新方法基于智能手机的森林资源数据收集与多传感器融合

文摘

树参数测量森林资源监测的一个重要组成部分。智能手机在森林资源调查中起着重要的作用。虽然传感器在智能手机,如陀螺仪和角度传感器,可以满足公众的需要为娱乐或游戏,专业森林资源监测的测量精度略有不足。本文收集树的方法测量因素基于个人智能空间融合提出了各种高精度传感器。首先,高精度姿态传感器测量模块和一个激光测距模块有机地集成和打包在一个黑盒子。然后连接到智能手机使用磁铁片传感器盒,和工作人员可以确定关键参数在森林里站在持有它。最后,为了验证该方法的准确性,本文中的测量值与参考价值。均方根误差(RMSE)树的位置X和Y方向是0.114米和0.147米,相对偏差(rBias)分别为0.95%和0.39%,平均均方根误差为0.186 m。rms测量树高和胸径(DBH)分别为0.98米和2.24厘米,相对均方根误差(推定)是5.87%和13.46%,和相对偏差(rBias)和−−1.40%和1.06%,分别。因此,林分参数测量的方法基于个人智能空间融合multitype传感器提出了可以有效地应用于森林资源数据收集。

1。介绍

森林发挥重要作用在维护生态平衡,保护环境、应对气候变化、固碳,森林保持水土、提供产品(1- - - - - -3]。掌握和了解森林的详细信息可以帮助我们加强森林保护。一些研究人员利用智能手机等各种传感器的角度传感器、定位传感器和陀螺仪和智能手机应用于森林资源监测4,5]。一些研究人员提出了衡量关键树树种等测量因素,胸径(胸径),树高,树位置基于智能手机和在数据库中存储测量树测量因素的智能手机6,7]。一些研究人员开发了树高测量软件运行在智能手机上使用三角函数的原则。这些研究从理论上可以测量精确的几何长度,但许多智能手机有很大的偏差角传感器和方向传感器等传感器的准确性(8- - - - - -10]。一般来说,智能手机能满足大众娱乐或游戏消费的精度要求。然而,当应用于森林资源监测等专业领域,传感器内置的智能手机的敏感性会导致不稳定的测量误差(11]。一些研究人员使用全球导航卫星系统(GNSS)在林分智能手机定位功能,但是这种方法有很大的局限性和深受站密度(12- - - - - -14]。特别是在一些森林地区GNSS信号弱或没有信号,智能手机的定位精度较低或不能使用定位功能。一些研究人员结合智能手机、激光测距仪和三脚在森林里工作(15]。虽然这种方法可以满足森林资源调查的功能需求,它还可以导致可怜的可移植性的问题在实际工作中,特别是在山坡上的字段,将影响员工的观察。

目前,无人机,光探测和测距(激光雷达)、遥感、摄影测量已逐渐成为重要的森林资源监测技术(16- - - - - -18]。森林资源监测系统集成天空和地面和空中已经形成,适用于不同的工作场景19]。在现有森林地面监测方法中,除了传统的树测量仪器,地面摄影测量、地面激光雷达,和其他技术也出现了,这树不仅可以获得准确的位置,树高,胸径、树和其他基本测量因素也促进林业的电算化(20.- - - - - -22]。激光雷达技术在森林资源监测也有一些问题,如复杂的操作,调查成本高,可移植性差,和大型计算(23]。摄影测量是相对便宜和激光雷达相比,但摄影测量需要多个独立的数码相机,和测量结果需要回到办公室后加工(24),不能解决在实时领域工作。因此,激光雷达技术在小规模或低成本的森林调查有很多局限性25]。树的位置必须准确计算和测量森林的特征和描述森林的变化(26]。特别是在工作建立一个固定的情节,有必要获得准确的树的位置(27,28]。在侦查阶段早期,树木的相对位置主要是由使用指南针获取方位和绳子获得的水平距离29日]。GNSS在林业中的应用,GNSS-based站定位技术已经逐渐成熟。因此,GNSS基于智能手机定位技术也将产生很大的测量误差在茂密的森林站(30.]。有必要开发一个相对定位方法来测量树木基于智能手机的位置。站在树的胸径和树高是森林资源调查的重要内容,也是评估森林的基本因素积累和生物量(31日,32]。利用摄影测量的相对较低的价格,有必要开发一个分享服务摄影测量的方法获取树的胸径和高度。在当前森林资源监测研究基于智能手机,有问题不稳定由于低精度的传感器测量误差,以及单一的函数或可移植性差的问题(4,8,33]。

