专利名称：用于估算与感兴趣的物体相关的植被生长的方法和系统的制作方法
技术领域：
本发明主要涉及用于从感应数据，例如LiDAR数据确定关于树的信息的方法和系统。更具体地，本发明涉及用于估算与其他物体相关的植被生长的方法和系统。版权本专利文件的部分公开包含受版 权保护的材料。版权所有人不反对专利公开的任何人复制再生在专利和商标的专利文件或者记录中出现的，但除此之外任何情况下均保留所有版权。
背景技术：
对于许多公用事业，树木是所有非计划的配电损耗(断电)的头号原因。在风暴期间，对电力公用事业系统的最大损害是由于倒下的树或树枝使电力线停止服务造成的。为了帮助减少树木对公用事业系统损害的频率，许多公用事业执行植被管理方法作为预防性措施。北美公用事业每年花70亿美元至100亿美元在植被管理上，以努力防止与树木接触导线相关的服务中断和安全隐患。传统上，植被管理方法依赖于通过树艺师队伍定期测量和修剪以帮助控制公用事业系统周围的植被，但是数量之多的公用事业管线覆盖广阔的距离，在许多情况下，使在地面上派遣测量队不切实际。因此，许多公用事业公司在过去已经转向空中侦察技术以提供他们的公用事业系统的摄影图像，可以检查可能的植被生长问题。虽然航空照片或直升机输电线路巡检可以检查已经生长成为防碍公用事业的植被，但在他们在算与感兴趣的物体有关的植被生长的基础上存在之前，目前没有令人满意的能够预测植被问题的方法或系统存在。而公用事业公司传统上已经以株高、茎粗或体积的生长确定植被和树木生长，而这些生长率已被用来预测靠近公用事业用地的植被的生长，这种估算不提供与公用事业(诸如电源线)或其间隙空间格局相关的生长。不幸的是，与行间隙相关的生长没有通过植被高度、直径或体积得到很好的定义。这种知识的缺乏抑制了及时和有效的关于所需的处理的类型的决策权力，即刈割、切割、修整或移走树木。因此，通常现场工作人员有必要亲自参观现场，以决定需要解决侵占的维护类型。处理的成本很大程度上取决于所需维护的类型。由于缺乏关于维护类型的先验知识的无效的规划浪费了资源并且导致做更多不必要的工作。因此，将需要经济的、可靠的，且易于使用的用于确定与感兴趣的物体(诸如电源线导线)相关的植被生长的方法和系统，并使用这种生长预测将来的间隙需要，为了能够更准确地预测用于公用事业的植被侵占问题。

发明内容
用于估算与感兴趣的物体有关的植被生长的方法被公开。目标植被是从第二感应数据组识别。在第一感应数据组识别相应的目标植被，第一感应数据组在第二感应数据组之前的时间收集。第一统计归因于基于与感兴趣的物体相关的第一感应数据组的相应的目标植被的一个或多个点的距离的相应的目标植被。第二统计归因于基于与感兴趣的物体相关的第二感应数据组的目标植被的一个或多个点的距离的目标植被。从第一统计和第二统计的比较确定侵占率(encroachment rate)。还公开了计算机可读存储介质。计算机可读存储介质具有存储在其上用于估算与感兴趣的物体相关的植被生长的指令。该指令，其中，当通过处理器执行时，导致处理器I)提 供第一感应数据组；2)提供第二感应数据组；3)从第二感应数据组识别目标植被；4)识别在第一感应数据组相应的目标植被，第一感应数据组在第二感应数据组之前的时间收集；5)把第一统计归因于基于与感兴趣的物体相关的第一感应数据组的相应的目标植被的一个或多个点的距离的相应的目标植被；6)把第二统计归因于基于与感兴趣的物体相关的第二感应数据组目标植被的一个或多个点的距离的目标植被；7)从第一统计和第二统计的比较确定侵占率。还公开了用于估算与感兴趣的物体相关的植被生长的系统。该系统具有处理器，设置为1)从第二感应数据组识别目标植被；2)识别在第一感应数据组中相应的目标植被，第一感应数据组在第二感应数据组之前的时间收集；3)把第一统计归因于基于与感兴趣的物体相关的第一感应数据组的相应的目标植被的一个或多个点的距离的相应的目标植被；4)把第二统计归因于基于与感兴趣的物体相关的第二感应数据组目标植被的一个或多个点的距离的目标植被；以及5)从第一统计和第二统计的比较确定侵占率。该系统还具有耦合到处理器并且设置以将第一和第二感应数据组提供给处理器的数据输入。该系统进一步具有耦合到处理器或数据输入的用户界面。


图I示意性地说明感应数据组的实施方式。图2A-2C说明用于估算与感兴趣的物体相关的植被生长的方法的一个实施方式。图3示意性地说明LiDAR数据组的横截面视图的实施方式。图4示意性地说明LiDAR数据组的实施方式，在其中目标植被已通过产生多边形识别。图5示意性地说明归因于在与感兴趣的物体相关的第一和第二感应数据组中的目标植被的第一和第二统计的实施方式。图6A说明绘制年度植被生长百分比作为度日的函数的图的一个实施方式。图6B说明绘制年度植被生长百分比作为度日的函数的图的另一个实施方式。图7示意性地说明显示感兴趣的物体的侵占地图的图形用户界面(⑶I)的一个实施方式。图8示意性地说明用于估算与感兴趣的物体相关的植被生长的系统的实施方式。图9示意性地说明用于估算与感兴趣的物体相关的植被生长的系统的另一个实施方式。图10示意性地说明LiDAR数据组的横截面视图的实施方式，在其中目标植被侵占方向正在被测试，以确定推荐的处理类型。应了解，为了清晰的目的，并在合适的地方，参考数字已在图中重复以表明相应的特征，并且在图中的各种元素不一定为了更好地显示特征按比例绘制。
