, 1987, pp. 281-305). Egenskaper blir ekstrahert ved hvert laser-treff, som skal fortettes fra ett eller flere bilder som inneholder treffet. Sammenhengende egenskaper eller objekter blir identifisert ved hjelp av geometriske beskrankninger (f.eks. 3D-modellen av treet) og/eller ved bruk av bildesammenlikning som er basert på gråtoner (f.eks. bildekorrelering eller sammenlikning ved brukav minste kvadrater). (Ackermann, F., 1984. Digital Image Correlation: Per-formance and Potential Applications in Photogrammetry. Photogrammetric Record, Vol. 11, No. 64, pp. 429-439. ISSN 0031-868X; Forstner, W., 1986, A Feature Based Correspondence Algorithm for Image Matching. International Archives of Photogrammetry and Remote Sensing, Vol. 26, Part 3/3, pp. 150-160; Forstner, W., 1995, Matching Strategies for Point Transfer. Photogrammetric Week '95, D. Fritch, D. Hobbie (Toim. ), pp. 173-183. ISBN 3-87907-277-9; Lemmens, M. J. P. M. , 1988, A Survey on Stereo Matching Techniques. International Archives of Photogrammetry and Remote Sensing, Vol. 27, No. B8, ss 11-23). En alternativ bildesammenlikningsteknikk som bruker global rekonstruksjon av individuelle trær, som er basert på global objektrekonstruksjon. (Ebner H., Heipke C. & Holm M. 1993, Global image matching and surface reconstruction in object space using aerial pic-tures. Proe. of SPIE, OE/Aerospace and Remote Sensing: Integrating Photogrammetric Techniques with Scene Analysis and Machine Vision. 14 - 15 April 1993, SPIE Vol. 1944-04, pp. 44-57). Ved global rekonstruksjon av individuelle trær blir de eksterne orienteringene av bildene antatt å være kjent, og objektrekonstruksjonen blir utført for et lite område.
Identifisering av individuelle trær og grupper av trær fra en punktsky ved hjelp av mønstergjenkjenningsmetoder.
Identifisering av individuelle trær og grupper av trær fra en punktsky foregår delvis ved interaktiv bruk av datamaskin og dels ved hjelp av mønstergjenkjenningsmeto- der. En meget effektiv og ny måte å utføre denne prosessen på er vist detaljert i det følgende, se figur 6: Inputinformasjonen som blir gitt til prosessen består av den fortettede punktskyen, den digitale terrengmodellen (beregnet med kjente metoder fra punktskyer, f.eks. ved hjelp av programvaren Terrascan eller ved fremgangsmåten presentert i det finske patentet Fl 112402), og en kronemodell som beskriver kronene (beregnet med kjente metoder, se det finske patentet Fl 112402). Alternativt kan også koordinatene som beskriver forbildeområder bli gitt som inputinformasjon. Materialet må være i samme koordinatsystem. Den fortettede punktskyen kan også omfatte en lysstyrkeverdi avledet for den ut fra luftfotoene og verdien for spredningsintensi-tet frembrakt av laserskanningen. Intensiteten kan også presenteres kontinuerlig (hel bølgeform).
Utgangsdataene oppnådd fra segmenteringsprosessen består av segmenter (midtpunkt og vektorer som avgrenser kronene, flateinnholdet av segmentet, en evaluering av antallet trær innenfor et segment og av trearter).
I det følgende blir en prosess der det finner sted identifisering av individuelle trær og grupper av trær ved bruk av mønstergjenkjenningsmetoder, kalt en segmente-ringsprosess.
Følgende trinn er inkludert i den presenterte segmenteringsløsningen:
1. Oppdeling av et målområde i mindre områder
2. Søk etter startpunkter som tilsvarer individuelle trær og grupper av trær
3. Bruk av heuristiske metoder i clusteranalyse (en alternativ løsning)
4. Segmentering og clustering av individuelle trær og grupper av trær
5. Analyse av frembrakte segmenter
Oppdelingen av målområdet i mindre områder blir gjort av praktiske behov, fordi området som skal undersøkes vil kunne være meget utstrakt.
Søket etter startpunkter kan hjelpes ved å bruke en kronehøydemodell, hvilket er forskjellen mellom kronemodellen og den digitale terrengmodellen. Kronehøydemo-dellen kan filtreres av et lavpassfilter slik at små detaljer i kronene ikke vil føre til en oppdeling av kronen i for mange segmenter. Lavpassfilteret kan f.eks. være føl-gende 3x3-konvolveringsfilter
Det er også mulig å utføre flere filtreringer med det samme filteret.
Det lokale maksimumpunktet kan finnes etter filtreringen. Deretter er det å anbefa-le å skrive ut punktene (initialpunkter) som tilsvarer disse maksima på toppen av trekronehøydemodellen, den filtrerte trekronehøydemodellen og luftfotoet. Det vil være fordelaktig å bruke flere ulike filtre og filtreringer. Brukeren kan så velge de endelige startpunktene som skal benyttes, etter en visuell besiktigelse.
Tilnærmelser blir bestemt for hver krone ved hjelp av heuristiske metoder (for tverrsnittet, trearten og trehøyden).
En tilnærmelse for bestandhøyden blir oppnådd ved hjelp av den ufiltrerte tre-kronehøydemodellen og startpunktene.
Et estimat av trearter oppnås ved hjelp av intensitetsverdien, lysstyrkeverdiene oppnådd fra luftfotoene og formfaktorer fra punktskyen. Trearten av det treet som tilsvarer hvert startpunkt blir estimert ved konvensjonelle fjernklassifiseringsmeto-der.
Når trehøyden og trearten er blitt estimert for hvert startpunkt, kan også den sann-synlige kronediameteren til treet som tilsvarer startpunktet bli evaluert. En statistisk nedre og øvre grense blir beregnet for kronediameteren, som brukes til unngå at flere trær kommer i samme segment, og også at delingen av segmentet blir for liten.
