摘要
果树枝条的实例分割对于探索果树表型至关重要.然而,在形态结构复杂、实例密度高的情况下,使用现有方法精确分割枝条仍具有挑战性.提出了一种结合局部相似性的新型三维深度学习方法,以实现果树枝条精确的语义和实例分割.所提出的方法首先利用PointNet++网络模型对果树点云数据进行了高精度的语义分割,有效区分果树的主干、一级枝、二级枝和三级枝.随后,将提取的语义特征划分为多个局部区域,以降低计算复杂度,并为每个局部区域点生成一个相似性矩阵,以捕捉局部相似性信息.最后,使用双铰链损失函数对相似性矩阵进行优化,以完善实例分割结果.实验结果验证了此方法在准确分割果树枝条方面的有效性.实验结果表明此方法不仅省去了劳动密集型的实地测量,还为获取果树的表型参数提供了有价值的信息.
基金项目
国家自然科学基金青年基金(62102188)
江苏省自然科学基金青年基金(BK20210647)
中国博士后科学基金(2021M700076)
江苏省高等学校自然科学研究项目(23KJB520020)
NETL
NSTL
万方数据