基于Faster-RCNN的面向激光点云的单株分离算法开题报告

全文总字数：1645字

1. 研究目的与意义

热带地区广泛种植的橡胶树木是天然橡胶和木材的重要供应商。

海南作为中国最大的橡胶生产基地，拥有近800万英亩的橡胶林，形成了最大的人工生态系统。

由于地理位置的原因，海南岛经常受到台风和寒害的干扰。

2. 国内外研究现状分析

传统的橡胶树结构参数测量方法，人力成本高、效率低、劳动密集、易受外界因素（如季节、天气、地理环境等）影响。

近几十年来，快速发展的遥感技术已成为提取树木信息和补充田间测量的最有效的测量技术之一。

通过3d扫描获取的林木数据通常是点云的形式，而从原始点云中检测和分割单树树冠是准确估算单个树结构属性的基本步骤。

3. 研究的基本内容与计划

研究内容：本研究结合深度学习和区域生长方法，提出了一种间接的三维物体检测和分割方法。

该方法首先通过自适应三维体素切割点云数据，将体素内的点投影到来自两个不同方向的深度图像，并将其用于训练faster r-cnn（基于区域的卷积神经网络）模型以学习检测橡胶树干的能力。

实验中选区三个橡胶林地为测试样地，并利用体素化生成测试图像。

4. 研究创新点

1. 提出基于深度学习的单木分割算法。

2. 不直接使用三维cnn实现三维物体检测，而是将三维点云映射为二维深度图片，并使用二维cnn进行物体检测。

在运算时间和存储空间上得到优化。