基于改进PointNet++模型的苗圃树木点云分类与分割

激光点云技术可用于苗圃树木生长状态监测与管理,为农业植保机器人提供有效的靶标信息。为了进一步提高树种分类和树冠、树干内部分割的精准性,提出一种基于改进PointNet++的激光点云苗圃树木分类与分割方法。首先,调整PointNet++深度网络邻居点云的相对特征值,同时融合三维点云的低维和高维特征,充分利用各层级点云的特征。然后,将坐标注意力模块与注意力池化融合,进一步增强局部特征提取的能力,提高分类和分割的准确性。最后,针对苗圃常见树木自制了包含7类苗圃景观树木点云的数据集并用于实验。实验结果表明,提出的树种识别方法总体精度可达92.50%,平均类别精度为94.22%;提出的树冠、树干分割方法的平均交并比为89.09%。所提方法在分类和分割性能方面均明显优于经典的PointNet和PointNet++,能够为苗圃树木检测识别和农业机器人作业提供更精确的信息。     

从三维激光点云中快速统计树木信息的方法

树木位置分布及胸径(DBH)是研究森林生态、管理林区的重要指标。激光雷达在获取树木相关数据方面有巨大潜力,因此,提出用手持移动激光雷达获取的三维点云快速统计树木信息的方法。手持移动激光雷达可近距离采集树木信息,获取更详细的单木立面信息。针对上述点云特点,提出分层聚类的点云处理方法,按不同高度对点云切片,形成一组切片截面图,再仅对切片截面图聚类;根据聚类结果使用随机抽样一致性算法拟合出圆,对比一组切片截面图的拟合结果,完成树木点云提取。这种先取样再计算的方法大大提高了运算速度。实验证明该方法树干提取准确率达94.4%,DBH计算平均误差3.4cm。本文方法可快速统计树木相关信息。     

基于图像分割的点云去噪方法

在基于结构光条纹投影的三维形貌测量中，由于环境等各种因素的影响会产生各种噪声。在现有的点云去噪方法中，通过分析三维空间和点云的几何关系进行点云噪声的去除存在计算复杂、效率低等问题。为了提高点云精度和点云去噪的速度，提出了一种基于图像分割的点云去噪方法。首先，根据结构光条纹投影重构的三维点云建立二维点云映射图像；其次，利用图像阈值分割方法和区域生长方法对二维点云映射图像进行图像分割；然后，对分割出的噪声区域进行记录并去除；最后，对新的二维点云映射图像重新进行三维重建得出去除噪声的点云。实验结果表明，经过该方法处理后点云精度可以达到99.974%，去噪时间为0.954 s。所提方法可以有效去除点云噪声，避免在三维空间进行复杂的计算。     

基于颜色特征的自适应阈值林木树干识别研究

树干颜色是进行林木树干识别的重要依据之一。为实现不同颜色林木树干的识别,基于树干的颜色特征,提出一种自适应阈值的树干识别方法。首先,依据不同颜色林木树干的颜色值分布特性来选定对树干图像分割的阈值区间;其次,在阈值区间内根据树干的图形特征自适应阈值对树干进行图像分割;最后,对分割结果采用RANSAC算法精确拟合树干边缘,实现树干的识别。实验选取水曲柳、兴安落叶松和紫椴等树干颜色存在较大差异的树种,每一树种随机选取100棵树干进行识别,树干识别率分别达97%,91%和93%。实验结果表明,对于颜色存在较大差异的林木树干,所提方法具有较高的树干识别率。     

利用手持激光点云的矿区自然林树干提取

为了定量刻画矿区复杂环境下自然林树木的三维结构信息,提出一种利用手持激光扫描仪的矿区自然林树干点云识别方法。借助手持激光扫描仪对矿区自然林进行扫描,在滤除地面点的基础上,引入多尺度垂直度特征进行矿区自然林树干识别,利用八叉树叶节点聚类方法对识别的树干进一步提取。通过矿区实测数据进行实验,结果表明,所提出的方法能够实现矿区自然林树干的识别,对矿区复杂环境下自然林树木的三维结构信息定量刻画、厘清矿区植被生长状况具有一定的参考价值。     

