基于SegNet与三维点云聚类的大田杨树苗叶片分割方法

摘要：

准确分割单个杨树叶是无接触提取杨树苗叶表型参数的前提,针对大田杨树苗的复杂种植环境,本文提出一种基于SegNet与三维点云聚类的大田杨树苗叶片分割方法.首先对Kinect V2相机进行标定,对齐RGB与深度数据,滤除背景,获得RGB与深度数据融合数据;然后针对RGB与深度融合数据采用语义分割算法SegNet对杨树苗叶与杨树干进行分割;为了更好地分割出单个杨树叶,对分割的杨树叶区域重构出三维点云,采用基于几何距离的kd-tree对单个树叶进行分类.对采集的单株树苗与多株树苗数据进行了实验分析,采用SegNet与FCN分别对杨树苗叶区域与茎区域进行分割,结果表明,SegNet对叶、茎检测准确率分别为94.4％、97.5％,交并比分别为75.9％、67.9％,优于FCN;对叶区域采用不同距离阈值的kd-tree算法进行单叶分割分析,确定了适合杨树叶的分割阈值.实验结果表明,本文提出的分割算法不仅能分割出单株杨树苗的叶片,也能分割出多株杨树苗的单个叶片.

关键词：杨树叶片、SegNet、三维点云、分割

所属期刊栏目：53

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划;江苏高校优势学科建设工程项目

在线出版日期：2022-08-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：259-264