[发明专利]基于端到端深度学习方法的单株树冠检测方法

说明书

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。

技术领域

本发明属于林木技术领域，具体涉及一种基于端到端深度学习方法的单株树冠检测方法。

背景技术

近年来，激光雷达在提取冠层结构参数和物理性质方面取得了可喜的成果。通过向树冠或地面发射激光脉冲并反射回传感器，机载激光雷达系统记录了反射激光脉冲提供的地面或植被的三维坐标信息。随着机载激光雷达数据采集的日益方便，出现了一系列处理这些数据的算法。传统的基于机载激光雷达的树冠检测算法可分为两类。第一种是面向三维激光点云的方法，通过直接处理点云来识别和提取单株树冠。这类算法主要包括点云聚类和多尺度动态点云分割算法。第二类是面向图像的方法，主要包括边缘检测、区域分组和分水岭分割算法。通过将三维点云转换为二维图像，大量的图像处理算法可以有效地应用于树冠检测。虽然上述算法已经取得了良好的性能，但是由于树冠形状和大小的不均匀性以及树冠环境的复杂性，检测速度和精度仍然存在一定的局限性。

发明内容

本发明所要解决的技术问题是针对上述现有技术的不足提供一种基于端到端深度学习方法的单株树冠检测方法，与其他先进的树冠检测算法相比，本基于端到端深度学习方法的单株树冠检测方法可以快速而准确地从树种多样的森林中检测单株树冠。

为实现上述技术目的，本发明采取的技术方案为：

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：

(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。

作为本发明进一步改进的技术方案，所述的步骤(1)中的林木包括苗圃、森林公园景观区和混交林。

作为本发明进一步改进的技术方案，所述的步骤(1)具体为：

利用DJI FC6310无人机搭载的Velodyne HDL-32E传感器采集林木的机载激光雷达点云数据。

作为本发明进一步改进的技术方案，所述的步骤(2)具体为：

(2.1)采用高斯滤波器对机载激光雷达点云数据进行去噪处理；

(2.2)采用布料模拟滤波方法将去燥后的机载激光雷达点云数据分为地面点和非地面点；

(2.3)根据非地面点生成数字表面模型；