【技术实现步骤摘要】
本专利技术涉及计算机视觉和激光扫描，特别涉及一种多模态数据融合的细粒度城市树种分类方法及装置。
技术介绍
1、行道树作为道路绿化的核心组成，能够吸收二氧化碳净化空气、调节局部气候、涵养水源等，在维护城市生态系统方面发挥着不可或缺的作用。行道树资产调查是城市生态研究的基础，对估测城市区域碳储量、进行“数字城市”三维建模有着重要意义。行道树资源清查主要包括获得城市树木的树高、胸径、冠幅等三维结构信息以及树种信息。传统方法主要依靠人工实地测量上述树木的三维结构信息，并由专业人员目视解译进行树种识别，存在工作效率低、工作量大、易受主观因素影响、更新周期长等问题。因此，城市行道树资源清查亟需一种自动化、智能化的方法取代传统方法。
2、搭载多种传感器的移动测量系统，广泛应用于收集道路场景的点云数据和街景影像数据，为道路场景理解、高精度三维重建等提供了重要的数据源。随着深度学习的发展，基于图像的分类技术已经趋于成熟，但移动测量系统采集的图像所提供的信息有限，且道路场景的复杂性高，增加了干扰信息，因而现有基于深度学习的图像分类方法对自动识别...
【技术保护点】
1.一种多模态数据融合的细粒度城市树种分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的多模态数据融合的细粒度城市树种分类方法，其特征在于，所述对所述行道树原始点云进行树种信息识别，以构建点云树种分类数据集，包括：
3.根据权利要求1所述的多模态数据融合的细粒度城市树种分类方法，其特征在于，所述根据所述点云树种分类数据集对所述街景影像进行影像裁剪，以构建影像树种数据集，包括：
4.根据权利要求1所述的多模态数据融合的细粒度城市树种分类方法，其特征在于，所述利用所述点云树种分类数据集和所述影像树种数据集对预先构建的深度学习...
【技术特征摘要】
1.一种多模态数据融合的细粒度城市树种分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的多模态数据融合的细粒度城市树种分类方法，其特征在于，所述对所述行道树原始点云进行树种信息识别，以构建点云树种分类数据集，包括：
3.根据权利要求1所述的多模态数据融合的细粒度城市树种分类方法，其特征在于，所述根据所述点云树种分类数据集对所述街景影像进行影像裁剪，以构建影像树种数据集，包括：
4.根据权利要求1所述的多模态数据融合的细粒度城市树种分类方法，其特征在于，所述利用所述点云树种分类数据集和所述影像树种数据集对预先构建的深度学习神经网络进行训练，直至满足预设要求，得到最终树种分类模型，包括：
5.一种多模态数据融合的细粒度城市树种分类装置，其特征在于，包括：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。