Den egentlige segmenteringen blir utført ved hjelp av k-means clustering-analyse. Ved clustering-analyse blir startpunktene som er beregnet ved hjelp av kronemodellen brukt som de mulige midtpunktene av kronen, men forflyttet litt nedover på z-aksen (f.eks. trehøyden/6). Kronene på trærne blir antatt å være tredimensjonale volumer, for eksempel kuler eller ellipsoider. Punktene som er høyere enn 1-2 m fra bakken blir tatt med i betraktning i analysen, k-means clustering-algoritmen søker uttrykkelig å minimalisere avstandene fra andre punkter til midtpunktet. Prosessen er iterativ, k-means-algoritmen kan f.eks. finnes fra Matlab-programvaren. I prosessen blir det bestemt for hvert punkt i punktskyen hvilken krone punktet tilhører, ved hjelp av avstanden. Deretter blir et nytt midtpunkt beregnet for kronen. Prosessen fortsetter inntil informasjonen fra punkter i punktskyen som de tilhører ikke lenger endrer seg nevneverdig.
Hvert segment/hver gruppe blir analysert. Intelligensen ved prosessen ligger i hvor effektivt nye startpunkter kan bli opprettet i lys av at et segment/en gruppe faktisk består av flere trær. I løpet av clustering bør den heuristiske start-informasjonen for den delen av kronestørrelsen som er funnet for hvert potensielt tre bli benyttet. Dersom det på grunnlag av undersøkelsen av punktskyen eller heuristiske data blir observert at punktskyen består av flere trær, blir punktskyen oppdelt i flere deler ved å angi flere startpunkter, og analysen starter så igjen på denne delen.
Dersom punktskyen ikke kan deles i deler men det av statistiske årsaker antas å være flere trær, blir antallet trær inkludert i segmentdataene. Vektorene som defi-nerer kronen blir bestemt ved hjelp av den punktskyen som tilsvarer hvert tre eller tregruppe.
Beregning av bestandattributter ved hjelp av individuelle trær og grupper av trær for ulike applikasjoner.
Ved bestemmelse av bestandattributter kan nærværende oppfinnelse bli anvendt på følgende måte: 1. Bruk av attributter for individuelle trær beregnet fra de fortettede punktskyene i skogregistre, vekstmodeller, til estimering av miljøpåvirkninger, til kartlegging av flygehindringer. 2. Beregning av andre bestandattributter ved hjelp av data målt for individuelle trær eller grupper av trær fra de fortettede punktskyene og utleding attributter per prøveteig og bestand i skogregistrering, se figur 10. 3. Bestemmelse av en endring av bestandet, slik som en tilvekst av bestandet eller en uttynning, ved hjelp av punktskyer oppnådd på ulike tidspunkter og ved hjelp av fortettede punktskyer. Tilvekstinformasjonen kan i tillegg til skogregistrering brukes ved kartlegging av flygehindringer, overvåking av trær nær kraftledninger samt ved estimering av behov for hugging, se figurene 7, 8 og 9. 4. Bruk av en kronemodell beregnet fra en fortettet punktsky ved korrigering av lysstyrkeverdien for et luftfoto. 5. Oppdatering av gammel skogregistreringsinformasjon ved hjelp av punktskyer målt på ulike tidspunkter og ved hjelp av en fortettet punktsky, figur 11. 6. Fremgangsmåten kan også anvendes ved mobil kartlegging, der lasermålinger gjort fra en bil eller fra et bestand blir fortettet fotogrammetrisk ved hjelp av bilder.
7. Til å lage programvare
Bestemmelse av individuelle treattri butter
Attributter ved individuelle trær eller grupper av trær kan bestemmes ved eksisterende likninger som er presentert f.eks. i det finske patentet Fl 112402; det følgen-de er et prinsipp i forkortet form:.
Middeldiameteren L av kronen blir beregnet ved hjelp av arealet A som dekkes av kronen (segment). Maksimumspunktet i trekronehøydemodellen (det høyeste punktet på treet) som finnes inne i kronen blir antatt å være høyden h på treet.
Posisjonen til treet blir bestemt ved hjelp av x og y-koordinatene som tilsvarer maksimumspunktet. I den nordlige boreale skogsonen finnes det en tydelig forbin-delse mellom middeldiameteren L av trekronene og stammediameteren d på treet. Treets utviklingsklasse kan bestemmes ved hjelp av diameteren, og høyden og al-deren på treet kan anslås. Basisarealet g (m<2>/ha) av et individuelt tre blir oppnådd ved hjelp av stammediameteren d. Antallet stammer kan ganske enkelt bestemmes ved hjelp av antallet segmenter som er bestemt fra bildet (ved å ta i betraktning at det kan være flere trær i et segment).
Treets art kan bestemmes ved hjelp av en nær infrarød kanal i et kunstig farget luftfoto på en slik måte at kanalen det gjelder skiller bredbladede trær og gran og furu fra hverandre ved bruk av vanlig fjernkartleggingsklassifikatorer, der inputinformasjonen er middelverdiene av kanalene i luftfotoet innen segmentarealet, middelverdien av lysstyrkeinformasjonen innen segmentarealet samt de statistiske momentene som er beregnet fra disse verdiene, og også de statistiske momentene av de mulige lysstyrkeprofildataene.
Estimeringen av volumet av et individuelt tre blir beregnet på tre ulike måter: 1) estimering av volumet bare ved hjelp av bestandhøyden, 2) estimering av volumet ved hjelp av bestandhøyden og den beregnede stammediameteren, og 3) estimering av volumet ved hjelp av høyde, stammediameter og tre-art. Laasasenaho
(1982) (J. Laasasenaho, 1982, «Taper curve og volume functions for pine, spruce og birch» Communicationes Instituti Forestalis Fenniae 108, 74 s.) har presentert funksjoner for hvordan volumet av et individuelt tre kan beregnes for hver tre-art ved hjelp av høyde og stammediameter.
Høydedata for individuelle trær beregnet fra de fotogrammetrisk fortettede punktskyene kan, i tillegg til skogregistrering, bli brukt i mange forbindelser, slik som til bestandoppfølging, kartlegging av flygehindringer, der trær som er for høye og be-grenser flygingene blir observert, samt ved overvåking av kraftledninger kan trær som er for nær kraftledningene også bli observert.
