公开(公告)号：CN117036370A

公开(公告)日：2023-11-10

申请号：CN202310704110.5

申请日：2023-06-14

Applicant: 中国农业大学

Inventor： 马韫韬 ,  蔡智博 ,  朱晋宇 ,  郭焱 ,  李保国

IPC: G06T7/10 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/08

Abstract: 一种基于注意力机制和图卷积的植物器官点云分割方法，属于三维点云实例分割技术领域。基于点注意力机制和空间图卷积的双分支并行实例分割网络TRGCN，直接输入三维点云，双分支分别关注局部特征提取和全局特征提取，并通过T‑G特征耦合层融合两种特征。以番茄、玉米、烟草、高粱、小麦五种植物点云数据作为研究对象，双分支并行神经网络架构TRGCN，能够同时捕获点云的局部特征和全局特征，用于训练高鲁棒性的实例分割模型，可提高植物点云的分割精度，具有很好的泛化能力，可以为快速、高效、准确的植物表型分析提供良好的数据支撑。

公开(公告)号：CN116740079A

公开(公告)日：2023-09-12

申请号：CN202310704100.1

申请日：2023-06-14

Applicant: 中国农业大学

Inventor： 马韫韬 ,  蔡智博 ,  朱晋宇 ,  郭焱 ,  李保国

IPC: G06T7/10 ,  G06V10/764 ,  G06V10/774 ,  G06N3/0464 ,  G06N3/096

Abstract: 一种基于动态图卷积和迁移学习的作物器官点云分割方法，属于三维点云实例分割技术领域。所述方法首先基于图卷积操作设计了一个全新的点云实例分割网络PointDGCNet。然后，采用迁移学习方法微调预训练分割模型的参数，得到适用于单子叶植株点云的实例分割模型，有效提高了单子叶植物点云的分割准确率(平均准确率68.98％，平均交并比66.53％)，同时极大的缩短了模型的训练时间，并避免了过拟合情况的发生。训练后，采用重采样方法进一步提高了分割的准确率(平均准确率72.10％)。最后，通过进一步实验证明，该方法对于单子叶植物点云，如玉米、小麦等均具有一定的泛化能力。

公开(公告)号：CN115345898A

公开(公告)日：2022-11-15

申请号：CN202210892506.2

申请日：2022-07-27

Applicant: 中国农业大学

Inventor： 马韫韬 ,  蔡智博

IPC: G06T7/13

Abstract: 本发明提供一种稀疏点云的获取方法、装置、设备、介质及产品，该方法包括：获取目标对象的原始点云；原始点云是在对目标对象进行三维点云采集之后得到的；在原始点云中确定骨架特征点云和轮廓特性点云；获取原始点云中的非关键点云；非关键点云分别与骨架特征点云和轮廓特性点云不重叠；基于骨架特征点云、轮廓特性点云和非关键点云，确定目标对象的稀疏点云。本发明提供的稀疏点云的获取方法、装置、设备、介质及产品能够用于提高稀疏点云的准确性。