在树属性的测量,我们需要获得站在树的关键参数(包括位置等因素、胸径和树高)。为了让智能手机更方便获得高精度方位和水平距离,提出了一种基于个人智能空间树属性测量方法与多传感器融合。考虑山坡字段在森林资源监测的存在,从便携性的角度来看,各种高精度传感器(包括角度传感器、定位传感器、陀螺仪和激光测距模块)整合成一个小盒子,是便于携带,和本文将它定义为“传感器盒。”“传感器盒”紧密相连的智能手机通过一个磁铁,使森林工人更容易携带。本文的目的如下。(1)针对缺乏准确性和灵敏度的传感器在森林资源监测、智能手机的方法测量森林的关键参数是通过整合各种高精度传感器提出了基于智能空间。(2)的位置、胸径和树的高度决定使用一个相对位置定位算法和一个站在树图处理算法。为了实现该方法,分享服务林分测量软件开发来验证方法的准确性和方法的适用性进行了讨论。

2。材料和方法

2.1。传感器盒

为了提高传感器的灵敏度较低的问题,由于不同的智能手机硬件配置,本文设计了一种多功能传感器称为“森林资源监测传感器盒”。传感器盒有一个态度的测量功能和距离测量功能。它主要是用于获取高精度三维数据(加速度、陀螺仪、欧拉角和磁场数据)和距离测量数据。它可以发送各种类型的传感器数据通过蓝牙智能手机。传感器盒克服了传感器的准确性的问题建立在许多智能手机不能满足需求的调查。它与传统的激光测距仪在以下两个方面。(1)普通激光测距仪关注获取距离数据,无法获得数据陀螺仪的态度。传感器盒设计在本文中不仅有激光测距的功能还有态度测量的功能。(2)普通激光测距仪不能物理上连接到智能手机和被认为是作为一个整体。工人们有必要单独操作测距仪和智能手机。 The volume of the sensor box is 80.3^∗47^∗30毫米³,这是传统的激光测距仪的体积的1/2。它可以通过磁铁片无缝连接到智能手机,和他们的组合可以被视为一个整体。

在这篇文章中,市场上各种高精度传感器模块的有机整合和包装在一个小黑盒子(见图1)。传感器箱主要由一种态度测量模块和一个激光测距模块。的态度测量模块使用提供的陀螺角度测量模块BWT901BLE5.0 WitMotion深圳有限公司有限公司X设在和Y设在角度测量精度为0.01°,Z设在角度测量精度为0.05°。工作频率为168 MHz,加速度是±16 g,X设在和Z设在角度测量范围−180°∼180°,和Y设在测量范围−90°∼90°。波特率是2400∼921600个基点,磁场精度1毫克(毫高斯)。回报率是0.1∼200 Hz。L4-RS232激光测距仪模块的模型,测量范围为0.02 -100米,测量精度±2毫米,和激光波长620 - 690纳米和权力。于10在Windows操作系统,基于Arduino 1.8.5开发环境,c++编程语言是用于串行调试和二次开发。传感器盒使用3.3 v电源和配有显示器显示传感器数据。

2.2。开发的软件测量树属性基于个人智能空间

本文开发的软件在智能手机上运行的测量站。它可以接受和处理传感器数据的“传感器盒”,可以计算相对位置,站在树的胸径和树高。10在Windows操作系统,一个应用程序开发环境基于Android Studio 3.3 + Android SDK (Java开发工具包)+ Java JDK 8 (Java开发工具包)+ ADT (Android开发工具)。站测量软件是用Java语言编写的。软件运行在基于Android操作系统的智能手机(安卓4.4或更高版本)。应用程序使用提供的距离和方位传感器框计算的相对位置的树木和使用陀螺仪数据校准智能手机的摄像头和获得一个固定的焦距。本文是基于单一的图像解决方案的原理和使用软件的“站测量树”模块计算树高和胸径。本文设计一种智能手机连接传感器盒。测量人员可以进行森林参数测量,它。

2.3。研究领域

本文的研究是在人为进行再生森林位于海淀区(40°0 40′N, 116°20′20“E),北京,中国。种植杨树、柳树、槐树,很少或根本没有灌木丛草和灌木。研究区地形海拔48.7米,是平的。它属于温带湿润季风气候区,有四个不同的季节,炎热的夏天,寒冷的冬天,和低降水。如图2的准确性,本文验证了智能空间方法融合多个传感器测量站在两个临时样本块40×40米。种植园站约900棵树的树密度/公顷。核实树位置测量的准确性,共有67个测量站树。验证胸径和树高测量的准确性,共有96个测量站树。

