公开(公告)号：CN110378909A

公开(公告)日：2019-10-25

申请号：CN201910551190.9

申请日：2019-06-24

Applicant: 南京林业大学

Inventor： 云挺 ,  陈鑫鑫 ,  王佳敏 ,  曹林

IPC: G06T7/11 ,  G06N3/04

Abstract: 本发明公开了一种基于Faster R-CNN的面向激光点云的单木分割方法，包括获取林段点云数据；计算扫描林段的点云特征，实现林段点云数据的枝叶分离；对林段的主干点云数据进行自适应体素化操作，并对其进行多角度投影以生成相应的深度图像；采用深度学习方法对生成的深度图像中的主干进行检测；利用检测到的深度图像中主干的位置信息，通过反投影获得相应主干的空间三维点云。将获取到的主干部分的点云作为种子点，结合区域增长算法实现单木分离。本发明采用深度学习方法，借助大数据样本进行学习，单木分割准确度更高，为使用深度学习来准确的解决基于地面的LiDAR数据的单个橡胶树分割问题提供可能性。

公开(公告)号：CN112819830A

公开(公告)日：2021-05-18

申请号：CN202110092586.9

申请日：2021-01-24

Applicant: 南京林业大学

Inventor： 云挺 ,  陈鑫鑫 ,  张运玲 ,  曹林

IPC: G06T7/10 ,  G06T5/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于深度学习与机载激光点云的单株树冠分割方法，包括获取研究场地的点云数据；将去噪后的点云数据分为地上点和地面点；提取地上点中单株树木点云，将不同树木划分在不同的体素内；构造训练样本数据集；对PointNet深度神经网络开展训练；将待测场地的地上点通过体素化的方法细分为多个体素，将体素内点云数据转换为PointNet所需格式后，输入到训练好的PointNet模型内，识别出树的每个体素中的点云；将每个体素DSM的梯度信息结合惯性动量梯度的方法定位树冠的边界点，根据边界点勾勒出分割的树冠。本发明在体素尺度上识别树木，并结合高度相关的梯度信息来完成单株树冠的划定，单株树冠分割精确较高。

公开(公告)号：CN110378909B

公开(公告)日：2023-06-06

申请号：CN201910551190.9

申请日：2019-06-24

Applicant: 南京林业大学

Inventor： 云挺 ,  陈鑫鑫 ,  王佳敏 ,  曹林

IPC: G06T7/11 ,  G06N3/0464

Abstract: 本发明公开了一种基于Faster R‑CNN的面向激光点云的单木分割方法，包括获取林段点云数据；计算扫描林段的点云特征，实现林段点云数据的枝叶分离；对林段的主干点云数据进行自适应体素化操作，并对其进行多角度投影以生成相应的深度图像；采用深度学习方法对生成的深度图像中的主干进行检测；利用检测到的深度图像中主干的位置信息，通过反投影获得相应主干的空间三维点云。将获取到的主干部分的点云作为种子点，结合区域增长算法实现单木分离。本发明采用深度学习方法，借助大数据样本进行学习，单木分割准确度更高，为使用深度学习来准确的解决基于地面的LiDAR数据的单个橡胶树分割问题提供可能性。

公开(公告)号：CN112819830B

公开(公告)日：2024-09-06

申请号：CN202110092586.9

申请日：2021-01-24

Applicant: 南京林业大学

Inventor： 云挺 ,  陈鑫鑫 ,  张运玲 ,  曹林

IPC: G06T7/10 ,  G06T5/70 ,  G06V10/764 ,  G06V10/82 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开一种基于深度学习与机载激光点云的单株树冠分割方法，包括获取研究场地的点云数据；将去噪后的点云数据分为地上点和地面点；提取地上点中单株树木点云，将不同树木划分在不同的体素内；构造训练样本数据集；对PointNet深度神经网络开展训练；将待测场地的地上点通过体素化的方法细分为多个体素，将体素内点云数据转换为PointNet所需格式后，输入到训练好的PointNet模型内，识别出树的每个体素中的点云；将每个体素DSM的梯度信息结合惯性动量梯度的方法定位树冠的边界点，根据边界点勾勒出分割的树冠。本发明在体素尺度上识别树木，并结合高度相关的梯度信息来完成单株树冠的划定，单株树冠分割精确较高。