[发明专利]基于YOLACT的行道树靶标点云分割方法

说明书

本发明提供一种基于YOLACT的行道树靶标点云分割方法，该方法包括以下步骤：S1选择部分样本行道树，将二维雷达装载在移动车辆上扫描行道树，获取样本点云数据；S2对于扫描得到的点云数据，建立三维坐标系，构建三通道彩色图像；S3对获得三通道彩色图像进行裁剪，标注；S4采用YOLACT行道树靶标点云分割算法对标注后的图像进行训练，直到达到预设的迭代次数，完成训练，获得模型；S5采用训练好的模型对待测行道树进行靶标分割。本发明的基于Yolact行道树靶标点云分割方法能够在复杂城区环境下检测行道树靶标点云，并快速准确分割出行道树靶标；能够为果园对靶施药技术的推广提供对靶施药的实时数据。

技术领域

本发明涉及二维LiDAR点云技术领域，尤其是基于图像分割的行道树靶标点云分割方法，具体地说是一种将二维LiDAR扫描得到的点云数据转化为二维图像，利用Yolact进行道树靶标点云分割的方法。

背景技术

由于温室效应、人为干扰等因素的影响，行道树病虫害日益增多，致使行道树枯萎或死亡，不仅严重影响行道树绿化与美化效果，而且直接影响城市生态环境与居民生活，成为园林绿化精细化管理的制约因素，因此，快速，准确的分割行道树靶标点云，为行道树对靶施药提供实时数据具有重要意义。

当前行道树点云分割方法主要有两类：一类方法将点云数据划分为多个格网或体素，作为基本数据处理单元，然后分析地物目标的形貌，设计用于分割的特征和规则，逐步过滤非行道树点云；另一类方法直接处理原始点云数据，从每个点的邻域中提取多个特征，训练一个二分类器识别行道树点云。研究者将二维雷达广泛用于果园对靶施药，具有方式灵活、准确等优点。

当前已有方法由人工设计分割/分类特征，采用聚类、区域增长等手段提取出单株行道树，适合环境相对简单的果园。但是在面对复杂的城市环境时存在特征表达能力弱、难以描述地物复杂变化以及建模能力弱等问题。

发明内容

本发明的目的是针对目前行道树分割时采用单株行道树提取，适合环境相对简单的果园，但是在面对复杂的城市环境时特征表达能力弱、难以描述地物复杂变化以及建模能力弱的问题，提出一种基于YOLACT的行道树靶标点云分割方法。本发明的基于Yolact行道树靶标点云分割方法能够在复杂城区环境下检测行道树靶标点云，并快速准确分割出行道树靶标。为果园对靶施药技术的推广提供对靶施药的实时数据。

本发明的技术方案是：

本发明提供一种基于YOLACT的行道树靶标点云分割方法，该方法包括以下步骤：

S1、在待测行道树区域选择部分作为样本行道树，将二维雷达装载在移动车辆上扫描行道树，获取样本行道树的点云数据，包括三次回波的距离r₁,r₂,r₃和回波强度I₁,I₂,I₃；

S2、对于扫描得到的点云数据，对于一次回波数据基于二维雷达的起始位置建立三维坐标系；选择一次回波测量点的深度信息作为图像R通道，一次回波强度作为为图像G通道，激光束的有效回波次数作为B通道，构建三通道彩色图像；

S3、对获得三通道彩色图像进行裁剪，标注；

S4、采用YOLACT行道树靶标点云分割算法对标注后的图像进行训练，直到达到预设的迭代次数，完成训练，获得行道树靶标分割模型；

S5、按照S1-S3对待分割行道树进行采集和处理，采用训练好的模型对待测行道树进行靶标分割。

进一步地，步骤S1中，二维雷达的测量距离是0.1m-30m，测量精度±30mm，扫描范围-135°至135°。

进一步地，步骤S2具体为：