2.4。树关键参数测量原理基于智能空间

传感器盒提供了各种高精度传感器测定的数据树的位置,胸径和树高。站在树的相对位置确定算法和图像测量算法用于处理传感器数据收集的智能手机,和位置,胸径,站在树的和高度分别计算。在森林林分密度高的地区或严重的树冠覆盖,GNSS信号强度会受到严重影响,导致森林定位精度低或不能满足实际工作的要求。自GNSS信号智能手机到森林里将严重削弱,无法直接获取树的绝对位置。传统的指导下树位置测量方法(29日),本文提供了一种新的选择林业调查人员确定相对位置的树木与多个传感器基于智能空间融合。基于摄影的原则(34,35),本文使用智能手机的固定焦距和水平距离传感器获得的盒子。然后,树的高度和胸径可以测量通过一幅包含完整的信息站立的树。

2.4.1。站在树的位置测量的原理

首先,检查员应设置位置为原点(原点是初始观测点的坐标是已知或假设),和原点的位置应选择尽可能广泛的地方周围的视野。然后,土地测量员打开“林分测量”软件在智能手机和进入相机拍摄界面的“站测量树”功能,点击“蓝牙”图标右上角的搜索和连接传感器。根据工作的实际需求,如果需要测量胸径和树高的激光发射水平感应盒可以预测胸径(1.3米)主干的视觉判断。如果你只需要测量树的位置,可以水平激光投射到树干。当激光点出现在相机界面,点击“OK”按钮并保持手臂尽可能稳定。

在图3,树位置坐标系统O- - - - - -xy建立,原点O坐标系统是第一个观察点。红色的三角形代表观测点,而O_x和O_y代表观测点的坐标。绿色圆点代表树,x和y代表树坐标。l代表提供的观测点的距离计算箱子的树。α由感应框计算方位。每棵树的坐标可以使用三角函数计算。例如,第一个树的平面坐标计算如下,和其他树木的坐标计算使用类似的方法。

在测量树木在包裹层,测量师可能会遇到这样的情况,即树干或树梢阻塞是由于树木的密度,和一些树部分可见或完全不可见。本文观察模式的“观察点转移”是专为测量师。测量站可分为两个或四个情节类似的大小根据树木的密度或人工分割标记。观察原则是从低密度土地转变为高密度的情节。当分裂成两个情节,情节少应该首先观察到茂密的树木。每个情节占据了一个象限时分为四个细胞。首先,树木的密度最低的情节是作为第一象限,逆时针或顺时针的观察序列决定根据树木的密度在相邻的地块。当整个站划分,土地测量员开始每个站的决心。如果发出的激光传感器盒不能投射到树干,验船师可以改变站位置和设置第二个观测点。选择第二个观察点是一样的第一个观察点。 Using the distance datal传感器提供的盒子,第二个观测点的坐标可以倒根据前面的树的坐标或坐标测量树的附近,然后继续观察。根据实际需要,第三或第四观察点设置以同样的方式。

2.4.2。站在树的胸径和树高测量

胸径和树高的关键参数是站的决心。摘要软件的“测量树”函数是用来计算树的胸部直径和树高测量(见图4)。观察计划类似于树的位置的观测方案。因此,本文实现的同步测量位置,胸径、树的和高度在实际工作过程中,和传感器盒可以提供计算所需的数据在同一时间。树高和胸径可以计算方法的基础上解决single-tall照片。这是一个单一的照片摄影测量的方法。在进入“站在树后测量”模块的软件,验船师选择“图像捕获”功能。土地测量员将项目发出的激光传感器盒胸部直径(1.3米)的树干视觉判断和点击“OK”按钮。树的形象将自动加载到软件界面和一个红色的“+”符号将出现在智能手机屏幕的中心。获得准确的图像平面坐标树的顶部位置,树的图像可以移动位置一个₁树是一致的“+”符号,并点击“OK”按钮在右下角。然后,图像是搬到树的底部对齐一个₂“+”符号。点击“OK”按钮的图像点的平面坐标图像。这时,树高的测量值将显示在屏幕上。胸径的测量过程类似于树的高度。胸径的位置是由激光点的位置的照片。然后,通过放大图像和移动红色“+”符号,一个₃左边的胸径和一个₄向右胸径决心来完成图像的采集相应的坐标平面。最后,胸径测量值也将显示在屏幕上。