具体实施例方式几种不同的生长速率将在本文提及。术语“相对生长速率”是指目标植被朝向感兴趣的物体生长的速率。术语“侵占率”可以与术语“相对生长速率”交替使用。可以使用术语“相对生长”(也称为“侵占生长”)，它是造成关于两个物体之间的最小距离的变化的生长。术语“年生长率”是指每年的生长。高度、相对生长，或任何其他的生长可以确定年生长率。术语“间隙”是指感兴趣的物体和要考虑的植被(或其他物体)之间的最小距离。图I示意性地说明在用于估算植被生长的方法和系统中使用的具有已知的电源线导线位置22和公路用地(ROW)边界线24的感应数据组20的实施方式。感应数据组20优选在空中从树木上面收集的三维的数据组，但是一些实施方式可以利用基于地面的感应数据组收集技术。在这个图中，来自LiDAR传感器的分类的3D点云数据组已被修改成栅格图，像素的灰度值显示为植被高度。较明亮的灰度值表示较高的植被，黑色值呈现无植被。 为便于在这个黑白线的绘图中说明，在ROW边界线24之间没有被灰度树木覆盖的无障碍区域(cleared area)显示为白色，虽然通常在LiDAR数据组中这些区域将显示为黑色。在此，无障碍的ROW区域显示为白色，这样可以说明其他结构。还有其他的实施方式可以使用空中的和基于地面的感应数据收集技术的结合。感应数据组20可以包括多种数据类型，诸如，但不限于光探测和测距(LiDAR)数据(有时称为“激光扫描数据”)、雷达数据、合成孔径雷达数据、来自任何基于扫描测量距离和提供3D点云的传感器的数据。感应数据组20可以通过诸如数字图像、视频或高光谱成像数据的其他数据组支持。为方便起见，感应数据组20往往会被称为LiDAR数据，但是应该理解其他形式的数据在本发明的范围内可以适合用作感应数据。感应数据组20可以也包括定位数据，例如全球定位系统(GPS)数据，所以知道感应数据组内的物体的坐标位置。此外，感应数据组20可以与已知的公用事业系统位置结合。在图I的实施方式中，已知电源线导线位置22和ROW边界24已经与感应数据组结合，以便可以参考电源线位置22和ROW边界24。那些本领域技术人员熟悉许多市售的产品，其允许对公用事业物体，诸如电源线导线的大小和位置进行塑造，并且与感应数据组20结合。这些公用事业物体也可以被塑造来模拟各种天气和负载条件，例如，诸如显示在下垂冰条件下电力线将在哪里。图2A-2C说明用于估算与感兴趣的物体相关的植被生长的方法的一个实施方式。可选地，第一感应数据组收集26，以及第二感应数据组收集28。如前所述，第一和第二感应数据组各优选三维数据组，其可以在空中和/或从地面收集。感应数据组的合适的非限制的例子包括光探测和测距(LiDAR)数据(有时称为“激光扫描数据”)、雷达数据、合成孔径雷达数据、来自任何基于扫描测量距离和提供3D点云的传感器的数据、数字成像，或高光谱图像。在一些实施方式中，一个或多个感应数据组可能已经获得，例如，如果一个或多个感应数据组存储在某个地方，并且不必收集。感应数据组可以通过如静止图像、彩色红外图像、热成像或超光谱图像的其他数据组支持。这种支持数据组可以使用，例如，给感应数据涂上逼真的颜色或者可能用颜色给一些诸如热特征、化学组分、材料组分等的其他感应性能绘制地图。此外，可选的支持数据组或者可能被投射在3D点顶部返回以反映实际的3D数据点的颜色值。这可以允许更容易识别图像特征。在一些实施方式中，可选的支持数据组可以是从感应数据组提供与目标树相关的切片数据(slice data)的基于地面的数据。因此，第一和第二感应数据组都可以选择包括一个或多个支持数据组。第二感应数据组对应在第一感应数据组之后的时间收集的数据。在一些实施方式中，在收集第一数据组和第二数据组之间的时间可以是大约一个生长季节，但是其他实施方式可以使用较少或较多的次数。在一些情况下，第一感应数据组和/或第二感应数据组可以包括一个或多个没有植被反射(vegetation returns)的数据点。由于只是几个例子,感应数据组可以包括地面反射(ground returns)、水反射(water returns)、和/或电源线导线反射(power lineconductor returns)。因此,在一些实施方式中，可以选择考虑将第一和/或第二感应数据组分类29以识别植被反射。根据分类过程，植被反射可以被标记为植被反射，以便只有通过以下步骤利用它们，或者非植被反射可能不再使用。当在下文提到第一感应数据组或第二感应数据组时，因此，假定只有植被反射在第一和第二感应数据组使用，或者是因为I)收集的或存储的感应数据组已经只有植被反射，2)将收集的或存储的感应数据组分类以标示仅植被反射用于使用，或者3)对收集或存储的感应数据组进行分类以消除非植被反射。目标植被从第二感应数据组识别30。在一些实施方式中，可以通过从在第二感应 数据组包括一个或多个点的目标植被的第二感应数据组识别32植被多边形来识别30目标植被。通过多边形的形成识别目标植被被那些本领域技术人员所熟知。作为一个实施例，一个或多个多边形可以从第二数据组的植被反射形成，通过I)从地平面识别每个植被反射的高度；2)铺设在植被反射上方的水平空间参考的栅格网格；3)从栅格中的每个单元格内的地面读取最高、平均或其他统计的水平；4)对于在植被分类中没有有效的反射的栅格单元，赋予0值；5)所产生的栅格被称为植被高度栅格；6)在植被高度栅格上运用生长限制的种子区域生长算法或更复杂的函数以形成一个或多个多边形。
