基于YOLACT的行道树靶标点云分割方法
Point cloud segment method for street tree target based on YOLACT作者机构:南京林业大学机械电子工程学院南京210037
出 版 物:《林业工程学报》 (Journal of Forestry Engineering)
年 卷 期:2022年第7卷第4期
页 面:144-150页
学科分类:08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程]
基 金:国家自然科学基金(31901239) 江苏省基础研究计划(青年基金)项目(BK20170930)
摘 要:针对复杂城区环境下行道树靶标点云检测难度较大,导致基于激光雷达(LiDAR)的果园对靶施药技术难以推广的问题,提出基于YOLACT的行道树靶标点云分割方法,为行道树对靶施药提供基础数据。首先,应用移动激光扫描(MLS)技术采集街道一侧的三维点云数据;然后,提取深度、回波强度和回波次数信息,建立由二维LiDAR扫描线组成的三通道街道图像;最后,使用图像实例分割算法YOLACT建立行道树靶标分割模型,从街道图像中分割出每一棵行道树靶标。实验采集了一段300 m长街道两侧的点云数据,通过无损图像转换、切片、翻转扩充等处理得到1948张像素720×720的街道点云图像,按照6∶2∶2的比例划分出训练集、验证集和测试集,用来训练和测试行道树靶标分割模型。在386张测试图像上,令检测框与真值框的交并比阈值为0.5~0.9,以0.05为步长增加,得到的平均精确率为0.973,平均召回率为0.985,平均F1分数为0.979,平均每条LiDAR扫描线的处理时间是12.903 ms。实验结果表明,提出的方法能够快速准确分割出行道树靶标,为行道树对靶施药提供实时数据。