[發明專利]一種基于多維點云數據的生物種屬鑒別方法

在審

• 申請號: 202010762407.3
• 申請日: 2020-07-31
• 公開（公告）號: CN111898684A
• 公開（公告）日: 2020-11-06
• 發明（設計）人: 陳艷;夏貴勇
• 申請（專利權）人: 陳艷;夏貴勇
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06K9/34;G06T5/00;G06N3/04;G06N3/08;G06F16/583
• 代理公司: 深圳市神州聯合知識產權代理事務所(普通合伙) 44324
• 代理人: 王志強

1.一種基于多維點云數據的生物種屬鑒別方法，其特征在于，該方法包括有以下步驟：

S1：預先建立標準生物種屬分類檢索表；

S2：獲取檢材的外部形態輪廓的整體點云數據；

S3：拆分整體點云數據得到表現檢材局部輪廓的局部點云數據；

S4：對局部點云數據作出去噪處理得到沒有噪點的局部點云數據；

S5：將沒有噪點的點云數據與標準生物種屬分類檢索表比對，得到檢材的生物種屬鑒別結果。

2.如權利要求1所述的基于多維點云數據的生物種屬鑒別方法，其特征在于，所述S1具體為：建立卷積神經網絡預模型并進行預訓練，得到合適可用的卷積神經網絡模型，在卷積神經網絡中內置標準生物檢索表。

3.如權利要求2所述的基于多維點云數據的生物種屬鑒別方法，其特征在于，在卷積神經網絡中內置標準生物檢索表的具體方法為：基于生物分類學理論，建立對應生物的生物分類檢索表，表中針對各個對應的生物種屬，記錄包含其外部輪廓信息的匹配點對。

4.如權利要求1所述的基于多維點云數據的生物種屬鑒別方法，其特征在于，所述S3包括有以下子步驟：

S31：對采集到的檢材的外部形態輪廓的整體點云數據，提取其多維特征；

S32：對多維特征進行作出分割，得到表現檢材局部輪廓的局部點云數據。

5.如權利要求4所述的基于多維點云數據的生物種屬鑒別方法，其特征在于，所述S31具體為：對采集到的檢材的外部形態輪廓的整體點云數據中的各個具體點，提取其法向量、高程值、切向量、曲率、坐標值、面性特征、線性特征以及點性特征中至少兩個維度的特征數據。

6.如權利要求4所述的基于多維點云數據的生物種屬鑒別方法，其特征在于，所述S32具體為：

S321：對于每一個點云數據，均將其呈現立體空間P內的坐標投影成為呈現在平面空間G內的坐標：

G(u，v)＝max{z|x＝u，y＝v，(x，P，z)∈P}；

S322：尋找G平面中Z值最小值Z min：Z min＝min(G)，將G平面內所有Z值比Zmim小的點投影影到XOY平面上得到圖G1：

G₁(u，v)＝max{z|x＝u，y＝v，z≤Z_min，(x，y，z)∈P}；

S323：對圖G1進行霍夫變換，尋找到圖G1中的最長直線L，提取該最長的直線L為檢材生物的各部位的邊界線：

L＝max{line|line∈Hough(G₁)}；

S324：記錄圖G1中垂直于最長直線L方向上最長的點云距離，記錄該最長點云距離為width：

width＝max{line|line⊥L，line∈G₁}；

S325：從高度為Z min的高度位置開始向上，每隔設定距離記錄該對應層空間P_C中的點云數據中垂直于最長直線L的最長距離w：

ω＝max{line|line⊥L，line∈P_c}

S326：若a*width＜w＜β·width，則跳轉325，否則跳轉327；

S327：記錄此時的高度Zs，以Zs為分割面，將多維生物形態輪廓點云數據分割成對應多個表現檢材局部輪廓的局部點云數據：

T(x，y，z)＝{(x，y，z)|z＞Z_s，(x，y，z)∈P}，

B(x，y，z)＝{(x，y，z)|z≤Z_s，(x，y，z)∈P}。

7.如權利要求4所述的基于多維點云數據的生物種屬鑒別方法，其特征在于，所述S4具體為：采用卡爾曼濾波器、高斯濾波器和拉普拉斯濾波器中其中任意一種濾波器對局部點云數據作出去噪處理。

8.如權利要求3所述的基于多維點云數據的生物種屬鑒別方法，其特征在于，所述S5具體為：對于輸入到卷積神經網絡中的所有局部點云數據，卷積神經網絡對每一個點均對應提取特征形成特征矩陣，隨后采用對稱函數對特征矩陣做最大池化處理，計算得到特征矩陣中每個維度的最大值，將其與卷積神經網絡中內置標準生物檢索表比對后得到鑒別結果。