[發明專利]活立木的種類識別方法與材積測量方法

有效

• 申請號: 202010869083.3
• 申請日: 2020-08-25
• 公開（公告）號: CN112082475B
• 公開（公告）日: 2022-05-24
• 發明（設計）人: 吳方明;吳炳方
• 申請（專利權）人: 中國科學院空天信息創新研究院
• 主分類號: G01B11/00
• 分類號: G01B11/00;G06N3/04;G06N3/08
• 代理公司: 北京成創同維知識產權代理有限公司 11449
• 代理人: 馬陸娟

1.一種活立木的種類識別方法，其特征在于，包括：

獲取被測活立木的不同角度的RGB-D圖像；

基于所述不同角度的RGB-D圖像，拼接得到所述被測活立木的完整圖像，從所述被測活立木的完整圖像中分離出所述被測活立木的樹干、樹枝和樹葉；

基于訓練后的深度卷積神經網絡模型對分離出的所述樹干和所述樹葉進行樹種識別，加權融合后置信度最高的類別為所述被測活立木的種類，其中，基于距離地面不同高度處所述被測活立木的直徑和所述被測活立木的樹高，利用材積測量模型計算得到所述被測活立木的材積，

所述被測活立木的材積測量模型的公式為：

V＝V_干+V_梢

其中，V為所述被測活立木的材積，V_干為所述被測活立木的樹干的材積，V_梢為所述被測活立木的樹梢的材積，n為所述被測活立木的樹干在垂直方向上的分段數，D_i為所述被測活立木的第i段樹干的最高點處的直徑，H_i為所述被測活立木的第i段樹干的最高點距地面的高度，k為基于所述被測活立木的地理位置和種類確定的所述材積測量模型的模型參數，H_T為樹冠遮擋條件下所述被測活立木的可觀測的樹干最高點T距地面的高度，D_T為距地面高度H_T處所述被測活立木的樹干的直徑，H為所述被測活立木的樹高。

2.根據權利要求1所述的種類識別方法，其特征在于，所述訓練后的深度卷積神經網絡模型的建立過程包括：

建立深度卷積神經網絡分類模型；

在不同的地理位置采集不同種類的活立木的不同角度的RGB-D圖像；

基于所述不同種類的活立木的不同角度的RGB-D圖像，拼接得到所述不同種類的活立木的完整圖像，從所述不同種類的活立木的完整圖像中分離出所述不同種類的活立木的樹干、樹枝和樹葉；

基于所述不同種類的活立木的所述樹干和所述樹葉建立訓練樣本；

利用所述訓練樣本對所述深度卷積神經網絡分類模型進行訓練，當所述深度卷積神經網絡分類模型的識別準確率達到一定值時，得到所述訓練后的深度卷積神經網絡模型。

3.根據權利要求1所述的種類識別方法，其特征在于，所述獲取被測活立木的不同角度的RGB-D圖像包括：

采集所述被測活立木的不同角度的深度圖像和RGB圖像；

分別提取每一角度的深度圖像和RGB圖像中的特征點并進行配準得到所述被測活立木的每一角度的RGB-D圖像。

4.根據權利要求1所述的種類識別方法，其特征在于，所述基于所述不同角度的RGB-D圖像，拼接得到所述被測活立木的完整圖像，從所述被測活立木的完整圖像中分離出所述被測活立木的樹干、樹枝和樹葉包括：

提取所述不同角度的RGB-D圖像的多個特征點，分別以所述多個特征點為中心點計算所述多個特征點的鄰域幾何信息的直方圖；

利用所述直方圖相似度進行特征點雙向檢查，將相似度小于一定值的所述特征點刪除；

利用隨機采樣一致算法對所述不同角度的RGB-D圖像進行圖像間特征點的配準；

對所述不同角度的RGB-D圖像進行空間變換、拼接形成所述被測活立木的完整圖像；

運用深度和顏色信息尋找所述被測活立木的邊緣，從背景中分離出所述被測活立木；

運用深度、顏色和形狀信息從所述被測活立木中分離出樹干、樹枝和葉片。