典型文献
一种深度学习网络的树木点云骨架重建方法
文献摘要：
基于激光雷达(light detection and ranging,LiDAR)数据重建树体三维模型并精准获取林木空间枝干结构参数是精准林业发展的必然趋势.本文研究面向激光点云提出了一种融合基于晶格投影的深度学习网络,以及面向提取的枝干点云的树木模型骨架重建的方法.该深度学习网络包括旋转不变性模块、晶格投影与重心插值模块,多尺度变换与卷积操作层,通过将旋转变换后的点云晶格投影到三个坐标平面上再分别重心插值获得变换系数,解决了三维点云因排列无序而造成空间卷积困难的问题.以海南多类树木为研究对象,首先,把带枝叶标签的林木点云基团带入构造的深度学习网络中训练网络参数,实现测试样本中的林木数据的枝叶分离.其次,对分类后的树木枝干点云垂直分层并空间聚类,获取每层的聚类中心点并按相邻层中心点距离最小原则实现骨架链表构造,同时采用自适应随机抽样一致(random sample consensus,RANSAC)方法来计算的圆柱体拟合半径,以重建树木的各级枝干.最后,根据中心点连通的链表结构以及角度变化最小准则自动识别树木中的主枝干和各个一级分枝.通过与实测数据比对验证表明,深度学习枝叶分类准确率为91.31％,高于传统的机器学习分类方法7％左右.算法得到的橡胶树一级枝干直径与实测值比对为:决定系数R2=0.92,均方根误差RMSE=0.64 cm,相对均方根误差rRMSE=6.39％;相应的一级枝干与主枝干的分枝角与实测值比对为:R2=0.91,RMSE=3.32°,rRMSE=7.81％.本文研究设计了深度学习网络与计算机图形学的算法快速精准从地基点云中重建树木的骨架模型,精度吻合实际测量值,具有一定推广价值.
文献关键词：
地基激光点云;深度学习网络;晶格投影变换;树木骨架重建
中图分类号：
作者姓名：
徐风;张博;袁星月;安锋;陈帮乾;周立军;云挺
作者机构：
南京林业大学信息科学技术学院,南京210037;南京林业大学机械电子工程学院,南京210037;中国热带农业科学院橡胶研究所,海口570000
文献出处：
引用格式：
[1]徐风;张博;袁星月;安锋;陈帮乾;周立军;云挺-.一种深度学习网络的树木点云骨架重建方法)[J].科学技术与工程,2022(18):7952-7964
A类：
地基激光点云,晶格投影变换,树木骨架重建
B类：
深度学习网络,重建方法,激光雷达,light,detection,ranging,LiDAR,数据重建,建树,树体,林木,枝干,干结,林业发展,干点,木模,旋转不变性,重心插值,插值模块,尺度变换,卷积操作,操作层,旋转变换,换系,三维点云,空间卷积,基团,带入,网络参数,枝叶分离,垂直分层,空间聚类,每层,聚类中心,中心点,小原,链表,随机抽样一致,random,sample,consensus,RANSAC,圆柱体,自动识别,主枝,数据比对,比对验证,分类准确率,分类方法,橡胶树,实测值,决定系数,rRMSE,分枝角,计算机图形学,基点,云中,骨架模型,测量值
AB值：
0.335288
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