识别的目标植被可以被认为列入植被数据容器内，这并不一定必须是多边形。植被数据容器可以是多边形、单个像素或一组像素、网格单元或形成的用于分析的其他形式的空间数据实体。这些空间的实体，其包括待分析的植被，可以简称为目标植被几何。从第一感应数据组识别相应的目标植被34。用于从第二感应数据组识别目标植被的植被数据容器或目标植被几何可以叠加在第一感应数据组上以从第一感应数据组识别34相应的目标植被。作为其中的一个例子，如果已经从第二感应数据组识别植被多边形，那么来自第二感应数据组的植被多边形可以用于36在第一感应数据组选择一个或多个点的相应的目标植被。第一统计归因于38基于与感兴趣的物体相关的第一感应数据组的相应的目标植被的一个或多个点的距离的相应的目标植被。感兴趣的物体可以是各种物体，诸如，但不限于电源线、铁轨、铁路架空导线(a railroad overhead conductor)、电话线、道路、通讯电缆、高速公路路面，和道路标志能见度扇形区。感兴趣的物体还可以包括物体周围的安全缓冲区。在第一感应数据组的一个或多个数据点将属于相应的目标植被，例如通过使用以上步骤36中的植被多边形识别。在一些实施方式中，归因于38相应的目标植被的第一统计可以通过计算每一个或多个已经被识别为属于在第一感应数据组的相应的目标植被的数据点到感兴趣的物体的距离确定。归因于38相应的目标植被的第一统计可以基于这些从每一个识别的第一感应数据组点到感兴趣的物体计算的距离。例如，在一些实施方式中，归因于38相应的目标植被的第一统计可以是从每一个识别的第一感应数据组点到感兴趣的物体计算的距离的集合的最小距离。在其它实施方式中，归因于相应的目标植被的第一统计可以是最接近识别的第一感应数据组点到感兴趣的物体的N的平均值。在其它实施方式中，并非计算从已被识别为属于第一感应数据组的相应的目标植被的一个或多个数据点的距离，而是可以首先计算从第一感应数据组的所有植被数据点的距离，然后被识别为属于第一感应数据组的相应的目标植被的计算可以用来确定归因于38相应的目标植被的第一统计。在一些实施方式中，可能需要校准第一和第二感应数据组，因为传感器类型或集合参数在第一和第二数据组收集之间已经改变。传感器校准可以通过收集同时具有传感器/参数的植被的样本，并与结果比较完成。这可以在一些实施方式中使用以在两个传感器类型中的植被读数之间产生地图。第二统计归因于40基于在与感兴趣的物体相关的第二感应数据组的目标植被的一个或多个点的距离的目标植被。在第二感应数据组的一个或多个数据点将属于目标植被，例如通过上述步骤32中的植被多边形的识别来被识别。在一些实施方式中，归因于40目标植被的第二统计可以通过计算每一个或多个已被识别为属于在第二感应数据组的植被的数据点到对感兴趣的物体的距离来确定。归因于40目标植被的第二统计可以基于这些计算的从每一个被识别的第二感应数据组点到感兴趣的物体的距离。例如，在一些实施方式中，归因于40目标植被的第二统计可以是从每一个被识别的第二感应数据组点到感兴趣的物体的计算的距离集合中的最小距离。在其他实施方式中，归因于目标植被的第二统计可以是最接近识别的第二感应数据组点到感兴趣的物体的N的平均值。在其它实施方式中，并非计算从已被识别为属于第二感应数据组的目标植被的一个或多个数据点的距离，而是可以首先计算从第二感应数据组的所有植被数据点的距离，然后被识别为属于第二感应数据组的目标植被的计算可以用来确定归因于40目标植被的第二统计。继续图2B中的方法，侵占率可以从第一统计和第二统计的比较来确定42。侵占率是目标植被朝向感兴趣的物体生长的速率。正因为如此，侵占率非常不同于传统的不与其他物体相关的树木生长速率。在一些实施方式中，例如，在第一感应数据组和第二感应数据组相隔约一个生长季节收集的实施方式中，对于目标植被，侵占率可以通过第一统计和第二统计之间的差异以及通过约一个生长季节划分差异来确定。其他实施方式可以考虑不在生长季节期间的大约同一时间收集的第一和第二感应数据组。植被生长速度在生长季节期间变化，这可以在一些实施方式中考虑通过在生长季节使用高度生长模型来预测全年生长的每个生长季节日的相关部分。度日曲线绘制了特定树种或在特定区域或气候区的树木类型的整个生长季节的生长(高度)百分比与度日数的关系曲线。一个生长季节期间获得的度日数各季节不同并依赖地理位置。应当使用年之间的当地平均曲线，除非具体时间曲线对谈及的生长季节可行。该曲线可以是具体物种，对所用物种或一组物种的统一，如硬木树，更具体的曲线提供更精确的测量。度日曲线的例子将稍后关于计算例子说明。作为另一个例子，一些实施方式可以从第一统计和第二统计的比较通过使用以下公式确定42侵占率，Ga :取得第二统计和第一统计的差别并通过数量来划分，表达为
权利要求
1.用于估算与感兴趣的物体相关的植被生长的方法，包括 从第二感应数据组识别目标植被(30)； 识别第一感应数据组中相应的目标植被(34)，所述第一感应数据组在所述第二感应数据组之前的时间收集； 将第一统计归因于(38)基于与所述感兴趣的物体相关的第一感应数据组中相应的目标植被的一个或多个点的距离的相应的目标植被； 将第二统计归因于(40)基于与所述感兴趣的物体相关的第二感应数据组中的目标植被的一个或多个点的距离的所述目标植被；和 从所述第一统计和所述第二统计的比较中确定侵占率(42)。
2.根据权利要求I所述的方法，其中所述第一和第二感应数据组各自包括三维数据组。
3.根据权利要求I所述的方法，其中所述第一和第二感应数据组各自包括选自由光探测和测距(LiDAR)数据、激光扫描数据、雷达数据、合成孔径雷达数据、来自基于扫描距离测量和提供点云的任何感应器的数据、数字图像、视频或超光谱成像数据组成的组中的数据。
4.根据权利要求I所述的方法，进一步包括 收集所述第一感应数据组(26);和 收集所述第二感应数据组(28 )。
