买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京林业大学

摘要：本发明公开一种基于端到端深度学习方法的单株树冠检测方法，包括以下步骤：采集林木的机载激光雷达点云数据；对机载激光雷达点云数据进行预处理，将机载激光雷达点云数据分为地面点和非地面点，根据非地面点生成数字表面模型，将数字表面模型转换成高程图；对高程图中的每个树冠进行手动标记，将标记好的高程图作为训练样本；采用深度卷积对抗生成网络生成新的训练样本；将原训练样本和生成的训练样本对端到端深度学习网络开展训练，获得树冠识别端到端网络模型；将待测林木的高程图输入到树冠识别端到端网络模型中，自动识别树冠具体位置及反演冠幅参数。与其他先进的树冠检测算法相比，本发明可以快速而准确地从树种多样的森林中检测单株树冠。

主权项：1.一种基于端到端深度学习方法的单株树冠检测方法，其特征在于：包括以下步骤：1、采集林木的机载激光雷达点云数据；2、对机载激光雷达点云数据进行预处理，将机载激光雷达点云数据分为地面点和非地面点，根据非地面点生成数字表面模型，将数字表面模型转换成高程图；3对高程图中的每个树冠进行手动标记，将标记好的高程图作为训练样本；4采用深度卷积对抗生成网络对标记好的训练样本开始学习并生成新的训练样本；5采用步骤3手动标记的训练样本和步骤4生成的新的训练样本对端到端深度学习网络开展训练，获得树冠识别端到端网络模型；6获取待测林木的机载激光雷达点云数据，按照步骤2的方法获取待测林木的高程图，将该高程图输入到树冠识别端到端网络模型中，自动识别树冠具体位置与冠幅大小；上述步骤5中：所述的端到端深度学习网络在训练过程中，将损失函数I设置为：I＝I1+I2+I32；其中预测边界框I1的损失函数定义为： 其中，表示网格单元i的第j个预测边界框；e1为阈值，设置为5；num设置为7，表示每个网格单元预测7个不同尺度的目标框；M表示四个不同的尺度，分别是13,26,52,104，代表把每副输入图像转换为四个不同尺度的大小，其中M＝13适用于图像检测大目标树冠，M＝26适用于图像检测中等目标树冠，M＝52适用于图像检测中小目标树冠，M＝104适用于图像检测小目标树冠；代表的是预测框与真实框之间的相交的面积，和分别代表预测框与真实框的中心点的x,y位置，代表两个中心点之间的欧式距离；ldiaglinofminimclos代表包络预测框与真实框的最小矩形的对角线长度；其中与w,h分别代表预测框与真实框的宽度和高度值；其中预测置信度I2的损失函数定义为： 其中，表示预测框的置信度；Si表示对应的实际被检测物体的置信度值；λnoobj设置为0.5；其中预测类别I3的损失函数定义为： 其中pis表示网格单元i中真实存在对象的概率，取值为1或者0；表示网格单元i中s类对象存在的概率；表示网格单元i中是否存在对象，如果i中存在对象，为1；否则，为0；classes表示某一个类别。

全文数据：

权利要求：

百度查询： 南京林业大学 基于端到端深度学习方法的单株树冠检测方法