公开(公告)号：CN106408011A

公开(公告)日：2017-02-15

申请号：CN201610813682.7

申请日：2016-09-09

Applicant: 厦门大学

Inventor： 王程 ,  邹辛怀 ,  陈一平 ,  杨文韬 ,  臧彧 ,  李军

IPC: G06K9/62 ,  G06T15/00 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的激光扫描三维点云树木自动分类方法，可以自动对已提取的单株树木进行分类，分类的单株树木包含树干和树冠结构。本发明采用旋转侧面投影的方法，在树木数据少情况下依然可以有效进行模型训练，由于采用了归一化的预处理方法，克服了点云数据密度远近(距离扫描仪)分布不均的缺点，使得结果受采集设备影响小，更具稳定性。此外，由于采用深度学习进行模型训练，提高了对多种树木的自动分类的准确性。本发明采用特征向量为单元进行计算，计算速度快，更适用于大规模点云场景，具有实际意义和应用价值。

公开(公告)号：CN106408011B

公开(公告)日：2020-04-17

申请号：CN201610813682.7

申请日：2016-09-09

Applicant: 厦门大学

Inventor： 王程 ,  邹辛怀 ,  陈一平 ,  杨文韬 ,  臧彧 ,  李军

IPC: G06K9/62 ,  G06T15/00 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的激光扫描三维点云树木自动分类方法，可以自动对已提取的单株树木进行分类，分类的单株树木包含树干和树冠结构。本发明采用旋转侧面投影的方法，在树木数据少情况下依然可以有效进行模型训练，由于采用了归一化的预处理方法，克服了点云数据密度远近(距离扫描仪)分布不均的缺点，使得结果受采集设备影响小，更具稳定性。此外，由于采用深度学习进行模型训练，提高了对多种树木的自动分类的准确性。本发明采用特征向量为单元进行计算，计算速度快，更适用于大规模点云场景，具有实际意义和应用价值。