一种深度学习网络的树木点云骨架重建方法

摘要：

基于激光雷达(light detection and ranging,LiDAR)数据重建树体三维模型并精准获取林木空间枝干结构参数是精准林业发展的必然趋势.本文研究面向激光点云提出了一种融合基于晶格投影的深度学习网络,以及面向提取的枝干点云的树木模型骨架重建的方法.该深度学习网络包括旋转不变性模块、晶格投影与重心插值模块,多尺度变换与卷积操作层,通过将旋转变换后的点云晶格投影到三个坐标平面上再分别重心插值获得变换系数,解决了三维点云因排列无序而造成空间卷积困难的问题.以海南多类树木为研究对象,首先,把带枝叶标签的林木点云基团带入构造的深度学习网络中训练网络参数,实现测试样本中的林木数据的枝叶分离.其次,对分类后的树木枝干点云垂直分层并空间聚类,获取每层的聚类中心点并按相邻层中心点距离最小原则实现骨架链表构造,同时采用自适应随机抽样一致(random sample consensus,RANSAC)方法来计算的圆柱体拟合半径,以重建树木的各级枝干.最后,根据中心点连通的链表结构以及角度变化最小准则自动识别树木中的主枝干和各个一级分枝.通过与实测数据比对验证表明,深度学习枝叶分类准确率为91.31％,高于传统的机器学习分类方法7％左右.算法得到的橡胶树一级枝干直径与实测值比对为:决定系数R2=0.92,均方根误差RMSE=0.64 cm,相对均方根误差rRMSE=6.39％;相应的一级枝干与主枝干的分枝角与实测值比对为:R2=0.91,RMSE=3.32°,rRMSE=7.81％.本文研究设计了深度学习网络与计算机图形学的算法快速精准从地基点云中重建树木的骨架模型,精度吻合实际测量值,具有一定推广价值.

关键词：地基激光点云、深度学习网络、晶格投影变换、树木骨架重建

所属期刊栏目：22

分类号：TP311.5(计算技术、计算机技术)

资助基金：国家重点研发计划;国家自然科学基金;国家自然科学基金;南京林业大学国家级大学生创新训练计划

在线出版日期：2022-08-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：7952-7964