该算法是一种特殊形式的共线方程在摄影测量和适用于计算单个图像(35- - - - - -37]。本文研究了该算法应用于智能手机。测量原理如图5。 在哪里和是图像的图像平面坐标点,f是智能手机的相机的焦距,X,Y,Z是观察的物体空间坐标点,然后呢 , ,和(= 1,2,3)9方向余弦由三个外部方位元素树的形象。

在这个场景中,物体空间坐标系统的起源和图像空间坐标系的原点重合,和摄影中心的年代,图像空间坐标点,和物体空间坐标点在一条直线旋转矩阵简化,如以下公式所示:

对象空间点的空间坐标点一个₁设置为(X_一个,Y_一个,Z_一个)。公式(4)可用于计算object-side站树图像上的像点的坐标。 (在哪里 , , )站在树的物体空间坐标,l代表观测点之间的水平距离和站着的树,和图像平面坐标(2 d),f是相机的焦距。树的高度计算公式获得通过结合以下公式: 和树高 在哪里对应于图像平面坐标的树的胸径和高度。树的顶部和树底分别选择树的形象被测量。相应的图像在图像平面坐标( )和( ),分别在年代。尺度参数( ), 是智能手机的定焦镜头的焦距,然后呢l观察点之间的水平距离和树来衡量。

同样,通过选择左边的点一个₃和正确的点一个₄胸径的图片,对应的像点坐标(图像的平面坐标)年代的图像,即( )和( , ),分别获得。然后,我们使用以下公式计算胸径:

测量站的树与智能手机的研究中,一些研究人员测量树基于三角法的原则。在这篇文章中,摄影测量算法被用来测量树高和胸径。该算法需要一个外部变量(水平距离l观测点和树)之间的“统治者”,其优势体现在以下两点。(1)三角函数树测量算法需要测量观察点和树顶部和底部,分别。智能手机的角度传感器的角度相对较低,和角度误差波动很大。激光测距仪只需要测量观察点之间的水平距离和立场。距离测量的准确性非常高,误差波动相对较小。(2)本文算法可以用来衡量胸径和树高同时通过使用一个包含完整的信息的智能手机拍照站立的树。然而,该方法基于三角函数的原则需要找到树高在使用其他算法计算胸径。

2.5。精度评价

为了验证该方法的有效性38,39),树位置的测量精度,分析了胸径和树高。树的位置测量,我们把树位置测量与全站仪(KTS-44R4LCN全站仪,南方测绘科学与技术科技有限公司有限公司)作为参考价值。本文使用CGQ-1直读高度计和胸径胶带用于林业测量每棵树的高度和胸径和使用这些数据作为参考价值的方法。本文运用偏差,RMSE rBias,推定检查树位置的准确性,树高和胸径。

3所示。结果

3.1。分析结果树的位置

摘要67棵树木测量来验证树位置测量的准确性。在测量期间,2.4.1节“观察点转移”计划被用来解决主干阻塞的问题。全站仪是用来测量的坐标67棵树,把它们作为参考价值。树木的位置坐标测量的融合多个传感器基于个人智能空间被作为测量值。

图6(一)显示了一个示意图树木分布的测试样图。它可以清楚地看到从图6 (b)摘要树位置的测量值能更好地对应参考价值范围内样本的土地。表1显示了偏见,rBias、RMSE和推定的X和Y,分别。

树的平均RMSE位置在这个实验中是0.186米,可以更好地表达树在森林资源监测位置的分布。在实际工作中,除了外部因素如地形、磁场、树位置的测量精度会受调查者的方式运作。因此,测量运营商应该调节仪器的操作,避免坏的测量环境,进行准确的定位和测量软件的使用说明。实验结果表明,该方法可以用来测量树木在森林资源监测的位置。

3.2。站在树的胸径和高度的分析

为了验证该方法的准确性测量站在树的胸径和高度,96站测量树木,这些结果被作为测量值。站在树的高度和胸径测量使用CGQ-1直读高度计和直径磁带,和这些结果被用作参考价值。图7显示测量值的胸径和树高均匀分布两岸的参考价值,并测量效果总体较好。

四个精度指标表2显示测量结果的树高和胸径。实验结果表明,基于智能空间站测量方法的融合多个传感器可以满足森林资源调查的精度要求。

在测量精度方面,虽然本文方法与现有方法相比没有明显优势,如激光雷达摄影测量,它仍然为森林资源监测提供了有价值的参考。因此,基于智能空间技术的融合多个传感器仍然可以作为一个有效的解决方案用于测量树的属性。测量树高与林分密度直接相关和树冠遮挡。当伞站密度很小或稀疏,树高的测定精度高。胸径测量的精度主要受拍摄照片,手指运动,和其他因素。当操作软件,准确地确定胸径立场是提高胸径测量精度的关键。