5.根据权利要求4所述的方法，其中 收集所述第一感应数据组(26)进一步包括空中收集所述第一感应数据组；和 收集所述第二感应数据组(28)进一步包括空中收集所述第二感应数据组。
6.根据权利要求I所述的方法，进一步包括分类所述第一感应数据组和/或所述第二感应数据组(29)以识别植被反射。
7.根据权利要求I所述的方法，其中从所述第二感应数据组识别所述目标植被(30)包括从所述第二感应数据组识别植被多边形(32)，其包括在所述第二感应数据组中的所述目标植被的所述的一个或多个点；和识别在所述第一感应数据组中所述相应的目标植被(34)包括使用来自所述第二感应数据组(36)的所述植被多边形以选择在所述第一感应数据组中所述相应的目标植被的一个或多个点。
8.根据权利要求I所述的方法，其中 从所述第二感应数据组识别所述目标植被(30)包括从所述第二感应数据组识别植被多边形(32)，其包括在所述第二感应数据组中所述目标植被的所述的一个或多个点；和识别在所述第一感应数据组中所述相应的目标植被(34)包括从所述第一感应数据组识别另一个植被多边形，其包括在所述第一感应数据组中所述相应的目标植被的所述一个或多个点。
9.根据权利要求I所述的方法，其中 归因于基于与所述感兴趣的物体相关的所述第一感应数据组中所述相应的目标植被的所述一个或多个点的距离的所述相应的目标植被的所述第一统计包括选自与感兴趣的 物体相关的所述第一感应数据组中所述相应的目标植被的所述一个或多个点的距离中的最小距离；和归因于基于与所述感兴趣的物体相关的所述第二感应数据组中的所述目标植被的一个或多个点的距离的所述目标植被的所述第二统计包括选自与所述感兴趣的物体相关的所述第二感应数据组的所述目标植被的所述一个或多个点的距离的最小距离。
10.根据权利要求I所述的方法，其中 归因于基于与所述感兴趣的物体相关的所述第一感应数据组中所述相应的目标植被的一个或多个点的距离的所述相应的目标植被的所述第一统计包括从与所述感兴趣的物体相关的所述第一感应数据组中的所述相应的目标植被的一个或多个点到确定的所述感兴趣的物体的多个距离的平均距离；和 归因于基于与所述感兴趣的物体相关的所述第二感应数据组中的所述目标植被的一个或多个点的距离的目标植被的所述第二统计包括从与所述感兴趣的物体相关的所述第二感应数据组中的所述目标植被的一个或多个点到确定的所述感兴趣的物体的多个距离的平均距离。
11.根据权利要求I所述的方法，其中所述第一感应数据组在第二感应数据组之前的所述时间收集，所述时间包括在所述第二感应数据组收集时间之前的大约一个生长季节。
12.根据权利要求11所述的方法，其中从所述第一统计和所述第二统计的比较来确定所述侵占率(42)包括利用所述第二统计和所述第一统计之间的差异，并用所述差异除以约一个生长季节。
13.根据权利要求I所述的方法，其中从所述第一统计和所述第二统计的比较确定所述侵占率(42)包括 利用所述第二统计和所述第一统计之间的差异，并用所述差异除以以下表示的量 (100% -P1) 1100% *n|P2 其中 P1包括当收集所述第一感应数据组时已过的生长季节度日的百分比； P2包括当收集所述第二感应数据组时已过的生长季节度日的百分比；和 n包括在所述第一感应数据组和所述第二感应数据组的收集之间的全生长季节的数量。
14.根据权利要求I所述的方法，进一步包括通过在未来时间段上应用所述侵占率来估算与所述感兴趣的物体相关的未来植被生长(44)，借助于 在未来时间确定所述目标植被和所述感兴趣的物体之间的间隙距离，间隙表达为Dt = D2+Ga*(100% -P2-IOO % *m-PT) 其中 Dt包括在所述未来时间的所述目标植被和所述感兴趣的物体之间的间隙距离； D2包括所述第二统计； Ga包括所述侵占率； P2包括当收集所述第二感应数据组时已过的生长季节度日的百分比； m包括在所述第二感应数据组的收集和所述未来时间之间的全生长季节的数量；和 Pt包括在所述未来时间已过的生长季节度日的百分比。
15.根据权利要求I所述的方法，其中所述感兴趣的物体选自由以下物体组成的组中 电源线(22)；电源线安全缓冲区； 铁轨； 铁轨安全缓冲区； 铁路架空导线； 铁路架空导线安全缓冲区； 电话线； 电话线安全缓冲区； 通信电缆； 通信电缆安全缓冲区； 公路； 闻速公路路面；和 道路标志可见区； 交通标志可见区； 交通灯可见区；和 广告牌或团体标志可见区。
16.根据权利要求I所述的方法，进一步包括对一个或多个额外的目标植被重复所述步骤(46)。
17.根据权利要求15所述的方法，进一步包括通过在未来时间段上应用所述侵占率来估算与所述感兴趣的物体相关的未来植被生长(44)。
18.根据权利要求17所述的方法，进一步包括显示与所述感兴趣的物体相关的所述目标植被和所述一个或多个额外的目标植被的所述未来植被的生长(52),所述目标植被和所述一个或多个额外的目标植被与包括所述目标植被和所述一个或多个额外的目标植被的所述第二感应数据组的至少一部分相关联。
19.根据权利要求I所述的方法，进一步包括通过在未来时间段应用所述侵占率来估算与所述感兴趣的物体相关的未来植被生长(44)。
20.根据权利要求19所述的方法，进一步包括 如果估算与所述感兴趣的物体相关的所述目标植被的所述未来植被生长将导致在所述未来时间所述目标植被与所述感兴趣的物体相交，则采取选自以下组成的组中的行动通知用户在所述未来时间估算的未来与感兴趣的物体的相交； 植被数据库归因于描述估算的在所述目标植被和所述感兴趣的物体之间的未来相互作用的相互作用表记录； 由于估算的与所述感兴趣的物体的未来相互作用，在地图上标记所述目标植被作为必要服务；以及 产生工作命令以使目标植被处理。