基于多尺度域红外目标分割及特征点匹配的泡沫流速检测

为减少浮选气泡合并、破碎等变化对泡沫表面流动特征提取的影响，提出了一种非下采样剪切波变换（Nonsubsampled Shearlet Transform,NSST）域红外目标分割及改进加速鲁棒特征（Speeded Up Robust Features,SURF）匹配的泡沫表面流速检测方法。首先，对相邻两帧泡沫红外图像NSST分解，在多尺度域构建图割能量函数的边界、亮度、显著性约束项实现对合并、破碎气泡的分割；然后，对分割后的背景区域进行SURF特征点检测，通过统计扇形区域内的尺度相关系数确定特征点主方向，采用特征点邻域的多方向高频系数构造特征描述符；最后，对相邻两帧泡沫红外图像进行特征点匹配，根据匹配结果计算泡沫流速的大小、方向、加速度、无序度。实验结果表明，本文方法能有效分割出合并、破碎的气泡，具有较高的分割精度，提升了SURF算法的匹配精度，流速检测受气泡合并、破碎的影响小，检测精度和效率较现有方法有一定提升，能准确地表征不同工况下泡沫表面的流动特性,为后续的工况识别奠定基础。     

基于连通性标记优化的地基LiDAR点云单木分割方法

针对地面激光雷达（TLS）进行单木分割时存在复杂林地欠分割或者过分割等问题，提出了一种基于连通性标记优化的单木分割方法。首先构建冠层高度模型（CHM）。再采用移动窗口进行局部极大值探测，实现候选树顶点探测。然后对初始树顶点进行连通性生长，通过探测连通区域的最高点，实现树顶点的优化提取，避免局部极大值误判为树顶点。接着采用基于标记的分水岭分割方法获取树木的初始分割结果。最后基于单木密度的分布特性对欠分割的树木进行优化，获取准确的单木分割结果。采用不同植被类型的点云数据进行实验分析，实验结果表明，所提方法在不同植被环境下均能获得良好的单木分割效果，平均探测精度均优于Meanshift单木分割方法和基于标记的分水岭单木分割方法。     

电力线激光点云的分割及安全检测研究

为了进行高压输电线路安全检测分析，基于机载激光雷达（LiDAR）电力走廊数据，提出了一种基于密度的空间聚类方法（DBSCAN）的电力线激光点云单条分割提取算法。通过该方法可以实现输电走廊中单条电力线的快速分割提取。首先对电力线点云在x-O-y平面上投影，对投影后的激光点采用最小二乘法进行直线拟合；其次通过计算输电走廊长度，采用经验参量进行电力线点云分段；再次对分段点云在投影平面内进行DBSCAN聚类；最后将分段聚类结果类别归一化，得到单条电力线激光点云数据。结果表明，采用该方法能够在只需经验参量分段宽度的情况下，快速准确地对电力线激光点云进行分割提取，并根据分割结果进行电力线与电力走廊地物距离计算，判断危险点类型及距离。所提出的方法具有较高的提取与测量精度，能够有效地应用于电力线安全检测分析。     

磁环表面缺陷图像分割算法的研究及实时实现

为实现小型磁环表面细微缺陷图像无监督分割,并提高分割精度与计算效率,本文提出了一种基于改进2D Gabor滤波器组的自适应阈值分割方法。首先,利用多尺度、多方向的Gabor滤波器组对缺陷图像进行滤波降噪处理,抑制目标区域与背景区域内部的噪声污染,同时增强区域间的差异性；然后,通过对处理后图像的灰度统计特性分析,根据缺陷图像的灰度均值及方差构造了灰度阈值计算公式,实现了小型磁环表面细微缺陷图像的自适应分割。实验结果表明,本文算法可快速、准确地分割缺陷并抑制噪声干扰,在分割精度、计算效率等方面也优于传统的选择迭代法、OTSU、最大熵等方法,并能够在先进的SEED-DVS8168平台上实时实现,验证了此算法的可行性与实时性。     

基于线扫描数据的复杂环境下的河岸线提取

三维点云边缘提取算法已被广泛用于海岸线的提取中。相较于海岸线，河岸线存在高程变化大、易被树木遮挡等问题，将海岸线提取算法直接应用于河岸线提取存在较多的局限性。本文提出了一种基于线扫描激光点云的复杂环境下河岸线精确提取的方法，实现了河流岸线高程不一致、河岸被树冠遮挡情况下河岸边缘点的精准提取。设计了一种自适应高程阈值动态调整方法，通过对高程进行实时统计，使得高程阈值能够自适应地变化并克服树木遮挡造成的岸线不连续的问题，以此获取更加真实的岸线信息。同时，将法向渐变作为约束条件，能在实现对提取的边缘点云滤波的同时构造出完整、平滑的河岸矢量线。最后，利用真实无人机载激光雷达数据验证了本文所提方法的有效性和精度。本文方法获取的岸线与真实岸线的均方根误差分别为0.2018 m和0.2675 m，本文方法获取的河岸线具有较高的完整性。本研究为复杂情况下的河岸边缘提取提供了一种高效精确的方法。     

基于面阵三维成像激光雷达的目标点云分割技术

针对偏振三维成像系统的高效目标三维点云分割问题,提出一种多维信息融合的高效分割理念。系统采用高分辨率EMCCD相机作为面阵探测器,在一次成像过程中,可同时获得视场中的灰度图像以及三维点云数据。根据该成像特点,建立灰度图的像素坐标与点云数据像素坐标之间的点对点映射关系,结合粒子群优化算法的边缘分割方法,将灰度图中目标分割后的坐标信息映射到三维点云数据中,得到其三维点云数据。该方法将三维点云数据降维处理为二维图像处理,显著降低了计算复杂度,避免了点云数据误差对分割精度造成的影响。实验验证了多维数据融合目标三维点云分割方法的有效性。     

树干直径的图像测量方法

本文给出了一种基于图像的测量树干直径的方法.该方法利用标定尺为参照物,将标定尺与树干齐平放置,并通过与之垂直的照相机采集图像.利用标定尺的实际尺寸与树干直径实际尺寸跟图像上标定尺的像素个数与树干直径的像素个数有相同的比例值,可计算得到树干的直径.实验结果表明,所给出的树干直径测量方法能够比较准确地计算出立木树干的直径.     

结合Delaunay三角网的图像分割

为了有效消除图像噪声影响，提出结合Delaunay三角网的图像分割方法。首先，将像素灰度看作定义在像素格点上的‘高程’，并在此三维图像表达上构建Delaunay三角网，该三角网在图像域上的投影将图像域划分成若干个子区域，形成超像素，再对每个子区域内像素灰度值做均值化处理，由此将原图像转换为均值图像；最后在均值图像上进行图像分割，可以很好地削弱噪声对图像分割的影响。采用本文思想，基于Intel(R) Core(TM) 3.20GHz/2G内存/Matlab2015a平台，以经典的模糊C均值（Fuzzy C-means, FCM）图像分割算法为例，分别对Berkeley标准测试图像和遥感图像进行了分割实验。生成一幅具有三个同质区域的模拟图像，分别采用对比算法和本文算法对模拟图像进行分割测试，对比算法1（基于ENVI平台的ISODATA分割算法）的三个同质区域（1-3）的用户精度、产品精度、总精度和Kappa值分别为74.87%/55.72%/73.64%、83.98%/37.87%/85.38%、70.25%和0.54；对比算法2（基于中值滤波的FCM分割方法）的三个同质区域（1-3）的用户精度、产品精度、总精度和Kappa值分别为98.16%/70.54%/99.73%、88.10%/99.16%/87.87%、89.93%和0.84；本文算法的三个同质区域（1-3）的用户精度、产品精度、总精度和Kappa值分别为96.25%/80.35%/99.49%、99.76%/94.53%/86.67%、93.30%和0.89。定性和定量的测试结果验证了本文方法的有效性、可靠性和准确性。      

合并分割块的点云语义分割方法

随着激光雷达等三维点云获取工具的快速发展,点云的语义信息在计算机视觉、智能驾驶、遥感测绘、智慧城市等领域更具重要意义。针对基于分割块特征匹配的点云语义分割方法无法处理过分割和欠分割点云块、行道树和杆状物的语义分割精度低等问题,提出了一种基于分割块合并策略的行道树和杆状物点云语义分割方法,该方法可对聚类分割后感兴趣的分割块进行合并,通过计算其多维几何特征实现对合并后的物体分类,并使用插值优化算法对分割结果进行优化,最终实现城市道路环境下行道树和杆状物的语义分割。实验结果表明,所提方法可将城市道路环境下的行道树、杆状物等点云数据的召回率和语义分割精度平均提升至89.9%以上。基于分割块合并的语义分割方法,可以很好地解决城市道路下行道树和杆状物语义分割精度低等问题,该方法对于三维场景感知等问题的研究具有重要意义。     

风电场无人机巡检红外叶片图像拼接算法

针对无人机拍摄叶片红外图像背景冗余信息较多、拼接精度不高等问题，本文提出一种基于形态学改进Chan-Vese分割与局部特征匹配的红外风机叶片图像拼接算法，首先，对图像进行中值滤波降噪，使用形态学运算改进基于Chan-Vese模型的水平集算法，生成表达主体的掩膜。基于掩膜去除冗余背景提取局部Harris特征点；对掩膜进行二次形态学腐蚀处理，抑制边界锯齿像素上的伪特征点；最后，使用暴力匹配及随机抽样一致（Random Sample Consensus, RANSAC）算法筛选出有效匹配点对，计算单应性矩阵实现匹配拼接。与传统图像分割下Harris拼接算法相比，本文改进后的算法拼接精度有明显提高，在不同的测试场景下显示出较强鲁棒性。     

风电场无人机巡检红外叶片图像拼接算法

针对无人机拍摄叶片红外图像背景冗余信息较多、拼接精度不高等问题，本文提出一种基于形态学改进Chan-Vese分割与局部特征匹配的红外风机叶片图像拼接算法，首先，对图像进行中值滤波降噪，使用形态学运算改进基于Chan-Vese模型的水平集算法，生成表达主体的掩膜。基于掩膜去除冗余背景提取局部Harris特征点；对掩膜进行二次形态学腐蚀处理，抑制边界锯齿像素上的伪特征点；最后，使用暴力匹配及随机抽样一致（Random Sample Consensus, RANSAC）算法筛选出有效匹配点对，计算单应性矩阵实现匹配拼接。与传统图像分割下Harris拼接算法相比，本文改进后的算法拼接精度有明显提高，在不同的测试场景下显示出较强鲁棒性。     

基于光栅投影的配油盘球面分割及尺寸测量

配油盘作为液压系统的核心元件之一，其曲面尺寸是否合格直接关系到液压系统的性能。针对其表面部分轮廓特征提取困难、测量误差较大的问题，提出一种基于附加图像边缘检测的球面分割及尺寸测量方法：首先，采用Sobel算子对拍摄的配油盘图像边缘进行锐化并提取球面部分轮廓形成掩膜；然后，借助掩膜分割出球面部分的四步相移图，采用四步相移法求解相位主值，并使用双频外差法展开相位；最后，通过系统标定，计算得到配油盘球面部分的三维点云数据，并进行球面拟合。试验结果表明：采用该方法能够分割出较为清晰的球面部分点云图，基于点云数据拟合的测量精度99.238%,高于依据高度分割、区域生长分割、RANSAC(random sample consensus)分割和手动框选等方法的测量精度，实现了配油盘球面尺寸的高精度测量。     

基于改进SLIC算法的SAR图像海陆分割

海陆分割在提高SAR图像舰船目标检测精度方面具有十分重要的意义。针对传统算法不能很好地对SAR图像进行海陆分割,提出了基于改进SLIC超像素分割和分层区域合并准则(HSWO)的海陆分割算法。针对SAR图像统计特性,首先对SLIC超像素分割和HSWO算法模型分别进行改进,然后用SLIC超像素分割算法对图像进行超像素分割,并按照分层区域合并准则对超像素块进行聚类,最终实现海陆分割。实验表明,所提出的改进模型具有较高的处理精度和处理效率,相比于其他算法更适用于SAR图像的海陆分割,具备一定的工程应用价值。     

结合方差和方向的指纹图像分割算法

指纹图像分割指从图像背景中分离出有用的指纹区域的过程。良好的指纹分割能够有效提高特征提取精度和减少后续处理时间,在指纹图像预处理中具有重要作用。结合指纹图像灰度方差和方向信息,提出一种指纹图像分割算法。将指纹图像分块,计算每块灰度方差和点方向图,根据图像块方差和点方向一致性设定两种分割阈值实现基于方差和方向的指纹图像分割。实验结果表明该算法兼具方差法和方向法的优点,简单快速,是一种有效的指纹图像分割方法。     

基于DBSCAN的图像分割算法研究

图像分割能将一幅数字图像分成多个的不同区域,是计算机视觉的主要研究领域之一。文中在系统性研究DBSCAN算法的基础上，提出了一种改进型DBSCAN图像分割方法。该方法首先计算图像中每个像素点的局部密度，然后通过寻找局部密度峰值点来确定核心点，同时将邻域内的像素点加入同一簇中，来处理不同密度区域和噪声点的影响。实验结果表明，该算法对参数敏感度较低，能有效处理不同密度区域和噪声点，相比标准DBSCAN图像分割方法，其在聚类正确率、精度和效率等方面的表现更优秀。