4所示。讨论

智能、高效和精确的方法测量树的属性一直是森林资源监测的重点。如今,利用多个传感器,智能手机不仅提供各种各样的娱乐和消费水平功能为公众也已逐渐成为一个重要的工具在森林资源监测等专业领域(14,33,39,40]。然而,许多智能手机的传感器精度仍然可以满足娱乐需求,而专业资源探测的准确性需要改进(39]。摘要、高精度传感器的小盒子的设计,它可以无缝地连接到智能手机。集成的传感器框态度陀螺仪模块与激光测距仪模块提供高精度的姿态数据和水平距离数据智能手机。传感器盒有两个优势传统的激光测距仪。(1)传统的激光测距仪主要关注距离数据的采集,但不能获得数据的态度。摘要传感器盒设计不仅激光测距的功能而且态度测量的功能。(2)传统的激光测距仪不能无缝连接到智能手机,所以测量员需要单独的智能手机和激光测距仪。这样的组合不可能作为一个整体。在80.3 47∗∗30毫米,传感器盒大小的一半是一个传统的激光测距仪,可以无缝地连接到一个智能手机通过磁铁片。工人可以把传感器盒与智能手机作为一个整体。 It is easy to carry, easy to operate, and less affected by terrain.

为了验证该方法的有效性,位置,树的胸径和高度进行比较和分析。虽然本文方法没有明显优于激光雷达和摄影测量的精度17,23,24),测量方法更灵活和更少的受到地形环境的影响。激光雷达技术大大地受地形影响,它还在办公室需要大量的数据处理,及其计算成本很高。本文支持森林收获前的测量。与智能手机的传感器盒”相结合的方法来测量可以使用树的属性作为输入参数为一个特定的树木生长模型,可以自动估计木材体积或股票。与激光雷达技术,更适合大规模操作,本文可以提供一个更灵活的方法调查罕见的树的保护。珍贵树木的详细属性时需要记录操作。本文提出一种方法衡量这些珍贵树木的属性和记录实时数据并将其存储在数据库的智能手机。本文“观察点转让”的方案设计情节的测量工作水平,但它需要很大的空间来描述株高程的测量。树的位置测量,手机GNSS信号在很大程度上影响一些站在高密度的树木,导致定位精度较低。同时,树树冠的阻塞GNSS信号不同程度的影响,和绝对定位技术基于GNSS信号可能不是适合所有站定位工作(28,30.]。树位置的相对定位技术在本文的问题分享服务GNSS绝对定位技术无法与微弱信号定位在森林里。这个方法显示精度高,不受地形和树密度。由于绝对定位的难度在站测量与智能手机,智能手机的相对定位是很少研究确定树的位置。单一测量树高和胸径的树,虽然一些研究人员也使用智能手机来测量树高,大部分的手机都有简单的原则和单一函数差的普遍性。一些研究人员已经开发出智能手机软件基于三角原理测量树高和胸径(5,7,9,41),但这种方法使用手机的内置角度传感器得到的角度观察树的顶部和底部。因为智能手机角度传感器灵敏度不同,测量误差是不稳定的。在实际工作中,由于传感器精度不足,结果将会出现一个很大的测量误差。在这篇文章中,高精度传感器连接到智能手机,提高测量精度,和一个照片解决摄影测量方法应用于森林资源监测的基于智能手机。相比之下,基于智能手机的其他森林资源监测方法(26,42- - - - - -45),这种方法可以直接测量位置,胸径和树的高度。测量精度不受不同配置的智能手机,所以这种方法通用性强的优点。与传统方法相比(46,47),该方法具有计算能力,不需要触摸树木,减少测量师的身体消费,节省调查的时间和成本。

