RsegNet:用于从无人机LiDAR点云中单独细分树和提取结构参数的先进方法.

科学领域:

• 农业工程 农业工程
• 遥感 遥感 遥感 遥感
• 计算机视觉 计算机视觉

背景情况:

• 树是重要的热带作物,需要精确的管理.
• 传统的点云细分方法无法准确地提取树结构参数和空间布局.
• 局限性阻碍了精准农业和种植园的精细管理.

研究的目的:

• 为无人机基于LiDAR的树点云细分开发一种优化的双通道聚类方法.
• 改进对树结构和特征的评估.
• 提高精确监测,种植园管理和健康评估.

主要方法:

• 提出了RsegNet,这是一个基于无人机LiDAR的网络,用于树点云细分.
• 设计了CosineU-Net用于特征提取,使用Cosine相似性解决分支和叶子重叠.
• 开发了一种双通道集群模块,具有动态优化,以提高准确性和减少背景干扰.

主要成果:

• 与五个最先进的网络相比,RsegNet在自建数据集和FOR实例森林数据集上实现了更高的性能.
• 该网络达到了86.1%的F-score,证明了细分的高准确性.
• 成功计算了树的高度,冠状直径和体积等结构属性.

结论:

• 拟议的RsegNet方法显著提高了树点云细分的准确性.
• 这种方法为精确的监测,种植园管理和树健康评估提供了强有力的支持.
• 该方法为推进种植园精准农业提供了有价值的工具.