21.根据权利要求I所述的方法，进一步包括测试目标植被侵占方向以推荐处理的类型。
22.根据权利要求21所述的方法，其中测试所述目标植被侵占方向以推荐处理的类型包括 确定侵占方向生长向量(I 10)；对所述侵占方向生长向量确定向量角3 ; 确定局部阈值向量(117); 对局部阈值向量确定局部阈值角①; 其中 如果确定所述向量角比所述局部阈值角大，那么推荐所述目标植被需要刈割或切割来处理；并且 如果确定所述向量角比所述局部阈值角小，那么推荐所述目标植被需要侧面修剪或移走树木来处理。
23.一种计算机可读存储介质(92)，具有存储在其上用于估算与感兴趣的物体相关的植被生长的指令，其中，当通过处理器执行时，使处理器(90) 提供第一感应数据组； 提供第二感应数据组； 从所述第二感应数据组识别目标植被(30)； 识别所述第一感应数据组中相应的目标植被(34)，所述第一感应数据组在所述第二感应数据组之前的时间收集； 将第一统计(38)归因于基于与所述感兴趣的物体相关的所述第一感应数据组中所述相应的目标植被的一个或多个点的距离的所述相应的目标植被； 将第二统计(40)归因于基于与所述感兴趣的物体相关的所述第二感应数据组中的所述目标植被的一个或多个点的距离的所述目标植被；和 从所述第一统计和所述第二统计的比较来确定侵占率(42)。
24.根据权利要求23所述的计算机可读存储介质，其中所述第一和第二感应数据组各自包括三维数据组。
25.根据权利要求23所述的计算机可读存储介质，其中所述第一和第二感应数据组各自包括选自由光探测和测距(LiDAR)数据、激光扫描数据、雷达数据、合成孔径雷达数据、来自任何基于扫描距离测量和提供点云的感应器数据、数字图像、视频或超光谱成像数据组成的组中的数据。
26.根据权利要求23所述的计算机可读存储介质，进一步包括将所述第一感应数据组和/或所述第二感应数据组分类以识别植被反射的指令。
27.根据权利要求23所述的计算机可读存储介质 其中所述指令，当通过处理器执行时，导致所述处理器从所述第二感应数据组识别所述目标植被，进一步包括从在所述第二感应数据组中包括目标植被的所述一个或多个点的所述第二感应数据组识别植被多边形的指令；和 其中所述指令，当通过处理器执行时，导致所述处理器识别在所述第一感应数据组中所述相应的目标植被，进一步包括使用来自所述第二感应数据组的所述植被多边形以选择在所述第一感应数据组中的所述相应的目标植被的一个或多个点的识别的指令。
28.根据权利要求23所述的计算机可读存储介质 其中所述指令，当通过所述处理器执行时，导致所述处理器从所述第二感应数据组识别所述目标植被，进一步包括从在所述第二感应数据组中包括所述目标植被的所述一个或多个点的所述第二感应数据组识别植被多边形的指令；和其中所述指令，当通过处理器执行时，导致所述处理器识别在所述第一感应数据组中所述相应的目标植被，进一步包括从包括在第一感应数据组中的所述相应的目标植被的所述一个或多个点的第一感应数据组识别另一个植被多边形的指令。
29.根据权利要求23所述的计算机可读存储介质，其中 所述第一统计归因于基于与所述感兴趣的物体相关的所述第一感应数据组中所述相应的目标植被的一个或多个点的距离的相应的目标植被，包括选自与所述感兴趣的物体相关的所述第一感应数据组中所述相应的目标植被的所述一个或多个点的距离的最小距离；和 所述第二统计归因于基于与所述感兴趣的物体相关的所述第二感应数据组中所述目标植被的一个或多个点的距离的目标植被，包括选自与所述感兴趣的物体相关的所述第二感应数据组中的目标植被的所述一个或多个点的距离的最小距离。
30.根据权利要求23所述的计算机可读存储介质，其中 所述第一统计归因于基于与所述感兴趣的物体相关的所述第一感应数据组中所述相应的目标植被的一个或多个点的距离的相应的目标植被，包括从与所述感兴趣的物体相关的所述第一感应数据组中所述相应的目标植被的所述一个或多个点的多个距离到确定的感兴趣的物体的平均距离；和 所述第二统计归因于基于与所述感兴趣的物体相关的所述第二感应数据组中的目标植被的一个或多个点的距离的目标植被，包括从与所述感兴趣的物体相关的所述第二感应数据组中目标植被的一个或多个点到确定的感兴趣的物体的多个距离的平均距离。
31.根据权利要求23所述的计算机可读存储介质，其中所述第一感应数据组是在所述第二感应数据组之前一段时间，所述时间包括约一个生长季节。
32.根据权利要求31所述的计算机可读存储介质，其中所述指令，当通过所述处理器执行时，导致所述处理器从第一统计和第二统计的比较确定所述侵占率，进一步包括利用在所述第二统计和所述第一统计之间的差异，并将所述差异除以约一个生长季节的指令。
33.根据权利要求23所述的计算机可读存储介质，其中所述指令，当通过所述处理器执行时，导致所述处理器从所述第一统计和所述第二统计的比较确定所述侵占率，进一步包括指令 利用在所述第二统计和所述第一统计之间的差异，并用所述差异除以以下表达的量(100% -P1)+100% *n+P2 其中 P1包括当收集所述第一感应数据组时，已过的生长季节度日的百分比； P2包括当收集所述第二感应数据组时，已过的生长季节度日的百分比；和 n包括在所述第一感应数据组和所述第二感应数据组的收集之间的全生长季节数。