为了充分发挥微机智能手机的优势,本文提供了一个低成本、便携式工具当前森林调查基于测量树的方法属性基于智能空间融合多个传感器。尽管测量师可以把智能手机变成一个专业的工具来监控森林资源,仍存在一些问题需要进一步解决。激光测距仪的激光模块项目在树干的光。当工作环境周围的光线太弱或太强,激光点在树干的可见性将受到影响。在未来的研究中,本文打算改变激光光束的几何投影在树干上从点到线。最后,将激光束投射到树干形成激光线垂直于树干。激光线更方便比激光点森林调查人员。相比之下,建立一个智能手机的方式用三脚架在现有的研究中,本文中的方法是测量人员更方便携带和操作智能手机,但它增加了不稳定的姿态传感器传感器获取角度和方向数据。在收集过程中,颤抖的手臂将导致测量误差,这将影响在某种程度上树位置的准确性。本文站在树的图像包含完整的信息计算胸径和树高,可完成传感器数据的收集在很短的时间。 The laser point is projected onto the tree trunk to minimize the error caused by the shaking of the arm. In this paper, on the premise of ensuring measurement accuracy, it is worthwhile to sacrifice less accuracy for the improvement of working efficiency and is more convenient to carry measurement tools. The sensor is still susceptible to electromagnetic interference, which reduces the measurement accuracy. The visibility of trees in forests remains the focus of further research in the future. Although we have designed an observation scheme of “observation point transfer” for the method in this paper, tree height cannot be directly measured for some totally closed stands. Therefore, the method of this paper is more suitable for small-scale, low-density, or medium-density forest resource monitoring with lower cost.

5。结论

本文提出一种测量关键参数的方法基于个人智能空间融合传感器。本文设计一个传感器箱个人智能手机集成了各种类型的传感器和便于绑定两个彼此。为了验证本文方法的有效性,站在树的相对定位算法和图像测量算法可以用来测量位置、高度、胸径和树。这软件开发过程由传感器收集的数据。最后,对实验结果进行了分析和讨论。本文解决了可怜的普遍性的问题,精度低,在前面的森林资源监测方法和单一功能基于智能手机,它有更高的灵活性和更好的可移植性。森林调查人员可以把智能手机变成专业森林资源监控工具在工作领域,为森林资源监测提供了有价值的帮助。在未来,更多的森林资源监测因素,如体积、冠宽度,和生活高度的皇冠,需要确定基于个人智能空间。总的来说,本文提供了一种新的森林资源监测方法。基于个人智能空间融合各种高精度传感器,这种方法基本上可以满足森林资源监测的精度要求,可以推广在林业调查。