Attributter per testområde eller mønster
Bestandattributter som tilsvarer prøveteigen eller et skogbestand kan bli bestemt ved å beregne de tilhørende attributter ved å bruke attributtene fra et individuelt tre fra et ønsket område. Eksempelvis kan volumet som tilsvarer bestand per hektar beregnes ved å summere volumene av alle individuelle trær innenfor vedkommende bestand og dividere volumet med størrelsen på bestandet. Nøyaktigheten av anslagene kan forbedres når det gjelder den usynlige delen av trekronene ved hjelp av distribusjonsprinsippene som er beskrevet i det finske patentet Fl 112402.
Figur 10 beskriver en fordelaktig måte for oppdeling av punktskyer med ulike for-tetninger og for fremgangsmåtene som brukes ved beregning av bestandegenska-pene.
Middelhøyden finnes enten som en aritmetisk middelverdi for individuelle trehøyder, eller som en vektet gjennomsnittsverdi. Praksis ved skogregistrering er vanligvis å beregne den vektede gjennomsnittsverdien, idet vektfaktoren er basisarealet for hvert individuelle tre. Basisarealet per hektar finnes ved å summere basisarealet for alle trær og dividere dette med størrelsen på bestandet.
Den forenklede måten i henhold til nærværende oppfinnelse for å fremskaffe volum-informasjon, er å evaluere trekronedekningsprosenten, basisarealet eller en eller annen passende tetthetskarakter på grunnlag av størrelsen av segmentene og ved hjelp av bestandets midlere høyde å bestemme volumet av bestandet på en liknende måte som ved Ilvessalos relascope-tabeller (Tapion Taskukirja 1978). Alternativt kan trekronedekningsprosenten bestemmes på en slik måte at antallet av laserpulser som treffer trekroner i forhold til det totale antallet pulser regnes ut.
I tillegg til skogestimering kan fremgangsmåten brukes til å bestemme verdien av skogen, hvilket er en interessant oppgave i eiendomsøkonomi. Fremgangsmåten som er presentert er meget kostnadseffektiv men også et meget nøyaktig middel til å bestemme verdi av skog.
Vurdering av endringer i trekronene
Det er tidligere vist (Finsk patentsøknad 20030479, Method, apparatus og program of determination of tree growth) at veksten av bestandet kan bli beregnet ved hjelp av tette punktskyer frembrakt av laser. Den nye egenskapen er at veksten av bestandet kan beregnes ved hjelp av fotogrammetrisk fortettede punktskyer på samme måte som ved bruk av tette laserpunktskyer. Det er blitt mulig å bestemme veksten ved hjelp av laser punktskyer gjort på ulike tidspunkter for individuelle trær (upublisert dokument av Hyyppå 2004). Fotogrammetrisk fortettede punktskyer er trolig litt mer unøyaktig, men foreløpige resultater viser at høydeveksten av individuelle trær kan bestemmes med en nøyaktighet på om lag 50 cm, et eksempel er vist på figur 7. Dette betyr at det allerede er realistisk å bestemme en fem års vekst for individuelle trær. Som hele veksten kan bestemmes for individuelle trær med moderat nøyaktighet, hvilket er enda bedre enn veksten som oppnås ved bruk av konvensjonelle hypsometre, kan bestandvis og prøveteigvis vekst bestemmes med en meget god nøyaktighet. En vekst for en prøveteig kan bestemmes ved hjelp av 100 prøvetrær med en nøyaktighet på allerede ca. 5 cm, og en bestandvis vekst er mulig til og med en nøyaktighet på 1 cm. Dersom det er ønsket å analysere veksten og fjerne virkningen av høstede og nedfalne trær, bør det være mulig å identifisere de samsvarende trærne som skal inkluderes i analysen, ut fra målinger utført på forskjellige tidspunkter. En mulig systematisk feil ved vekstan-slagene bør imidlertid kalibreres fra resultatene ved hjelp av kjente metoder.
Også en overflatemodell for trekronene lar seg beregne ved hjelp av fotogrammetrisk fortettede punktskyer. Ved å beregne forskjellen mellom trekroneoverflatemo-deller som tilsvarer ulike tidspunkter kan de høstede og nedfalne trærne observeres fra differansebildet, figurene 8 og 9. Individuelle høstede eller nedfalne trær kan bestemmes ved bruk av kjente metoder med automatisk interpretering (forspen-ning, fjerning av støy, segmentering), se figur 9.
Også den andre sorten vekst enn høydevekst av trekronene i bestandet kan bestemmes fra differansen i overflatemodellene av trekronene. Den horisontale veksten og volumveksten av kronene kan bestemmes ut fra differansebildet ved bruk av kjente metoder.
Vekstinformasjon for trær kan også brukes ved undersøkelse av flyhindringer, idet en ved hjelp av vekstinformasjon utregnet fra en fortettet punktsky kan estimere når trærne bør høstes. Behovet for beskjæring av trær nær kraftledninger kan også predikteres.
Korreksjon av lysstyrkeverdier i luftfotoer
Det finnes variasjoner i luftfotoene på grunn av variasjon i innfalls- og målevinkelen, som er en følge av anisotropi i objektet. Dette er også årsaken til at solsiden av kronen er lys og den andre siden mørk. Når en kjenner den geometriske overflate-modellen av kronen, kan variasjonen i lysstyrkeverdier som følge av skiftende sol-vinkel bli korrigert ved bruk av kjente fremgangsmåter. Etter korrigeringen av anisotropi i lysstyrkeverdien er lysstyrkeverdiene i flyfotoet betraktelig mer tilpasset for f.eks. klassifisering av trearter.
Oppdatering av gammel beholdningsinformasjon
Informasjonen i de bestandene der ingen endring har funnet sted mellom to tidspunkter, kan bli kalibrert ved hjelp av gammel beholdningsinformasjon. Endrede bestander kan bli bestemt ved hjelp av fortettede punktskyer eller bare ved laser-basert interpretering av endringer, eller bare ved fotogrammetrisk interpretering av endringer ved å bruke trekronemodellene og forskjellene i disse som er frembrakt ved dette materialet. Videre kan veksten mellom de ulike tidspunktene bli bestemt ved hjelp av kronemodellene. Ved kjennskap til veksten, resultatene som er gitt både ved fjernsensingsinformasjon, som oppnås på de ulike tidspunktene og bestandattributtene for gitte bestander og prøveteiger fra tidligere beholdningsover-sikter, kan nye bestandattributter bli beregnet med kjente statistiske metoder, figur 11. Samtidig blir det oppnådd referansedata for kalibrering av resultatene fra denne fremgangsmåten.