34.根据权利要求23所述的计算机可读存储介质，其中所述指令，当通过所述处理器执行时，导致所述处理器通过在未来时间段上应用所述侵占率来估算与所述感兴趣的物体相关的未来植被生长，进一步包括指令，以便 在未来时间确定所述目标植被和所述感兴趣的物体之间的间隙距离，所述间隙表达为Dt = D2+Ga*(100% -P2-IOO % *m-PT)其中 Dt包括在未来时间的所述目标植被和所述感兴趣的物体之间的间隙距离； D2包括所述第二统计； Ga包括所述侵占率； P2包括当收集所述第二感应数据组时已过的生长季节度日的百分比； m包括在所述第二感应数据组的收集和所述未来时间之间的全生长季节数；并且 Pt包括在所述未来时间已过的生长季节度日的百分比。
35.根据权利要求23所述的计算机可读存储介质，其中所述感兴趣的物体选自由以下物体组成的组 电源线； 电源线安全缓冲区； 铁轨； 铁轨安全缓冲区； 铁路架空导线； 铁路架空导线安全缓冲区； 电话线； 电话线安全缓冲区； 通信电缆； 通信电缆安全缓冲区； 公路； 闻速公路路面； 道路标志可见区； 交通标志可见区； 交通灯可见区；和 广告牌或团体标志可见区。
36.根据权利要求23所述的计算机可读存储介质，进一步包括对一个或多个额外的目标树木重复识别、归因和确定的指令(46 )。
37.根据权利要求36所述的计算机可读存储介质，进一步包括指令，当通过所述处理器执行时，其导致所述处理器通过在未来时间段应用所述侵占率来估算与所述感兴趣的物体相关的未来植被生长(44 )。
38.根据权利要求37所述的计算机可读存储介质，进一步包括针对与包括所述目标树木和所述一个或多个额外目标树木的所述第二感应数据组的至少一部分结合的所述目标树木和所述一个或多个额外目标树木，显示与所述感兴趣的物体相关的未来树木生长(52)的指令。
39.根据权利要求23所述的计算机可读存储介质，进一步包括指令，当通过所述处理器执行时，其导致所述处理器通过在未来时间段上应用所述侵占率来估算与所述感兴趣的物体相关的未来植被生长(44)。
40.根据权利要求39所述的计算机可读存储介质，进一步包括 指令，如果估算与所述感兴趣的物体相关的所述目标植被的未来植被生长将导致在未来时间所述目标植被与感兴趣的物体相交，采取选自以下组成的组中的行动 通知用户估算的在未来时间与所述感兴趣的物体的未来相交； 树木数据库归因于描述估算的在所述目标树木和所述感兴趣的物体之间的未来相互作用的相互作用表记录； 由于估算的与所述感兴趣的物体的未来相互作用，在地图上标记目标树木作为必要服务；和 产生工作命令以处理目标树木。
41.根据权利要求23所述的计算机可读存储介质，进一步包括指令，当通过所述处理器执行时其导致所述处理器 测试目标植被侵占方向以推荐处理的类型。
42.根据权利要求41所述的计算机可读存储介质，其中用于测试所述目标植被侵占方向以推荐处理的类型的所述指令包括指令 确定侵占方向生长向量(I 10)； 针对所述侵占方向生长向量确定向量角3 ; 确定局部阈值向量(I 17); 针对所述局部阈值向量确定局部阈值角①; 其中 如果确定所述向量角比所述局部阈值角大，则推荐所述目标植被需要刈割或切割或另一个矮树丛处理实践来处理；和 如果确定所述向量角比所述局部阈值角小，则推荐所述目标植被需要侧面修剪或移走树木或另一个侧面生长处理实践来处理。
43.用于估算与感兴趣的物体相关的植被生长的系统(88)，包括 a)处理器(90)设置为 1)从第二感应数据组识别目标植被(30)； 2)识别第一感应数据组中相应的目标植被(34)，所述第一感应数据组在所述第二感应数据组之前的时间收集； 3)将第一统计(38)归因于基于与所述感兴趣的物体相关的所述第一感应数据组中相应的目标植被的一个或多个点的距离的相应的目标植被； 4)将第二统计(40)归因于基于与所述感兴趣的物体相关的所述第二感应数据组的所述目标植被的一个或多个点的距离的目标植被；和 5)从所述第一统计和所述第二统计的比较确定侵占率(42)； b)数据输入(94)耦合到处理器并设置成向处理器提供所述第一和第二感应数据组；和 c)用户界面(106)耦合到处理器或数据输入。
44.根据权利要求43所述的系统，进一步包括耦合到所述处理器(90)的数据库(98)。
45.根据权利要求43所述的系统，进一步包括耦合到所述数据输入(94)的数据库(98)。
46.根据权利要求43所述的系统，进一步包括耦合到所述数据输入(94)的感应数据捕捉设备(96)。
47.根据权利要求46所述的系统，其中所述感应数据捕捉设备(96)选自由光探测和测距(LiDAR)系统、激光扫描系统、雷达系统、合成孔径雷达系统、使用基于扫描距离测量和提供3D点云的传感器的系统、数字图像系统，和超光谱成像系统组成的组。
48.根据权利要求46所述的系统，其中所述感应数据捕捉设备(96)通过无线连接耦合到所述数据输入(94)。
49.根据权利要求43所述的系统，其中所述处理器(90)和所述数据输入(94)通过网络(104)耦合到一起。
50.根据权利要求43所述的系统，其中所述第一和第二感应数据组各自包括三维数据组。
51.根据权利要求43所述的系统，其中所述第一和第二感应数据组各自包括选自由光探测和测距(LiDAR)数据、激光扫描数据、雷达数据、合成孔径雷达数据、来自任何基于扫描距离测量和提供点云的传感器的数据、数字图像、视频或超光谱成像数据组成的组。
52.根据权利要求43所述的系统，其中所述处理器(90)被进一步设置以将所述第一感应数据组和所述第二感应数据组分类(29)以识别植被反射。
