排序方式: 共有43条查询结果,搜索用时 6 毫秒
41.
无人机技术作为现如今测量的先进技术,已被逐渐广泛应用,由于DEM数据在实测过程中只能形成点数据,因此对点数据的插值计算一直是测绘专业研究的热点。为找出适用于无人机DEM测点插值计算的最优模型,本文基于GEM模型、RF模型和M5T模型,以降雨、经纬度和海拔为输入参数,对不同模型下的DEM进行了插值计算,结果表明:GEM模型表现的精度最高,该模型RMSE仅为11.72 m,RRMSE为12.7%,R2为0.964,Ens为0.946,MAE为11.28 m,该模型可作为无人机DEM测点插值计算的标准模型使用。 相似文献
42.
本文首先结合密度和格网化划分的思想改进DBSCAN算法,对行道树点云进行单体化形成若干连接簇;然后接着对相连行道树进行检测并在传统基于距离的分割方法的基础上引进权值思想对树冠点云的归属进行进一步修正,这样可以更加适用于各大小类型行道树,最终完成单体化;最后采用分层投影的方式对单棵树的点云分布状态进行分析判断,实现行道树位置、树干高、冠幅、胸径的几何属性的自动提取。 相似文献
43.
利用点云卷积网络(PointCNN)为语义分割算法基础处理无序点云来提取行道树点云,经过模型建立、样本训练、点云分割等步骤从地物点云中精确分割出行道树点云,并对三个数据集的应用结果作精度评定,其最终结果的误差在有效范围内,并对PointCNN中的参数进行分析,完善算法的应用以适应于道路环境下行道树点云的提取。本次研究中考虑到训练各类型行道树类型,且受非行道树点云目标干扰小,在复杂道路环境下的数据分割工作有很好的效果。 相似文献