Mulighetene ved mobil kartlegging
Fremgangsmåten kan brukes, ikke bare med materiale innhentet ved luftfotografering og flybåren laserskanning, men også ved å bruke jordbundne overlappende bilder og jordbundne laserpunktskyer. Dette materialet kan fremskaffes fra en bil, et bestand eller håndrammer. Med jordbunden bildedanning kan det oppnås en nøyaktig stammediameter fra treet og en nøyaktig modell for stammekurven og også en nøyaktig modell av trekronene som et tverrsnitt.
Generell anvendbarhet
Fremgangsmåten passer for beholdningsoversikt over individuelle trær, testområ-der, bestander og større skogområder. Det følgende er en presentasjon av bruken av fremgangsmåten for nasjonal skogregistrering, noe som er en viktig registrering ved siden av bestandvis skogregistrering.
Nasjonal skogregistrering er en meget passende anvendelse av fremgangsmåten i henhold til nærværende oppfinnelse. Vanligvis blir en stripe på noen hundre meters bredde fremskaffet fra målet med en laserskanner. I dette tilfellet kan det enten fremskaffes et bredere areal, eller individuelle trær som allerede er ganske nøyaktig beskrevet ved hjelp av laserskanning kan bli fortettet fotogrammetrisk. I den na-sjonale skogregistreringen vil et materiale innhentet ved laserskanner tillate en redusert mengde arbeid i felten, og individuelle tre- og prøveteiginformasjon oppnådd ved hjelp av en laserskanner kan nyttes til å tolke satellittbilder. Videre er flyprosessen effektiv for nasjonal skogregistrering. Linjene kan planlegges slik at de dekker hele landet. Nasjonal skogregistrering kan automatiseres nesten fullstendig ved hjelp av fremgangsmåten. I Forest Research Institute har man forsøkt å utvikle innsamling av bestandinformasjon og reduksjon av prøveteiginformasjon ved hjelp av bildedannende spektrometer (Aisa). Resultatene som er oppnådd med Aisa er imidlertid betydelig dårligere enn resultatene som er oppnådd med fremgangsmåten i henhold til nærværende oppfinnelse.
Claims (26)
1. Fremgangsmåte for bestemmelse av bestandattributter ved hjelp av en laserskanner og bilder, der en punktsky med tredimensjonal informasjon om målpunktene og beskrivelse av bestanden blir fremskaffet ved hjelp av en laserskanner,karakterisert vedat a) overlappende bilder blir frembrakt av luftfotografering eller bakkefotografering, b) en tettere punktsky med flere målpunkter med tredimensjonal informasjon blir frembrakt ved fortetting av punktskyen som er frembrakt av laserskanneren med informasjon fra de overlappende bildene frembrakt ved luftfotografering eller bakkefotografering, c) bestandattributtene blir bestemt ved hjelp av den fortettede punktskyen.
2. Fremgangsmåte i henhold til krav 1,karakterisert vedat etter trinn a) , blir punktskyen frembrakt ved laserskanning og bildeinformasjonen kombinert slik at de tilhører samme mål.
3. Fremgangsmåte i henhold til krav 1,karakterisert vedat den tredimensjonale informasjonen i punktskyen frembrakt ved hjelp av en laserskanner er utgjort av tredimensjonale koordinater for målpunktene .
4. Fremgangsmåte i henhold til kravene 1-3,karakterisert vedat for trinn c) , er punktene målt fra bakken i terrenget og punktene målt over overflaten av terrenget å skjelne fra punktskyen frembrakt ved laserskanning, og tredimensjonale punkter er lagt til nær de punktene som er frembrakt av en laserskanner og som tilsvarer punkter målt over overflaten av terrenget.
5. Fremgangsmåte i henhold til kravene 1-4,karakterisert vedat for å bestemme tredimensjonale koordinater for målpunktene blir dataene som er oppnådd ved lasermålingene og bildeinformasjonen fra luftfotograferingen regnet inn i samme koordinatsystem.
6. Fremgangsmåte i henhold til kravene 1-5,karakterisert vedat i trinn b) , de tredimensjonale målkoordinatene for tilleggspunktene blir bestemt ut fra de overlappende bildene frembrakt av luftfotografering, ved hjelp av fotogrammetriske metoder.
7. Fremgangsmåte i henhold til hvilket som helst av kravene 1-6,
karakterisert vedat trinn c) blir utført ved hjelp av mønstergjenkjenning, ved bestemmelse av modeller som beskriver kronene i bestanden og terrenget, eller ved hjelp av koordinatinformasjon.
8. Fremgangsmåte i henhold til hvilket som helst av kravene 1-7,
karakterisert vedat det blir brukt et slikt antall målpunkter at det skjelnes mellom individuelle trær og grupper av trær.
9. Fremgangsmåte i henhold til hvilket som helst av kravene 1-8,
karakterisert vedat i trinn a) blir lysstyrkeverdier frembrakt for punktene i tillegg til de tredimensjonale koordinatene, ved hjelp av et kamera eller spektrometri.
10. Fremgangsmåte i henhold til hvilket som helst av kravene 1-9,
karakterisert vedat laserskannermaterialet som er brukt for å danne en tettere punktsky har flere pulsmoduser eller profildata (hel bølgeformdata).
11. Fremgangsmåte i henhold til hvilket som helst av kravene 1-10,
karakterisert vedat en tredimensjonal presentasjon av bestandhøyden (trekronehøydemodell) blir oppnådd ved å beregne, ut fra den tettere punktskyen, differansen mellom en kronemodell som svarer til de øvre delene av bestanden og en digital terrengmodell som svarer til overflaten av terrenget.
12. Fremgangsmåte i henhold til hvilket som helst av kravene 1-11,
karakterisert vedat en anisotropikorreksjon for lysstyrkeverdiene av et bilde blir utført for individuelle trær eller grupper av trær ved hjelp av den tettere punktskyen ved å bruke en kronemodell frembrakt ved hjelp av den tettere punktskyen.
13. Fremgangsmåte i henhold til hvilket som helst av kravene 1-12,
karakterisert vedat en endring i bestanden kan beregnes ved hjelp av tettere punktskyer eller ved hjelp av bakkemodeller som tilsvarer slike som er oppnådd på to ulike tidspunkter, der endringen består av for eksempel en vekst i høyde eller bredde, tynning og nedfalne trær.