53.根据权利要求43所述的系统，其中 所述处理器设置成从所述第二感应数据组识别所述目标植被(30 )，包括从包括在所述第二感应数据组中的所述目标植被的所述一个或多个点的所述第二感应数据组识别植被多边形(32)的指令；和 所述处理器设置成识别所述第一感应数据组中所述相应的目标植被(34)，包括使用来自所述第二感应数据组的所述植被多边形(36)选择所述第一感应数据组中相应的目标植被的一个或多个点的指令。
54.根据权利要求43所述的系统，其中 所述处理器设置成从所述第二感应数据组识别所述目标植被(30 )，包括从包括在所述第二感应数据组中的所述目标植被的所述一个或多个点的所述第二感应数据组识别植被多边形(32)的指令；和 所述处理器设置成识别所述第一感应数据组中所述相应的目标植被(34)，包括从包括在所述第一感应数据组中的所述相应的目标植被的一个或多个点的第一感应数据组识别另一个植被多边形的指令。
55.根据权利要求43所述的系统，其中 归因于基于与所述感兴趣的物体相关的所述第一感应数据组中所述相应的目标植被的所述一个或多个点的距离的所述相应的目标植被的所述第一统计包括选自与所述感兴趣的物体相关的所述第一感应数据组中所述相应的目标植被的所述一个或多个点的距离的最小距尚；和 归因于基于与所述感兴趣的物体相关的所述第二感应数据组中所述目标植被的所述一个或多个点的距离的所述目标植被的第二统计包括选自与所述感兴趣的物体相关的所述第二感应数据组中所述目标植被的所述一个或多个点的距离的最小距离。
56.根据权利要求43所述的系统，其中 归因于基于与所述感兴趣的物体相关的所述第一感应数据组中所述相应的目标植被的一个或多个点的距离的所述相应的目标植被的所述第一统计包括从与所述感兴趣的物体相关的所述第一感应数据组中相应的所述目标植被的一个或多个点到确定的感兴趣的物体的多个距离的平均距离；和 归因于基于与所述感兴趣的物体相关的所述第二感应数据组中所述目标植被的一个或多个点的距离的所述目标植被的所述第二统计包括从与所述感兴趣的物体相关的所述第二感应数据组中的所述目标植被的所述一个或多个点到确定的所述感兴趣的物体的多个距离的平均距离。
57.根据权利要求43所述的系统，其中所述第一感应数据组在所述第二感应数据组之前的一段时间，所述时间包括大约一个生长季节。
58.根据权利要求57所述的系统，其中所述处理器设置成从所述第一统计和所述第二统计的比较来确定所述侵占率，包括得到所述第二统计和所述第一统计之间的差异，并用所述差异除以约一个生长季节。
59.根据权利要求43所述的系统，其中用于从所述第一统计和所述第二统计的比较确定所述侵占率的所述处理器设置，包括指令 用所述第二统计和所述第一统计之间的差异，并用所述差异除以以下表达的量(100% -P1) 1100% *n|P2其中 P1包括当收集所述第一感应数据组时已过的生长季节度日的百分比； P2包括当收集所述第二感应数据组时已过的生长季节度日的百分比；和 n包括在所述第一感应数据组和所述第二感应数据组的收集之间的全生长季节数。
60.根据权利要求43所述的系统，其中处理器设置成按照指令通过在未来时间段上应用所述侵占率来估算与所述感兴趣的物体相关的未来植被生长 在未来时间确定所述目标植被和所述感兴趣的物体之间的间隙距离，所述间隙表达为Dt = D2+Ga*(100% -P2-IOO % *m-PT) 其中 Dt包括在所述未来时间所述目标植被和所述感兴趣的物体之间的所述间隙距离； D2包括所述第二统计； Ga包括所述侵占率； P2包括当收集所述第二感应数据组时已过的生长季节度日的百分比； m包括在所述第二感应数据组的收集和未来时间之间的全生长季节数；和 Pt包括在未来时间已过的生长季节度日的百分比。
61.根据权利要求43所述的系统，其中所述感兴趣的物体选自由以下组成的组 电源线； 电源线安全缓冲区； 铁轨； 铁轨安全缓冲区； 铁路架空导线； 铁路架空导线安全缓冲区； 电话线；电话线安全缓冲区； 通信电缆； 通信电缆安全缓冲区； 公路； 闻速公路路面； 道路标志可见区； 交通标志可见区；交通灯可见区；和 广告牌或团体标志可见区。
62.根据权利要求43所述的系统，其中所述处理器进一步设置成针对一个或多个额外的目标树木在权利要求43所述的其设置中重复(46)所述识别、归因和确定行动。
63.根据权利要求62所述的系统，其中所述处理器进一步设置以通过在未来时间段应用所述侵占率来估算与所述感兴趣的物体相关的未来植被生长(44)。
64.根据权利要求63所述的系统，其中所述处理器进一步设置以针对与包括所述目标树木和所述一个或多个额外目标树木的所述第二感应数据组的至少一部分结合的所述目标植被和所述一个或多个额外的目标数目显示(52)与所述感兴趣的物体相关的所述未来植被生长。
65.根据权利要求43所述的系统，其中所述处理器进一步设置以通过在未来时间段应用所述侵占率来估算与所述感兴趣的物体相关的未来植被生长(44)。
66.根据权利要求65所述的系统，其中所述处理器进一步设置，如果估算与所述感兴趣的物体相关的所述目标植被的所述未来植被生长将导致在未来时间所述目标植被与所述感兴趣的物体相交，采取选自以下组成的组中的行动 通知用户估算的在未来时间与所述感兴趣的物体的未来相交； 将树木数据库归因于描述估算的在所述目标树木和所述感兴趣的物体之间的未来相互作用的相互作用表记录； 由于估算的与所述感兴趣的物体的未来相互作用，在地图上标记所述目标树木作为必要服务；和 产生工作命令以处理所述目标树木。
67.根据权利要求43所述的系统，其中所述处理器进一步设置成测试目标植被侵占方向以推荐处理的类型。
