-
题名基于深度学习的休眠期苹果树点云语义分割
被引量：2
- 1
-
-
作者
李颀
郭梦媛
-
机构
陕西科技大学电子信息与人工智能学院
陕西科技大学电气与控制工程学院
-
出处
《江苏农业学报》
CSCD
北大核心
2023年第5期1189-1198,共10页
-
基金
陕西省农业科技创新工程项目[201806117YF05NC13(1)]
陕西省科技厅农业科技攻关项目(2015NY028)
陕西科技大学博士科研启动基金项目(BJ13-15)。
-
文摘
针对苹果树结构复杂、树干之间相互遮挡、导致国内外大规模机械设备自动剪枝误剪率高等问题,提出1种基于深度学习的休眠期苹果树点云的语义分割。以陕西省礼泉苹果种植基地的休眠期苹果树为研究对象,为了解决双视角点云配准之间非重叠点对距离过大导致配准误差大的问题,用Kinect V2传感器获取休眠期苹果树点云,对每株果树采用改进迭代最近点算法(Iterative closest point,ICP)进行多视角三维重建,对于大规模的果树点云,构建基于超点图的果树分割网络(Super point graphs network,SPGNet),对果树点云进行语义分割,保留果树点云的复杂几何信息。结果表明,当果树双视角点云的配准误差小于1 mm时,可成功分割休眠期苹果树的树干与分枝,对分类精度、预测值与真实值的交并比(IoU)进行评估,其中树干的分类精度、IoU分别为94.0%、0.85,分枝的分类精度、IoU分别为83.1%、0.75。由此可见,研究结果可解决机械设备自动剪枝误剪率高的问题,能在自然光线条件、大规模休眠期苹果树场景下实现对休眠期苹果树树干与分枝的分割,为大规模自动剪枝提供依据。
-
关键词
多视角果树三维重建
超点图
深度学习
果树点云语义分割
-
Keywords
multi-view fruit tree three-dimensional reconstruction
super-point graph
deep learning
fruit tree point cloud semantic segmentation
-
分类号
S661.1
[农业科学—果树学]
-