14. Fremgangsmåte i henhold til hvilket som helst av kravene 1-13,
karakterisert vedat identifikasjonen av individuelle trær eller grupper av trær (bestemmelse av plas-sering eller kronekonturer) blir utført ved bruk av den tettere punktskyen, høydemodellen, bakkemodeller, intensi-tetsdata fra laserskanningen, profildata og/eller lysstyrkeverdier i bildene, ved hjelp av en kjent mønstergjen-kj enningsmetode.
15. Fremgangsmåte i henhold til hvilket som helst av kravene 1-14,
karakterisert vedat identifiseringen av individuelle trærne eller grupper av trær (posisjon eller kon-tur) finner sted ved bruk av bilder, og høyden til et ønsket tre blir fremskaffet ved hjelp av tettere punktskyma-teriale.
16. Fremgangsmåte i henhold til hvilket som helst av kravene 1-15,
karakterisert vedat gammel skogregistrerings-formasjon, tidligere bilder og/eller lasermaterialer blir brukt ved evaluering eller oppdatering av bestandattributter .
17. Fremgangsmåte i henhold til hvilket som helst av kravene 1-16,
karakterisert vedat tregeometrien og/eller spesifikasjonen av treet blir bestemt ved hjelp av prøve-tatte punkter oppnådd inne i området som er begrenset av treet enten todimensjonalt (tverrsnitt) eller tredimensjonalt for å identifisere treets art eller for å modellere bestandet.
18. Fremgangsmåte i henhold til hvilket som helst av kravene 1-17,
karakterisert vedat attributtene til individuelle trær eller grupper av trær, som er oppnådd ved å analysere tretopphøydemodellen, plasseringen av trærne, alder, høyde, kronediameter, kronespesifikasjon, stammediameter, tømmerkvalitet, treverdi, basisareal, prosentvis kronelukking, utviklingsklasse, treart, stammevolum og/eller stammeantall per arealenhet og statistiske attributter som kan utledes ved hjelp av denne informasjonen.
19. Fremgangsmåte i henhold til hvilket som helst av kravene 1-18,
karakterisert vedat stammediameteren til treet kan utledes ved hjelp midlere diameter på kronen, eller trehøyden og den midlere diameteren på kronen, og muligens ved å utnytte regler basert på kunnskap og muligens for hver treart for seg.
20. Fremgangsmåte i henhold til krav 18,karakterisert vedat antallet stammer blir bestemt som et antall kroner bestemt fra et bilde eller en punktsky.
21. Fremgangsmåte i henhold til hvilket som helst av kravene 1-18,
karakterisert vedat den prosentvise kronedek-ningen er definert som forholdet mellom arealet dekket av kronene og hele flaten.
22. Fremgangsmåte i henhold til hvilket som helst av kravene 1-21,
karakterisert vedat i tillegg til attributter ved individuelle trær eller grupper av trær og statistiske data for disse, blir også et stammeantall og kronedekningsprosenten av et bestand som er synlig ovenfra, definert for en større tregruppe, og denne informasjonen kan brukes ved estimering av attributter for prøveteiger og bestander.
23. Fremgangsmåte i henhold til hvilket som helst av kravene 1-22,
karakterisert vedat bestandvolumet er helt eller delvis definert ved hjelp av den midlere høyden av bestanden og kronedekningsprosenten (kroneandelen av hele arealet)/basisarealet.
24. Fremgangsmåte i henhold til hvilket som helst av kravene 1-23,
karakterisert vedat definisjonen av bestandattributter blir utført ved hjelp av et datamaskinprogram.
25. Datamaskinprogram for bestemmelse av bestandattributter fra informasjon innhentet ved hjelp av en lasers kanner og bilder, og der det er frembrakt en punktsky med tredimensjonal informasjon om målpunktene og beskrivelse av bestanden,karakterisert vedat med dette programmet: a) blir det frembrakt en tettere punktsky med flere målpunkter og tredimensjonal informasjon ved å fortette punktskyen som er frembrakt av laserskanneren med informasjon fra overlappende bilder frembrakt ved luftfotografering, b) blir bestandattributter bestemt ved hjelp av den tettere punktskyen.
26. Datamaskinprogram i henhold til krav 25,karakterisert vedat det utfører fremgangsmåten i henhold til hvilket som helst av kravene 2-24.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FI20040396A FI117490B (fi) | 2004-03-15 | 2004-03-15 | Menetelmä puustotunnusten määrittämiseksi laserkeilaimen, kuvainformaation ja yksittäisten puiden tulkinnan avulla |
PCT/FI2005/000150 WO2005088252A1 (en) | 2004-03-15 | 2005-03-14 | Method for determination of stand attributes and a computer program for performing the method |
Publications (2)
Publication Number | Publication Date |
---|---|
NO20064680L NO20064680L (no) | 2006-12-15 |
NO337638B1 true NO337638B1 (no) | 2016-05-23 |
Family
ID=32039417
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
NO20064680A NO337638B1 (no) | 2004-03-15 | 2006-10-16 | Fremgangsmåte for bestemmelse av bestandatributter og dataprogram for utførelse av fremgangsmåten |
Country Status (6)
Country | Link |
---|---|
US (1) | US8208689B2 (no) |
EP (1) | EP1728047B1 (no) |
CA (1) | CA2556056C (no) |
FI (1) | FI117490B (no) |
NO (1) | NO337638B1 (no) |
WO (1) | WO2005088252A1 (no) |
