典型文献
基于深度学习与激光点云的橡胶林枝干重建及参数反演
文献摘要：
树木的几何建模在林木性状评价、森林动态经营管理与可视化研究中具有重要意义.现今,从激光雷达(Light Detection And Ranging,LiDAR)数据中重建树体三维模型并精准获取林木空间枝干结构参数是数字林业发展的必然趋势.该研究提出了一种深度学习与计算机图形学相融合的树木骨架重建与参数反演方法.该方法以PR107、CATAS 7-20-59、CATAS 8-79三个品种的橡胶树为实验对象,首先,采用背包移动激光雷达获取三个橡胶树品种的样地数据,并通过体素剖分和数据增广策略来构建橡胶树训练样本集.其次,构造由四层特征编码层和特征解码层所组成的点云分类深度学习网络,并包含优化的PointConv模块与不同尺度的特征插值模块,以实现在多尺度条件下,全面考虑点云的全局和局部优化特征,引导网络实现枝叶点云的精确分类.最后,面向分类后的枝干点云,运用计算机图形学的空间连通性算法与圆柱拟合策略,重建树木骨架模型,并自动解决叶子点云与对应的一级枝干归属问题,进而在叶团簇尺度下开展对单株树的精细描述与参数反演.通过对三块橡胶树测试样地的验证和与实测值的比对表明,该研究提出的深度学习网络枝叶分类总体准确率在90.32％以上.骨架重建与叶团簇分析结果显示,PR107品种橡胶树具有较为发散的树冠、最大的分枝夹角和叶团簇体积;CATAS 7-20-59品种橡胶树冠呈花瓶型,分枝夹角和叶团簇体积较小;而CATAS 8-79品种橡胶树尽管胸径最粗,但不耐寒害处于落叶期导致冠积最小.同时,反演得到的橡胶树一级枝干直径与实测值比对为:决定系数R2不低于0.94,均方根误差(Root Mean Square Error,RMSE)小于3.01 cm;主枝干与一级枝干的分枝角为:决定系数R2不低于0.91,均方根误差RMSE不高于4.94°.同时发现橡胶树一级枝干的直径与对应的叶团簇体积呈正相关分布.该研究将人工智能的理论模型应用于林木的激光点云数据处理中,为林木激光点云的智能化分析与处理提供了新颖的解决思路.
文献关键词：
深度学习;树木骨架重建;激光点云;计算机图形学;林木参数提取
中图分类号：
作者姓名：
丁竹娴;周立军;樊江川;安锋;陈帮乾;王铭慧;蒋玲;薛联凤;云挺
作者机构：
南京林业大学信息科学技术学院,南京 210037;滑铁卢大学工程学院,滑铁卢 N2L 3G1;中国热带农业科学院橡胶研究所,海南儋州热带农业生态系统国家野外科学观测研究站,海口 571737;国家农业信息化工程技术研究中心,数字植物北京市重点实验室,北京 100097;南京林业大学林学院,南京 210037
文献出处：
引用格式：
[1]丁竹娴;周立军;樊江川;安锋;陈帮乾;王铭慧;蒋玲;薛联凤;云挺-.基于深度学习与激光点云的橡胶林枝干重建及参数反演)[J].农业工程学报,2022(08):187-199
A类：
树木骨架重建,CATAS,PointConv,林木参数提取
B类：
橡胶林,枝干,干重,参数反演,几何建模,性状评价,经营管理,可视化研究,激光雷达,Light,Detection,And,Ranging,LiDAR,建树,树体,干结,林业发展,计算机图形学,反演方法,PR107,橡胶树,实验对象,背包,样地,数据增广,增广策略,训练样本集,四层,特征编码,编码层,征解,解码,点云分类,深度学习网络,不同尺度,插值模块,局部优化,枝叶,精确分类,干点,空间连通性,圆柱拟合,骨架模型,叶子,归属问题,团簇,单株,精细描述,三块,实测值,发散,树冠,夹角,花瓶,胸径,不耐,耐寒,寒害,害处,落叶,演得,决定系数,Root,Mean,Square,Error,RMSE,主枝,分枝角,模型应用,激光点云数据,点云数据处理,智能化分析,分析与处理,解决思路
AB值：
0.348
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。