68.根据权利要求67所述的系统，其中测试所述目标植被侵占的方向以推荐处理的类型的所述处理器设置，包括指令 确定侵占方向生长向量； 针对所述侵占方向生长向量确定向量角； 确定局部阈值向量； 对所述局部阈值向量确定局部阈值角； 其中 如果确定所述向量角比所述局部阈值角大，则推荐目标植被需要刈割或切割来处理；和如果确定所述向量角比所述局部阈值角小，则推荐目标植被需要侧面修剪或移走树木来处理。
69.用于估算权利要求I中所述的与感兴趣的物体相关的植被生长的方法，包括 a)从空中收集的三维的第二感应数据组识别目标植被(30)，所述第二感应数据组选自以下数据组成的组 1)光探测和测距(LiDAR)数据； 2)激光扫描数据； 3)雷达数据； 4)合成孔径雷达数据；和 5)来自基于扫描距离测量和提供3D点云的传感器的数据； b)从空中收集的三维的第一感应数据组识别相应的目标植被(34)，所述数据组选自由以下数据组成的组 1)光探测和测距(LiDAR)数据； 2)激光扫描数据； 3)雷达数据； 4)合成孔径雷达数据；和 5)来自基于扫描距离测量和提供3D点云的传感器的数据； c)其中 I)所述第一感应数据组在所述第二感应数据组之前的时间收集(26)； 2)从所述第二感应数据组识别所述目标植被(30 )，包括从包括在所述第二感应数据组中的目标植被的所述一个或多个点的所述第二感应数据组识别植被多边形(32);和 3)识别在所述第一感应数据组的相应的目标植被(34)包括使用来自所述第二感应数据组(36)的所述植被多边形以选择在所述第一感应数据组中相应的目标植被的一个或多个占. d)将第一统计(38)归因于基于与所述感兴趣的物体相关的所述第一感应数据组中相应的目标植被的一个或多个点的距离的相应的目标植被，其中归因于基于与所述感兴趣的物体相关的所述第一感应数据组中所述相应的目标植被的一个或多个点的距离的相应的目标植被的所述第一统计包括从与所述感兴趣的物体相关的第一感应数据组中所述相应的目标植被的一个或多个点的距离确定的最小距离； e)将第二统计(40)归因于基于与所述感兴趣的物体相关的所述第二感应数据组中目标植被的一个或多个点的距离的所述目标植被，其中归因于基于与所述感兴趣的物体相关的所述第二感应数据组中的目标植被的一个或多个点的距离的所述目标植被的所述第二统计包括从与所述感兴趣的物体相关的所述第二感应数据组中的所述目标植被的一个或多个点的距离确定的最小距离； f)确定侵占率(42)，通过 1)利用所述第二统计和所述第一统计之间的差异，并用所述差异除以以下表达的量(100% -P1) 1100% *n|P2 其中 2)P1包括当收集第一感应数据组时已过的生长季节度日的百分比；3)P2包括当收集第二感应数据组时已过的生长季节度日的百分比；和 4)n包括在第一感应数据组和第二感应数据组的收集之间的全生长季节数。
g)通过在未来时间段应用侵占率来估算与感兴趣的物体相关的未来植被生长(44)，借助于在未来时间确定目标植被和感兴趣的物体之间的间隙距离，所述间隙表达为1)Dt = D2+Ga*(100% -P2-IOO% *m-PT) 其中 2)Dt包括在未来时间所述目标植被和所述感兴趣的物体之间的间隙距离； 3)D2包括所述第二统计； 4)Ga包括所述侵占率； 5)P2包括当收集所述第二感应数据组时已过的生长季节度日的百分比； 6)m包括在所述第二感应数据组的收集和所述未来时间之间的全生长季节数；和 7)PT包括在未来时间已过的生长季节度日的百分比； h)针对一个或多个额外目标植被重复(46)上述行动； i )针对与包括所述目标植被和所述一个或多个额外目标植被的所述第二感应数据组的至少一部分结合的所述目标植被和所述一个或多个额外目标植被显示与所述感兴趣的物体相关的所述未来植被生长(52)； j)如果估算与所述感兴趣的物体相关的所述目标植被的未来植被生长将导致在未来时间所述目标植被与所述感兴趣的物体相交，则采取选自以下组成的组中的行动 1)通知用户估算的在未来时间与所述感兴趣的物体的未来相交； 2)将数目数据库归因于描述在所述目标植被和所述感兴趣的物体之间估算的未来相互作用的相互作用表记录； 3)由于与所述感兴趣的物体的估算的未来相互作用，在地图上标记所述目标植被作为必要服务；和 4)产生工作命令以处理目标植被；和 k)其中所述感兴趣的物体选自以下组成的组 1)电源线； 2)电源线安全缓冲区； 3)铁轨； 4)铁轨安全缓冲区； 5)铁路架空导线； 6)铁路架空导线安全缓冲区； 7)电话线； 8)电话线安全缓冲区； 9)通信电缆； 10)通信电缆安全缓冲区； 11)公路； 12)闻速公路路面；和 13)道路标志可见区； 交通标志可见区；交通灯可见区；和广告牌或团体标志可 见区。
全文摘要
公开了用于估算与感兴趣的物体相关的植被生长的方法。从第二感应数据组识别目标植被(30)。在第一感应数据组识别相应的目标植被(34)，在收集第二感应数据组(28)之前的时间，收集第一感应数据组(26)。第一统计归因于(38)基于与感兴趣的物体相关的第一感应数据组中相应的目标植被的一个或多个点的距离的相应的目标植被。第二统计归因于(40)基于与感兴趣的物体相关的第二感应数据组中目标植被的一个或多个点的距离的目标植被。从第一统计和第二统计的比较确定侵占率(42)。
文档编号G01C11/00GK102725605SQ201080062558
公开日2012年10月10日 申请日期2010年12月15日 优先权日2009年12月17日
发明者休·安德鲁·克利默尔, 布赖恩·詹姆斯·克尔米卡恩, 艾伦·约翰·德容, 阿达姆·罗伯特·鲁塞尔, 韦莎·约翰内斯·莱潘恩 申请人:公共风险管理有限责任合作公司