数据可用性

树测量数据用于支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

我们感谢其他团队成员帮助实验。本研究联合支持的基础研究基金为中央大学(TD2014-02)。

引用

1. s . m . Pawson a·布林e . g . Brockerhoff et al .,“种植森林、气候变化和生物多样性”生物多样性和保护,22卷,不。5,1203 - 1227年,2013页。视图:出版商的网站|谷歌学术搜索
2. z z邱,冯,y的歌,m·李和张平,“森林植被的固碳潜力在中国从2003年到2050年:预测基于气候和森林植被生长环境,”《清洁生产文章ID 119715卷,252年,2020年。视图:出版商的网站|谷歌学术搜索
3. m·阿诺德·b·鲍威尔·斯坦利和t·c·h·桑德兰,”社论:森林,生物多样性和粮食安全,”国际林业审查,13卷,不。3、259 - 264年,2011页。视图:出版商的网站|谷歌学术搜索
4. d .汉和c·王”,树高测量基于图像处理的嵌入式智能手机,”《2011年国际会议上多媒体技术杭州,页3293 - 3296年,中国,2011年7月。视图:出版商的网站|谷歌学术搜索
5. 徐吴x周,a, b,“树胸径的被动测量方法使用智能手机,”计算机和电子产品在农业文章ID 104875卷,163年,2019年。视图:出版商的网站|谷歌学术搜索
6. A . Jaakkola j . Hyyppa A Kukko et al .,“低成本multi-sensoral移动映射树的测量系统及其可行性,”ISPRS《摄影测量与遥感,卷65,不。6,514 - 522年,2010页。视图:出版商的网站|谷歌学术搜索
7. g . Fangli和x唐爱军,”树胸径测量方法基于智能手机和机器视觉技术,”Zjnldxxb,35卷,不。5,892 - 899年,2018页。视图:出版商的网站|谷歌学术搜索
8. d .汉”,树高测量基于图像处理与3点回调,"《2011年国际会议上计算机科学和网络技术哈尔滨,页2281 - 2284年,中国,2011年12月。视图:出版商的网站|谷歌学术搜索
9. j . k .周y Wang, g .江和a .徐”树测量系统的研究和实现基于Android平台,“南京林业大学学报(自然科学版),40卷,不。4、95 - 100年,2016页。视图:谷歌学术搜索
10. 答:好的,j . Rasinmaki k . Eyvindson p·钱伯斯,”手机应用意见收集的数据对森林规划的目的,“环境管理,55卷,不。4、961 - 971年,2015页。视图:出版商的网站|谷歌学术搜索
11. m . Molinier c . Lopez-Sanchez t Toivanen et al .,“Relasphone-mobile和原位参与森林生物量测量支持卫星图像映射,”遥感,8卷,不。10,869年,页2016。视图:出版商的网站|谷歌学术搜索
12. 美国Korpilo、t·维尔塔宁和s . Lehvavirta”智能手机GPS tracking-Inexpensive休闲运动和有效的数据收集,”景观和城市规划卷,157年,第617 - 608页,2017年。视图:出版商的网站|谷歌学术搜索
13. m . Bakula p Przestrzelski, r . Kazmierczak“可靠的厘米GPS / GLONASS测量技术在森林环境中,“IEEE地球科学和遥感,53卷,不。2、1029 - 1038年,2015页。视图:出版商的网站|谷歌学术搜索
14. j . Tomaštik j . TomaštikŠ。Saloň,r . Piroh”水平的智能手机GNSS定位精度和适用性森林,”林业,卷90,不。2、187 - 198年,2017页。视图:出版商的网站|谷歌学术搜索
15. g .风扇f·陈,李y, b . Liu和x粉丝,“开发和测试一个新的地面测量工具协助森林GIS调查,“森林,10卷,不。8,643年,页2019。视图:出版商的网站|谷歌学术搜索
16. a . Jaakkola j . Hyyppa x Yu et al .,“自主收集的森林字段引用前景和无人机激光扫描的第一步,”遥感,9卷,不。8,785年,页2017。视图:出版商的网站|谷歌学术搜索
17. t . Mikita、p .人民党和p . Surovy”林分库存基于空中和地面摄影相结合,“森林,7卷,不。12,165页,2016年。视图:出版商的网站|谷歌学术搜索
18. l . Noordermeer o . m . Bollandsas h . o .Ørka e . Næsset和t . Gobakken”比较森林属性预测的精度从机载激光扫描和数字航空摄影测量在森林经营库存,”环境遥感,卷226,不。1,26-37,2019页。视图:出版商的网站|谷歌学术搜索
19. g·d·皮尔斯发起,j . p .破折号,h·j·佩尔森和m . s .瓦,“比较高密度激光雷达和卫星摄影测量森林调查,“ISPRS《摄影测量与遥感卷,142年,第267 - 257页,2018年。视图:出版商的网站|谷歌学术搜索
20. d·r·米勒、c·p·奎因和w·哈德利”的调查数字摄影测量的潜力提供测量森林的特点和非生物损伤,”森林生态与管理,卷135,不。1 - 3、279 - 288年,2000页。视图:出版商的网站|谷歌学术搜索
21. k . Fankhauser: Strigul, d . Gatziolis”增强传统的森林调查和机载激光扫描与无人机系统和摄影测量森林监测,“遥感,10卷,不。10,1562年,页2018。视图:出版商的网站|谷歌学术搜索
22. b·塔尔博特m . Pierzchała, r . Astrup”应用程序的远程和近端传感精度改善森林操作,“克罗地亚《森林工程 :《林业工程的理论和应用,38卷,不。2、327 - 336年,2017页。视图:谷歌学术搜索
