申请/专利权人：南京林业大学

申请日：2022-01-10

公开（公告）日：2024-03-19

公开（公告）号：CN114494586B

主分类号：G06T17/00

分类号：G06T17/00;G06N3/0464;G06N3/08;G06V10/762;G06V10/82;G06V10/764

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2022.05.31#实质审查的生效;2022.05.13#公开

摘要：本发明公开了基于晶格投影的深度学习网络阔叶树枝叶分离与骨架重建方法，包括对获取的树木三维点云数据去燥处理；将去燥后的多颗树木三维点云数据作为数据集，采用机器学习算法以及人工标注对数据集进行枝叶分离操作；将数据集带入晶格投影的深度学习网络中训练，得到训练好的晶格投影深度学习网络模型；根据晶格投影深度学习网络模型分割后的枝干的垂直高度自下而上切分整棵枝干；对每一个高度层中的枝干点云数据进行空间聚类；求取每类的中心点；根据聚类中心点并采用带有空间方向性的圆柱体拟合枝干骨架。本发明运用晶格投影策略的深度学习网络，实现复杂林木点云的枝叶分类操作，开展精准的枝叶分离并重建树木空间枝干的三维模型。

主权项：1.基于晶格投影的深度学习网络阔叶树枝叶分离与骨架重建方法，其特征在于，包括：步骤1：获取树木三维点云数据；步骤2：对采集的树木三维点云数据进行去燥处理；步骤3：将去燥处理后的多颗树木三维点云数据作为数据集，采用机器学习算法以及人工标注对数据集进行枝叶分离操作，将属于枝干的点云数据的标签标记为枝干点云，将属于叶子的点云数据的标签标记为叶子点云；步骤4：将标记好枝干点云和叶子点云的数据集带入晶格投影的深度学习网络中训练，得到训练好的晶格投影深度学习网络模型；步骤5：采集待测树木三维点云数据并进行去燥处理，将去燥处理后的点云数据输入到训练好的晶格投影深度学习网络模型中，以实现树木三维点云数据的枝叶分离；步骤6：根据晶格投影深度学习网络模型分割后的枝干的垂直高度，按高度间隔自下而上的切分整棵枝干，进而切分为不同的高度层；对每一个高度层中的枝干点云数据按照欧式距离进行空间聚类，即设定距离阈值，将每一个高度层内的枝干点云数据之间距离少于距离阈值的点云集归属为一类；求取每类的中心点，即每一个高度层的局部枝干的聚类中心点；步骤7：遍历每一个高度层的聚类中心点，根据聚类中心点并采用带有空间方向性的圆柱体拟合枝干骨架，从而实现树木骨架的重建。

全文数据：

权利要求：

百度查询： 南京林业大学 晶格投影的深度学习网络阔叶树枝叶分离与骨架重建方法

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