Families Citing this family (81)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008064349A1 (en) * | 2006-11-22 | 2008-05-29 | Nik Software, Inc. | Method for dynamic range editing |
JP4344869B2 (ja) * | 2007-02-16 | 2009-10-14 | 三菱電機株式会社 | 計測装置 |
EP2135194A2 (en) * | 2007-03-27 | 2009-12-23 | Treemetrics Limited | Tree surveying |
US20100118116A1 (en) * | 2007-06-08 | 2010-05-13 | Wojciech Nowak Tomasz | Method of and apparatus for producing a multi-viewpoint panorama |
US8737721B2 (en) * | 2008-05-07 | 2014-05-27 | Microsoft Corporation | Procedural authoring |
US8275547B2 (en) * | 2009-09-30 | 2012-09-25 | Utility Risk Management Corporation, Llc | Method and system for locating a stem of a target tree |
US8655070B1 (en) * | 2009-11-04 | 2014-02-18 | Google Inc. | Tree detection form aerial imagery |
US8352410B2 (en) | 2009-12-17 | 2013-01-08 | Utility Risk Management Corporation, Llc | Method and system for estimating vegetation growth relative to an object of interest |
US8367420B1 (en) * | 2010-02-08 | 2013-02-05 | Bowling Green State University | Method and system for detecting sulfur in soil from reflected light |
US8655601B1 (en) | 2010-02-08 | 2014-02-18 | Bowling Green State University | Method and system for detecting phosphorus in soil from reflected light |
US8426211B1 (en) * | 2010-02-08 | 2013-04-23 | Bowling Green State University | Method and system for detecting copper in soil from reflected light |
TWI399527B (zh) * | 2010-04-22 | 2013-06-21 | Nat Univ Chung Hsing | Interpretation method and system of outlier position of rock slope |
US8897483B2 (en) * | 2010-11-09 | 2014-11-25 | Intelescope Solutions Ltd. | System and method for inventorying vegetal substance |
US20120150573A1 (en) * | 2010-12-13 | 2012-06-14 | Omar Soubra | Real-time site monitoring design |
US8680994B2 (en) | 2010-12-30 | 2014-03-25 | Utility Risk Management Corporation, Llc | Method for locating vegetation having a potential to impact a structure |
US9805331B2 (en) * | 2011-02-09 | 2017-10-31 | Deutsche Telekom Ag | Smartphone-based asset management system |
US10842144B2 (en) * | 2011-05-13 | 2020-11-24 | The Climate Corporation | Method and system to map biological pests in agricultural fields using remotely-sensed data for field scouting and targeted chemical application |
EP2527787B1 (en) * | 2011-05-23 | 2019-09-11 | Kabushiki Kaisha TOPCON | Aerial photograph image pickup method and aerial photograph image pickup apparatus |
US8811720B2 (en) * | 2011-07-12 | 2014-08-19 | Raytheon Company | 3D visualization of light detection and ranging data |
US8775081B2 (en) * | 2011-09-26 | 2014-07-08 | Weyerhaeuser Nr Company | Method and apparatus for sorting LiDAR data |
BR112014009255A8 (pt) * | 2011-10-20 | 2017-06-20 | Monsanto Technology Llc | contador de plantas |
US8731247B2 (en) * | 2012-01-20 | 2014-05-20 | Geodigital International Inc. | Densifying and colorizing point cloud representation of physical surface using image data |
US9063544B2 (en) | 2012-09-19 | 2015-06-23 | The Boeing Company | Aerial forest inventory system |
US20140132723A1 (en) * | 2012-11-13 | 2014-05-15 | Osmose Utilities Services, Inc. | Methods for calibrating a digital photographic image of utility structures |
US9198363B2 (en) * | 2012-12-12 | 2015-12-01 | The Boeing Company | Tree metrology system |
US9031287B2 (en) * | 2012-12-28 | 2015-05-12 | Weyerhaeuser Nr Company | System and method for estimating ages of forests from remotely sensed images |
US9305364B2 (en) | 2013-02-19 | 2016-04-05 | Caterpillar Inc. | Motion estimation systems and methods |
EP2787319A1 (de) * | 2013-04-05 | 2014-10-08 | Leica Geosystems AG | Steuerung einer Bildauslösung zur Luftbilderfassung in Nadir-Ausrichtung für ein unbemanntes Fluggerät |
US9646424B2 (en) * | 2013-05-29 | 2017-05-09 | Raytheon Company | Methods and processes for interactive display of three dimensional covariance |
US9518822B2 (en) * | 2013-09-24 | 2016-12-13 | Trimble Navigation Limited | Surveying and target tracking by a network of survey devices |
WO2015048123A1 (en) * | 2013-09-24 | 2015-04-02 | Lockheed Martin Corporation | Stockpile reconciliation |
CN103453882B (zh) * | 2013-09-27 | 2016-01-13 | 中国人民解放军理工大学 | 一种基于飞行器的云层高度测量***及云层高度测量方法 |
KR101368325B1 (ko) * | 2013-12-10 | 2014-02-28 | 한국지질자원연구원 | 항공 탐사용 적외선 카메라의 렌즈 손상 방지용 커버를 구비하는 항공 탐사용 항공기 |
JP5911114B2 (ja) * | 2014-03-25 | 2016-04-27 | 国立大学法人 千葉大学 | 表面再現方法及び表面再現プログラム |
US9508006B2 (en) * | 2014-11-03 | 2016-11-29 | Intelescope Solutions Ltd. | System and method for identifying trees |
CN104697475A (zh) * | 2015-01-29 | 2015-06-10 | 内蒙古大学 | 数码相机与遥感数据相结合的多尺度草地盖度定量测定的方法 |
CN105069395B (zh) * | 2015-05-17 | 2018-10-09 | 北京工业大学 | 基于地面三维激光扫描技术的道路标线自动识别方法 |
JP6543520B2 (ja) * | 2015-07-02 | 2019-07-10 | 株式会社トプコン | 測量データ処理装置、測量データ処理方法および測量データ処理用プログラム |
CN106441233B (zh) * | 2015-08-06 | 2019-03-22 | 航天图景(北京)科技有限公司 | 基于倾斜摄影三维重建技术的电力通道走廊巡检方法 |
US9969492B2 (en) * | 2015-09-04 | 2018-05-15 | Nutech Ventures | Crop height estimation with unmanned aerial vehicles |
US9934591B2 (en) * | 2016-04-08 | 2018-04-03 | Orbital Insight, Inc. | Remote determination of quantity stored in containers in geographical region |
