针对复杂城区环境下行道树靶标点云检测难度较大,导致基于激光雷达(LiDAR)的果园对靶施药技术难以推广的问题,提出基于YOLACT的行道树靶标点云分割方法,为行道树对靶施药提供基础数据.首先,应用移动激光扫描(MLS)技术采集街道一侧的三维点云数据;然后,提取深度、回波强度和回波次数信息,建立由二维LiDAR扫描线组成的三通道街道图像;最后,使用图像实例分割算法YOLACT建立行道树靶标分割模型,从街道图像中分割出每一棵行道树靶标.实验采集了一段300 m长街道两侧的点云数据,通过无损图像转换、切片、翻转扩充等处理得到1 948张像素720×720的街道点云图像,按照6 ∶2∶2的比例划分出训练集、验证集和测试集,用来训练和测试行道树靶标分割模型.在386张测试图像上,令检测框与真值框的交并比阈值为0.5～0.9,以0.05为步长增加,得到的平均精确率为0.973,平均召回率为0.985,平均F1分数为0.979,平均每条LiDAR扫描线的处理时间是12.903 ms.实验结果表明,提出的方法能够快速准确分割出行道树靶标,为行道树对靶施药提供实时数据.

对靶施药;行道树;点云分割;实例分割;YOLACT

南京林业大学机械电子工程学院,南京210037

[1]李秋洁;童岳凯;薛玉玺;徐志强;李相程;刘旭-.基于YOLACT的行道树靶标点云分割方法)[J].林业工程学报,2022(04):144-150

YOLACT,行道树,靶标,标点,点云分割,分割方法,复杂城区,云检测,激光雷达,LiDAR,果园,对靶施药,施药技术,移动激光扫描,MLS,一侧,三维点云数据,回波强度,扫描线,三通道,图像实例分割,分割算法,立行,分割模型,割出,一棵,长街,图像转换,理得,像素,点云图像,分出,训练集,验证集,测试集,试行,真值,交并比,步长,精确率,召回率,处理时间,ms,快速准确,实时数据

0.318071