基于RubberTreeNet的橡胶树分割方法技术

本发明专利技术公开了一种基于RubberTreeNet的橡胶树分割方法，通过点云自适应变换注意力(PTCA)机制，增强了局部细节捕捉和全局背景信息融合能力进而实现单株橡胶树的高精度分割，步骤一、采集橡胶树点云数据以ply格式保存，并利用CloudCompare软件进行渲染和初步处理，包括去除噪声和非目标物体。随后，通过手动选择和标记，将点云数据中的独立橡胶树与背景分离，并导出为txt格式以供后续处理；步骤二、通过点云自适应变换注意力(PTCA)机制对点云数据进行特征提取和融合，以增强局部细节捕捉和全局背景信息融合能力；步骤三、使用最远点采样(FPS)选取代表点，并通过K最近邻(KNN)搜索获取邻域点，最终通过特征聚合、池化操作和解码映射层恢复原始分辨率，并应用分类器对每个点进行预测，输出单株橡胶树的分割结果。本发明专利技术方法具有识别准确率高的特点，识别精度达92.45％。

【技术实现步骤摘要】

本专利技术涉及一种基于rubbertreenet的橡胶树分割方法。

技术介绍

1、橡胶树(hevea brasiliensis)作为一种重要的经济作物，在大规模种植时虽然能带来经济效益和管理效率的提升，但同时也面临着病虫害管理和生长监测不精准带来的挑战。传统的橡胶树结构参数获取方式依赖于人工现场测量，这种方法不仅耗时费力，而且受到地理可达性的限制。为了改善这一点，研究者们开始运用激光扫描技术和点云数据来提高单株橡胶树参数获取的效率和准确性。通过单株橡胶树分割技术，可以实现对每棵橡胶树的结构参数进行精准监测和管理，这对于森林清查和健康监测至关重要。然而，实际操作中存在诸如橡胶树间严重交叉、地面干扰、局部细节捕捉不足及全局背景信息融合困难等问题，这些都给橡胶树的精准分割带来了挑战。为解决这些问题，研究者开发了多种分割方法，包括基于机载激光扫描(als)和地面激光扫描(tls/mls)数据的不同算法，如k-means聚类、区域生长、分水岭变换等，旨在提高分割的准确性和效率。随着深度学习技术的发展，基于深度学习的方法也被引入到橡胶树分割中，以期实现更高精度的分割效本文档来自技高网...

【技术保护点】

1.一种基于RubberTreeNet的橡胶树分割方法，其特征在于，该网络通过点云自适应变换注意力(PTCA)机制以及多级特征提取与分割流程，能够有效地从复杂的点云数据中识别并分割出单株橡胶树，整体过程包括以下步骤：

2.根据权利要求1所述的基于RubbertreeNet的橡胶树分割方法，其特征在于，步骤一的具体步骤为：

3.根据权利要求1所述的基于RubberTreeNet的橡胶树分割方法，其特征在于，步骤二的具体步骤为：

4.根据权利要求1所述的基于RubberTreeNet的橡胶树分割方法，其特征在于，步骤三的具体步骤为：首先通过最远点采样(FP...

【技术特征摘要】

1.一种基于rubbertreenet的橡胶树分割方法，其特征在于，该网络通过点云自适应变换注意力(ptca)机制以及多级特征提取与分割流程，能够有效地从复杂的点云数据中识别并分割出单株橡胶树，整体过程包括以下步骤：

2.根据权利要求1所述的基于rubbertreenet的橡胶树分割方法，其特征在于，步骤一的具体步骤为：

3.根据权利要求1所述的基于rubbertreenet的橡胶树分割方法，其特征在于，步骤二的具体步骤为：

4.根据权利要求1所述的基于rubbertreenet的橡胶树分割方法，其特征在于，步骤三的具体步骤为：首先通过最远点采样(fps)从原始点集中选择局部中心点，将点数减少到一半。接着，...

【专利技术属性】
技术研发人员：周国雄，李浩，王祥军，李力，
申请(专利权)人：中南林业科技大学，
类型：发明
国别省市：