23. t .桑基j . Donager j·麦克维恩,j·b·桑基”无人机激光雷达和高光谱融合在美国西南部森林监测”环境遥感卷。195年,30-43,2017页。视图:出版商的网站|谷歌学术搜索
24. s . Krause, t·g·m·桑德斯的j。Mund, k . Greve”无人机摄影测量树高测量密集的森林监测,“遥感,11卷,不。7,758年,页2019。视图:出版商的网站|谷歌学术搜索
25. l·华莱士,a .露西z Malenovsky, d·特纳和p . Vopěnka”使用两种无人机技术评估森林结构:机载激光扫描和结构的比较从运动(SfM)点云,“森林,7卷,不。12,62页,2016年。视图:出版商的网站|谷歌学术搜索
26. r d。格罗特”评估皇冠半径和树冠投影面积从树杆的大小和位置,”森林科学年鉴,60卷,不。5,393 - 402年,2003页。视图:出版商的网站|谷歌学术搜索
27. d·布兰登桤木和t . j .,永久样地的技术复杂的热带森林、牛津林业学院、牛津大学、牛津大学,英国,1992年。
28. d·l·埃文斯、r·w·卡拉韦和g·t·西蒙斯”使用全球定位系统(GPS)森林图的位置,”南方林业应用杂志》上,16卷,不。2、67 - 70年,1992页。视图:出版商的网站|谷歌学术搜索
29. p . Němec”,现代森林调查方法的比较常见的管理方法在秘鲁亚马逊热带雨林,”热带森林科学杂志》上,27卷,不。1,第91 - 80页,2015。视图:谷歌学术搜索
30. r·r·肯尼迪,使用智能手机和GIS技术对可持续林业在安大略省东部Morriest大厅,渥太华,加拿大,2012。
31. j .布莱克沃德m . Finco e·赫尔默et al .,”美国森林生物量利用全国性的森林调查数据映射和中等分辨率信息,“环境遥感,卷112,不。4、1658 - 1677年,2008页。视图:出版商的网站|谷歌学术搜索
32. g . Chirici r . e . mc - rorberts美国冬季et al .,”国家森林库存对森林生物多样性监测的贡献。”森林科学,卷。58岁的没有。3、257 - 268年,2012页。视图:出版商的网站|谷歌学术搜索
33. a . Villasante c·费尔南德斯,“测量误差在智能手机的使用低成本的林业hypsometers”席尔瓦Fennica,48卷,不。5 p。2014。视图:出版商的网站|谷歌学术搜索
34. e . m .米哈伊尔·j·伯特利,j . c . McGlone介绍现代摄影测量美国新泽西州霍博肯市威利,2001年。
35. k·b·阿特金森近距离摄影测量和计算机视觉一来,Dunbeath轧机,英国,1996年。
36. d . Gaffrey b . Sloboda m . FabrikaŠ。Šmelko”,地面测量站的single-photogrammetry树木,应用于Dobroc原始森林,”《森林Science-UZPI(捷克Reoublic)47卷,第87 - 75页,2001年。视图:谷歌学术搜索
37. k . Kansanen j . Vauhkonen t Lahivaara, l . Mehtatalo”站密度估计基于个人树检测和随机几何,”加拿大的森林研究》杂志上,46卷,不。11日,第1366 - 1359页,2016年。视图:出版商的网站|谷歌学术搜索
38. z秋Z.-K。冯,z . Li m . Wang和c . Lu”无人机摄影测量系统的应用监控古树社区在北京,”森林,9卷,不。12,735页,2018年。视图:出版商的网站|谷歌学术搜索
39. z秋z .冯j .江林y,和雪,“连续地面摄影测量系统图的应用监控在北京松山国家级自然保护区,“遥感,10卷,不。7,1080年,页2018。视图:出版商的网站|谷歌学术搜索
40. w·Xinmei x唐爱军,y婷婷,“被动测量树高和皇冠直径的方法使用智能手机,”IEEE访问,8卷,第11678 - 11669页,2020年。视图:出版商的网站|谷歌学术搜索
41. d .汉”,站在树的体积测量技术基于数字图像处理,”程序的自动控制和人工智能国际会议(2012年巴西莓)厦门,页1922 - 1925年,中国,2012年3月。视图:出版商的网站|谷歌学术搜索
42. Marzulli, p . Raumonen r·格列柯,m .波斯和p . Tartarino”估计树杆直径和体积从智能手机摄影点云,“林业:国际森林研究期刊》的研究,卷93,不。3、411 - 429年,2020页。视图:出版商的网站|谷歌学术搜索
43. m . Vastaranta e . Latorre诉罗马n . Saarinen m . Holopainen和j . Hyyppa”评价森林样地测量的智能手机应用程序,“森林》第六卷,没有。12日,第1194 - 1179页,2015年。视图:出版商的网站|谷歌学术搜索
44. j . TomaštikŠ。Saloňd . Tunak f . Chudy, m . Kardo“探戈在forests-an最初的经验使用谷歌新技术与森林调查任务,”电脑和电子产品在农业卷,141年,第117 - 109页,2017年。视图:出版商的网站|谷歌学术搜索
45. e·冈萨雷斯Latorre”手机应用程序的评估样图测量在俄罗斯,“Helsink大学赫尔辛基芬兰,2015年,论文。视图:谷歌学术搜索
46. d·r·鲍尔和w·w·杀杀杀,”笔记和观察:乐队和磁带精度测量直径增加,”《林业,卷64,不。1、21 - 22日举行,1966页。视图:出版商的网站|谷歌学术搜索
47. 人类。Binot、d . Pothier和j·勒贝尔”,比较之间的相对精度和时间要求厚度,直径磁带和电子测量叉树”林业纪事报,卷71,不。2、197 - 200年,1995页。视图:出版商的网站|谷歌学术搜索

版权

版权©2020 Guangpeng风扇等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。