US10217236B2 (en) | 2016-04-08 | 2019-02-26 | Orbital Insight, Inc. | Remote determination of containers in geographical region |
JP6335237B2 (ja) * | 2016-09-15 | 2018-05-30 | 株式会社Subaru | ステレオ測距装置、ステレオ測距方法及びステレオ測距プログラム |
US10650285B1 (en) | 2016-09-23 | 2020-05-12 | Aon Benfield Inc. | Platform, systems, and methods for identifying property characteristics and property feature conditions through aerial imagery analysis |
SE541287C2 (en) | 2017-02-27 | 2019-06-11 | Katam Tech Ab | Forest surveying apparatus and method using video sequences to generate 3D models |
WO2018191442A1 (en) | 2017-04-11 | 2018-10-18 | Agerpoint, Inc. | Forestry management tool for assessing risk of catastrophic tree failure due to weather events |
US10535119B2 (en) * | 2017-08-11 | 2020-01-14 | Intermap Technologies Inc. | Method and apparatus for enhancing 3D model resolution |
JP7218870B2 (ja) * | 2017-11-15 | 2023-02-07 | Necソリューションイノベータ株式会社 | 圃場の育種データ収集装置、育種における特徴解析装置、圃場の育種データ収集方法、プログラム、および記録媒体 |
CN108226894A (zh) * | 2017-11-29 | 2018-06-29 | 北京数字绿土科技有限公司 | 一种点云数据处理方法及装置 |
AT519837B1 (de) * | 2018-03-23 | 2019-03-15 | Umweltdata Gmbh | Vorrichtung zur erfassung eines forstbestandes |
CN111918547B (zh) * | 2018-03-23 | 2022-06-07 | 日本电气方案创新株式会社 | 树冠识别装置、识别方法、程序和记录介质 |
US11480683B1 (en) | 2018-05-03 | 2022-10-25 | Assurant, Inc. | Apparatus and method for remote determination of architectural feature elevation and orientation |
US11308714B1 (en) * | 2018-08-23 | 2022-04-19 | Athenium Llc | Artificial intelligence system for identifying and assessing attributes of a property shown in aerial imagery |
US10871662B2 (en) * | 2018-09-06 | 2020-12-22 | Ii-Vi Delaware, Inc. | Linearization and reduction of modulated optical insertion loss for quadrature optical modulator |
CN109164461B (zh) * | 2018-09-18 | 2022-10-04 | 北京林业大学 | 一种使用单站地基激光雷达点云数据估算单木失叶率的方法 |
CN109446691B (zh) * | 2018-11-08 | 2022-12-20 | 南京林业大学 | 基于激光点云与空气动力学的活立木抗风性能分析方法 |
CN109407113A (zh) * | 2018-11-19 | 2019-03-01 | 中南林业科技大学 | 一种基于机载激光雷达的林窗时空变化监测与量化方法 |
RU2695596C1 (ru) * | 2018-12-29 | 2019-07-24 | федеральное государственное автономное образовательное учреждение высшего образования "Санкт-Петербургский политехнический университет Петра Великого" (ФГАОУ ВО "СПбПУ") | Способ фотограмметрии ледового поля в ледовом бассейне |
CN110068824B (zh) * | 2019-04-17 | 2021-07-23 | 北京地平线机器人技术研发有限公司 | 一种传感器位姿确定方法和装置 |
CN109945838A (zh) * | 2019-04-19 | 2019-06-28 | 福建农林大学 | 适用于毛竹林的三维激光点云获取方法及辅助装置 |
US11532093B2 (en) | 2019-10-10 | 2022-12-20 | Intermap Technologies, Inc. | First floor height estimation from optical images |
CN111091079B (zh) * | 2019-12-04 | 2024-03-01 | 生态环境部南京环境科学研究所 | 基于tls的高寒脆弱区植被优势单株结构参数测定方法 |
CN110794377A (zh) * | 2019-12-12 | 2020-02-14 | 南京市测绘勘察研究院股份有限公司 | 一种基于机载LiDAR数据自动提取树木变化信息方法 |
CN110988909B (zh) * | 2019-12-31 | 2023-06-27 | 南京林业大学 | 基于tls进行高寒脆弱区沙地植被的植被盖度测定方法 |
CN111288911A (zh) * | 2020-02-12 | 2020-06-16 | 长安大学 | 一种基于救生舱的救援井变形监测方法 |
US20210282338A1 (en) | 2020-03-11 | 2021-09-16 | Aerobotics (Pty) Ltd | Systems and methods for predicting crop size and yield |
CN111398957B (zh) * | 2020-04-01 | 2022-08-02 | 中国林业科学研究院资源信息研究所 | 改进相干性计算方法的短波长双天线InSAR森林高度反演方法 |
US11100641B1 (en) * | 2020-06-11 | 2021-08-24 | Aerobotics (Pty) Ltd | Systems and methods for estimating plant age |
CN111767865A (zh) * | 2020-06-30 | 2020-10-13 | 北部湾大学 | 一种利用航拍影像和激光数据反演红树林生物量的方法 |
FI129569B (fi) * | 2020-09-03 | 2022-04-29 | Eltel Networks Oy | Menetelmä ja laitteisto puiden katkaisemiseksi sähkölinjan läheisyydessä |
CN112284351A (zh) * | 2020-09-14 | 2021-01-29 | 广东电网有限责任公司江门供电局 | 一种测量交叉跨越线路方法 |
WO2022065367A1 (ja) * | 2020-09-24 | 2022-03-31 | Assest株式会社 | 伐採時期判別プログラム |
CN112372633B (zh) * | 2020-10-09 | 2022-02-15 | 江苏大学 | 机器人的果园树形架型自主推理与场景理解方法 |
CN112462756B (zh) * | 2020-10-29 | 2022-11-25 | 久瓴(上海)智能科技有限公司 | 农林作业任务生成方法、装置、计算机设备和存储介质 |
CN112348812B (zh) * | 2020-12-04 | 2024-04-26 | 南京大学 | 林分年龄信息测量方法及装置 |
US11551366B2 (en) * | 2021-03-05 | 2023-01-10 | Intermap Technologies, Inc. | System and methods for correcting terrain elevations under forest canopy |
CN114187512B (zh) * | 2021-12-08 | 2024-04-09 | 浙大城市学院 | 一种基于无人机的多树区域考古遗址范围探测方法 |
CN114266868A (zh) * | 2021-12-22 | 2022-04-01 | 广东省林业科学研究院 | 基于机载激光雷达的桉树人工林蓄积量估测方法、装置 |
CN117115192B (zh) * | 2023-08-21 | 2024-05-24 | 广州市城市规划勘测设计研究院有限公司 | 一种树木连片成林区域边界提取方法、装置、终端及介质 |
CN117928379A (zh) * | 2024-01-23 | 2024-04-26 | 西安科技大学 | 一种基于激光点云的地形变化检测方法 |
CN118003339B (zh) * | 2024-04-08 | 2024-06-07 | 广州三拓智能装备有限公司 | 一种基于人工智能的机器人分拣控制算法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001031290A2 (en) * | 1999-10-28 | 2001-05-03 | Diware Oy | Method for determination of forest stand attributes and a computer program to perform the method |
WO2002087819A1 (en) * | 2001-04-30 | 2002-11-07 | Wirth Jr Emil J | Vessel inspection and repair system |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5988862A (en) * | 1996-04-24 | 1999-11-23 | Cyra Technologies, Inc. | Integrated system for quickly and accurately imaging and modeling three dimensional objects |
