DFSNet:一个3D点云细分网络,用于在果园场景中检测树木
Xinrong Bu1, Chao Liu1, Hui Liu1
1School of Electrical and Information Engineering, Jiangsu University, Zhenjiang 212000, China.
Sensors (Basel, Switzerland)
|April 13, 2024
概括
一个新的深度学习网络,DFSNet,通过提高3D点云细分精度高达11.73%来增强果园机器人导航和喷. 这种先进的语义细分技术有助于精确的果园管理.
科学领域:
- 计算机视觉 计算机视觉
- 机器人技术 机器人技术 机器人技术
- 机器学习 机器学习
背景情况:
- 果园管理需要精确的导航和机器人喷能力.
- 现有的语义细分网络与果园环境的复杂性作斗争.
研究的目的:
- 提出一个新的深度学习网络,DFSNet,用于果园中准确的3D点云细分.
- 为了提高果园管理机器人的性能,在自动导航和精确喷等任务中.
主要方法:
- 开发了DFSNet,具有局部特征聚合 (LFA) 层和动态融合细分 (Fus-Seg) 架构.
- LFA层使用定位编码器和多阶段层次结构来进行本地模式聚合.
- Fus-Seg模块学习了用于点标签格式化和特征挖掘的多嵌入空间.
主要成果:
- DFSNet在果园领域数据集上实现了89.43%的准确性和74.05%的mIoU.
- 在精度和细节方面表现优于PointNet,PointNet++,D-PointNet++,DGCNN和Point-NN.
- 显示了显著的改进,精度提高了高达11.73%,mIoU提高了高达28.19%.
结论:
- DFSNet有效地从果园场景点云获取更多信息.
- 提供更准确的点云细分结果,对于果园管理至关重要.
- 拟议的网络为农业中的机器人应用提供了重大进展.
