公开(公告)号：CN112907520B

公开(公告)日：2024-09-17

申请号：CN202110163462.5

申请日：2021-02-05

Applicant: 南京林业大学

Inventor： 云挺 ,  张宇 ,  朱天乐 ,  王丽文 ,  曹林

IPC: G06T7/00 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/094 ,  G06N3/084

Abstract: 本发明公开一种基于端到端深度学习方法的单株树冠检测方法，包括以下步骤：采集林木的机载激光雷达点云数据；对机载激光雷达点云数据进行预处理，将机载激光雷达点云数据分为地面点和非地面点，根据非地面点生成数字表面模型，将数字表面模型转换成高程图；对高程图中的每个树冠进行手动标记，将标记好的高程图作为训练样本；采用深度卷积对抗生成网络生成新的训练样本；将原训练样本和生成的训练样本对端到端深度学习网络开展训练，获得树冠识别端到端网络模型；将待测林木的高程图输入到树冠识别端到端网络模型中，自动识别树冠具体位置及反演冠幅参数。与其他先进的树冠检测算法相比，本发明可以快速而准确地从树种多样的森林中检测单株树冠。

公开(公告)号：CN112907520A

公开(公告)日：2021-06-04

申请号：CN202110163462.5

申请日：2021-02-05

Applicant: 南京林业大学

Inventor： 云挺 ,  张宇 ,  朱天乐 ,  王丽文 ,  曹林

IPC: G06T7/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于端到端深度学习方法的单株树冠检测方法，包括以下步骤：采集林木的机载激光雷达点云数据；对机载激光雷达点云数据进行预处理，将机载激光雷达点云数据分为地面点和非地面点，根据非地面点生成数字表面模型，将数字表面模型转换成高程图；对高程图中的每个树冠进行手动标记，将标记好的高程图作为训练样本；采用深度卷积对抗生成网络生成新的训练样本；将原训练样本和生成的训练样本对端到端深度学习网络开展训练，获得树冠识别端到端网络模型；将待测林木的高程图输入到树冠识别端到端网络模型中，自动识别树冠具体位置及反演冠幅参数。与其他先进的树冠检测算法相比，本发明可以快速而准确地从树种多样的森林中检测单株树冠。