申请/专利权人：北京大学深圳研究生院

申请日：2023-04-04

公开（公告）日：2024-03-08

公开（公告）号：CN116645321B

主分类号：G06T7/00

分类号：G06T7/00;G06T17/00;G06T7/11;G06T3/4038;G06V20/17;G06V10/40;G06V10/766;G06V10/764;G06V10/28;G06V10/762;G06V10/82;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.03.08#授权;2023.09.12#实质审查的生效;2023.08.25#公开

摘要：本发明公开了植被叶倾角演算统计方法、装置、电子设备及存储介质其方法包括：S1、控制无人机飞行让相机对研究区域进行重叠覆盖拍摄得到拍摄影像及所对应的坐标数据，由此融合得到研究区域内的整幅影像；S2、三维点云生成模型处理得到二值化影像数据；S4、将三维点云数据与整幅二值化影像数据进行对应投射，并基于分割出的叶片二值图像将三维点云数据聚类对应划分得到单独的叶簇；S5、利用最小二乘法拟合得到叶簇拟合平面，计算单个叶簇的叶倾角，将叶簇的叶倾角对应标注显示在所对应的叶片二值图像上。本发明能够实现提取演算研究区任意场景的植被叶倾角，不仅降低了时间和经济成本，而且实现了在生态系统尺度上数据统计及可视化展示。

主权项：1.一种植被叶倾角演算统计方法，其特征在于：其方法包括：S1、对研究区域的无人机航线进行规划，无人机底部设置有相机并构建有与相机位置相对应的相机空间坐标系，控制无人机飞行让相机对研究区域进行重叠覆盖拍摄得到拍摄影像及所对应的坐标数据，由此融合得到研究区域内的整幅影像；S2、构建三维点云生成模型，三维点云生成模型基于SfM算法进行三维重建生成密集的三维点云数据；S3、构建MaskR-CNN网络，MaskR-CNN网络包括坐标注意力机制模块、特征金字塔网络、区域候选网络和全卷积神经网络，MaskR-CNN网络将整幅影像裁剪成若干个影像数据块并对影像数据块进行提取特征依次得到五个特征图，通过坐标注意力机制模块、特征金字塔网络对特征图进行方向感知、融合处理得到有效特征图，然后通过区域候选网络进行兴趣区分割、对齐处理，接着通过全卷积神经网络、卷积层对有效特征图进行掩膜、边框回归、分类操作，得到影像数据块所对应的分割结果图A，将所有影像数据块的分割结果图A进行二值化处理并拼接处理得到二值化影像数据，二值化影像数据包括若干个叶片二值图像；MaskR-CNN网络将整幅影像裁剪成大小为1024×1024的影像数据块并得到五个特征图分别为特征图FF1、特征图FF2、特征图FF3、特征图FF4、特征图FF5，坐标注意力机制模块对特征图FF2、特征图FF3、特征图FF4、特征图FF5分别进行如下处理：坐标注意力机制模块将输入的特征图按照垂直方向、水平方向分解并经过自适应平均池化处理得到两个方向感知特征图，将两个方向感知特征图进行1×1卷积操作与拼接处理，得到拼接后的特征图，将拼接后的特征图进行1×1卷积操作、非线性激活函数操作处理后重新得到两个方向上的特征图，对两个方向上的特征图分别进行1×1的卷积、Sigmoid激活操作处理后得到两个方向上的注意力权重；将两个方向上的注意力权重与输入的特征图相乘，得到与输入特征图相同大小的注意力特征图；将特征图FF2、特征图FF3、特征图FF4、特征图FF5分别输出的注意力特征图融合处理得到有效特征图；S4、将三维点云数据与整幅二值化影像数据进行对应投射，并基于分割出的叶片二值图像将三维点云数据聚类对应划分得到单独的叶簇，三维点云数据就划分出多个与叶片二值图像对应的叶簇，单个叶簇包括若干个三维点云；S5、提取单个叶簇所对应的三维点云，并利用最小二乘法拟合得到叶簇拟合平面，计算单个叶簇拟合平面转换为世界空间坐标系中的法向量，然后计算单个叶簇的叶倾角，将叶簇的叶倾角对应标注显示在所对应的叶片二值图像上；按照上述方法在二值化影像数据中各个叶片二值图像分别标注显示叶倾角，同时将所有叶倾角信息存储并构建叶倾角数据库。

全文数据：

权利要求：

百度查询： 北京大学深圳研究生院 植被叶倾角演算统计方法、装置、电子设备及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD