[发明专利]活立木的种类识别方法与材积测量方法

权利要求书

1.一种活立木的种类识别方法，其特征在于，包括：

获取被测活立木的不同角度的RGB-D图像；

基于所述不同角度的RGB-D图像，拼接得到所述被测活立木的完整图像，从所述被测活立木的完整图像中分离出所述被测活立木的树干、树枝和树叶；

基于训练后的深度卷积神经网络模型对分离出的所述树干和所述树叶进行树种识别，加权融合后置信度最高的类别为所述被测活立木的种类，其中，基于距离地面不同高度处所述被测活立木的直径和所述被测活立木的树高，利用材积测量模型计算得到所述被测活立木的材积，

所述被测活立木的材积测量模型的公式为：

V＝V_干+V_梢

其中，V为所述被测活立木的材积，V_干为所述被测活立木的树干的材积，V_梢为所述被测活立木的树梢的材积，n为所述被测活立木的树干在垂直方向上的分段数，D_i为所述被测活立木的第i段树干的最高点处的直径，H_i为所述被测活立木的第i段树干的最高点距地面的高度，k为基于所述被测活立木的地理位置和种类确定的所述材积测量模型的模型参数，H_T为树冠遮挡条件下所述被测活立木的可观测的树干最高点T距地面的高度，D_T为距地面高度H_T处所述被测活立木的树干的直径，H为所述被测活立木的树高。

2.根据权利要求1所述的种类识别方法，其特征在于，所述训练后的深度卷积神经网络模型的建立过程包括：

建立深度卷积神经网络分类模型；

在不同的地理位置采集不同种类的活立木的不同角度的RGB-D图像；

基于所述不同种类的活立木的不同角度的RGB-D图像，拼接得到所述不同种类的活立木的完整图像，从所述不同种类的活立木的完整图像中分离出所述不同种类的活立木的树干、树枝和树叶；

基于所述不同种类的活立木的所述树干和所述树叶建立训练样本；

利用所述训练样本对所述深度卷积神经网络分类模型进行训练，当所述深度卷积神经网络分类模型的识别准确率达到一定值时，得到所述训练后的深度卷积神经网络模型。

3.根据权利要求1所述的种类识别方法，其特征在于，所述获取被测活立木的不同角度的RGB-D图像包括：

采集所述被测活立木的不同角度的深度图像和RGB图像；

分别提取每一角度的深度图像和RGB图像中的特征点并进行配准得到所述被测活立木的每一角度的RGB-D图像。

4.根据权利要求1所述的种类识别方法，其特征在于，所述基于所述不同角度的RGB-D图像，拼接得到所述被测活立木的完整图像，从所述被测活立木的完整图像中分离出所述被测活立木的树干、树枝和树叶包括：

提取所述不同角度的RGB-D图像的多个特征点，分别以所述多个特征点为中心点计算所述多个特征点的邻域几何信息的直方图；

利用所述直方图相似度进行特征点双向检查，将相似度小于一定值的所述特征点删除；

利用随机采样一致算法对所述不同角度的RGB-D图像进行图像间特征点的配准；

对所述不同角度的RGB-D图像进行空间变换、拼接形成所述被测活立木的完整图像；

运用深度和颜色信息寻找所述被测活立木的边缘，从背景中分离出所述被测活立木；

运用深度、颜色和形状信息从所述被测活立木中分离出树干、树枝和叶片。