AUPR301401A0 (en) * | 2001-02-09 | 2001-03-08 | Commonwealth Scientific And Industrial Research Organisation | Lidar system and method |
US20030030582A1 (en) | 2001-08-10 | 2003-02-13 | Vickers Roger S. | Environment measurement methods, systems, media, signals and data structures |
US7212670B1 (en) * | 2002-05-03 | 2007-05-01 | Imagetree Corp. | Method of feature identification and analysis |
US7639842B2 (en) * | 2002-05-03 | 2009-12-29 | Imagetree Corp. | Remote sensing and probabilistic sampling based forest inventory method |
FI117309B (fi) * | 2003-03-31 | 2006-08-31 | Geodeettinen Laitos | Menetelmä, laitteisto ja ohjelma puiden kasvun määrittämiseksi |
WO2006121457A2 (en) * | 2004-08-18 | 2006-11-16 | Sarnoff Corporation | Method and apparatus for performing three-dimensional computer modeling |
US7720605B2 (en) * | 2007-06-22 | 2010-05-18 | Weyerhaeuser Nr Company | Identifying vegetation attributes from LiDAR data |
US8306941B2 (en) * | 2009-03-24 | 2012-11-06 | Weyerhaeuser Nr Company | System and method for identifying trees using LiDAR tree models |
-
2004
- 2004-03-15 FI FI20040396A patent/FI117490B/fi active IP Right Grant
-
2005
- 2005-03-14 WO PCT/FI2005/000150 patent/WO2005088252A1/en active Application Filing
- 2005-03-14 EP EP05717276.9A patent/EP1728047B1/en active Active
- 2005-03-14 US US10/598,322 patent/US8208689B2/en active Active
- 2005-03-14 CA CA2556056A patent/CA2556056C/en active Active
-
2006
- 2006-10-16 NO NO20064680A patent/NO337638B1/no unknown
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001031290A2 (en) * | 1999-10-28 | 2001-05-03 | Diware Oy | Method for determination of forest stand attributes and a computer program to perform the method |
WO2002087819A1 (en) * | 2001-04-30 | 2002-11-07 | Wirth Jr Emil J | Vessel inspection and repair system |
Also Published As
Publication number | Publication date |
---|---|
EP1728047B1 (en) | 2015-09-30 |
WO2005088252A1 (en) | 2005-09-22 |
FI117490B (fi) | 2006-10-31 |
EP1728047A1 (en) | 2006-12-06 |
CA2556056C (en) | 2015-12-29 |
CA2556056A1 (en) | 2005-09-22 |
NO20064680L (no) | 2006-12-15 |
US20080260237A1 (en) | 2008-10-23 |
FI20040396A (fi) | 2005-09-16 |
US8208689B2 (en) | 2012-06-26 |
FI20040396A0 (fi) | 2004-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
NO337638B1 (no) | Fremgangsmåte for bestemmelse av bestandatributter og dataprogram for utførelse av fremgangsmåten | |
Matese et al. | Assessment of a canopy height model (CHM) in a vineyard using UAV-based multispectral imaging | |
Nurminen et al. | Performance of dense digital surface models based on image matching in the estimation of plot-level forest variables | |
CA2387578C (en) | Method for determination of stand attributes and a computer program to perform the method | |
Liang et al. | Close-Range Remote Sensing of Forests: The state of the art, challenges, and opportunities for systems and data acquisitions | |
US20040264762A1 (en) | System and method for detecting and analyzing features in an agricultural field | |
Raczynski | Accuracy analysis of products obtained from UAV-borne photogrammetry influenced by various flight parameters | |
Balenović et al. | Quality assessment of high density digital surface model over different land cover classes | |
KR102479284B1 (ko) | 식생 지수 획득 유닛 및 이를 포함하는 식물 모니터링 장치 | |
Yin et al. | Individual tree parameters estimation for chinese fir (cunninghamia lanceolate (lamb.) hook) plantations of south china using UAV Oblique Photography: Possibilities and Challenges | |
Alba et al. | Filtering vegetation from terrestrial point clouds with low-cost near infrared cameras | |
Domazetovic et al. | Assessing the Vertical Accuracy of Worldview-3 Stereo-extracted Digital Surface Model over Olive Groves. | |
Dong et al. | Drone-based three-dimensional photogrammetry and concave hull by slices algorithm for apple tree volume mapping | |
Christian et al. | Hillslope gully photogeomorphology using structure-from-motion | |
Yilmaz et al. | Determination of tree crown diameters with segmentation of a UAS-Based canopy height model | |
Wallerman et al. | Forest height estimation using semi-individual tree detection in multi-spectral 3D aerial DMC data | |
Itakura et al. | Voxel-based leaf area estimation from three-dimensional plant images | |
Tahar et al. | Individual tree crown detection using UAV orthomosaic | |
Chen et al. | Fusion of LIDAR data and high resolution images for forest canopy modelling | |
Hyyppä et al. | Forest inventory using laser scanning | |
Sazaly et al. | 3D Indoor Crime Scene Reconstruction from Micro UAV Photogrammetry Technique | |
Holopainen et al. | Modern data acquisition for forest inventories | |
Iseli et al. | Tree species classification based on 3D spectral point clouds and orthomosaics acquired by snapshot hyperspectral UAS sensor | |
Mumtaz et al. | Fusion of high resolution lidar and aerial images for object extraction | |
Moorthy et al. | Extracting tree crown properties from ground-based scanning laser data |