[發明專利]基于端到端深度學習方法的單株樹冠檢測方法在審
| 申請號： | 202110163462.5 | 申請日： | 2021-02-05 |
| 公開（公告）號： | CN112907520A | 公開（公告）日： | 2021-06-04 |
| 發明（設計）人： | 云挺;張宇;朱天樂;王麗文;曹林 | 申請（專利權）人： | 南京林業大學 |
| 主分類號： | G06T7/00 | 分類號： | G06T7/00;G06N3/04;G06N3/08 |
| 代理公司： | 南京科闊知識產權代理事務所(普通合伙) 32400 | 代理人： | 王清義 |
| 地址： | 210037 *** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 端到端 深度 學習方法 樹冠 檢測 方法 | ||
1.一種基于端到端深度學習方法的單株樹冠檢測方法，其特征在于：包括以下步驟：
(1)、采集林木的機載激光雷達點云數據；
(2)、對機載激光雷達點云數據進行預處理，將機載激光雷達點云數據分為地面點和非地面點，根據非地面點生成數字表面模型，將數字表面模型轉換成高程圖；
(3)對高程圖中的每個樹冠進行手動標記，將標記好的高程圖作為訓練樣本；
(4)采用深度卷積對抗生成網絡對標記好的訓練樣本開始學習并生成新的訓練樣本；
(5)采用步驟(3)手動標記的訓練樣本和步驟(4)生成的新的訓練樣本對端到端深度學習網絡開展訓練，獲得樹冠識別端到端網絡模型；
(6)獲取待測林木的機載激光雷達點云數據，按照步驟(2)的方法獲取待測林木的高程圖，將該高程圖輸入到樹冠識別端到端網絡模型中，自動識別樹冠具體位置與冠幅大小。
2.根據權利要求1所述的基于端到端深度學習方法的單株樹冠檢測方法，其特征在于：所述的步驟(1)中的林木包括苗圃、森林公園景觀區和混交林。
3.根據權利要求2所述的基于端到端深度學習方法的單株樹冠檢測方法，其特征在于：所述的步驟(1)具體為：
利用DJI FC6310無人機搭載的Velodyne HDL-32E傳感器采集林木的機載激光雷達點云數據。
4.根據權利要求1所述的基于端到端深度學習方法的單株樹冠檢測方法，其特征在于：所述的步驟(2)具體為：
(2.1)采用高斯濾波器對機載激光雷達點云數據進行去噪處理；
(2.2)采用布料模擬濾波方法將去燥后的機載激光雷達點云數據分為地面點和非地面點；
(2.3)根據非地面點生成數字表面模型；
(2.4)通過對數字表面模型正交投影，用不同的顏色表示高程信息，越高的地方對應的網格越亮，即像素值越大，最終得到相應的高程圖。
5.根據權利要求1所述的基于端到端深度學習方法的單株樹冠檢測方法，其特征在于：所述的步驟(3)中對高程圖中的每個樹冠進行手動標記具體為：
采用LabelImg圖像標注工具對林地高程圖中的每個樹冠進行手動標記。
6.根據權利要求1所述的基于端到端深度學習方法的單株樹冠檢測方法，其特征在于：所述的深度卷積對抗生成網絡的目標函數為：
V(G,D)＝∫xPreal(x)·log(D(x))dx+∫xPgenerate(x)·log(1-D(x))dx (1)；
其中D表示判別器，G表示生成器，Preal(x)表示真實數據的概率分布，Pgenerate(x)表示生成數據的概率分布。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于南京林業大學，未經南京林業大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110163462.5/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種主動式兩沖程發動機曲軸箱通風系統
- 下一篇：顯示面板及其制備方法
