【技术实现步骤摘要】
本专利技术涉及花椒点云分割领域，更为具体的，涉及一种花椒点云分割方法、设备、介质及系统。
技术介绍
1、物联网和通信技术的快速发展对农业产生了影响。人工智能，特别是基于图像处理技术的深度学习，已广泛应用于作物分类、除草以及昆虫和疾病识别。
2、现有技术存在如下技术问题：由于花椒点云中的稀疏性、遮挡性、颜色信息和器官几何关系特征复杂，导致现有基于图像处理技术的深度学习方案在数据处理适应性、网络性能和识别准确率上不高，限制了花椒自动化收割技术的发展。
技术实现思路
1、本专利技术的目的在于克服现有技术的不足，提供一种花椒点云分割方法、设备、介质及系统，可以克服当前深度学习网络用于花椒点云分割的缺点，提高深度学习网络性能和识别准确率。
2、本专利技术的目的是通过以下方案实现的：
3、一种花椒点云分割方法，包括以下步骤：
4、s1，花椒点云数据采集与预处理，创建用于深度学习网络训练和测试的花椒点云数据集；
5、s2，构建花椒点云分割网络；
6、s3，利用步骤s2构建的花椒点云分割网络进行花椒点云分割处理。
7、进一步地，在步骤s1中，所述花椒点云数据采集具体包括：以花椒果实为分割目标，采用激光扫描仪作为采集设备采集花椒点云数据。
8、进一步地，所述花椒点云数据预处理具体包括点云裁剪预处理、降噪预处理和下采样预处理；所述云裁剪预处理具体包括：利用点云裁剪来获得感兴趣的区域；所述降噪预处理具体包括：
9、进一步地，在步骤s1中，所述花椒点云数据采集与预处理，还包括子步骤：通过旋转和平移原始数据并引入不同级别的高斯噪声，生成具有高斯噪声的花椒树的点云数据集。
10、进一步地，在步骤s2中，所述构建花椒点云分割网络，具体包括：将基于特征的注意力机制fa与基于颜色几何信息协同编码网络cgi-net相结合，通过基于特征的注意力机制fa对输入的花椒点云进行特征识别和权值变异处理，提取点云特征；随后，颜色和几何数据被馈送到由三层集合抽象sa组成的编码器网络中；然后流经由三层fp组成的解码器网络；sa和fp层中的数据根据其层次关系通过跳跃连接进行连接；最后，将数据完全连接，并输出分割结果。
11、进一步地，在步骤s2中，所述构建花椒点云分割网络，具体包括：
12、s21，构建彩色几何信息协同编码网络cgi-net并通过增强点坐标和采样中心点的重要性进行几何信息增强：引入点到采样中心点的欧几里得距离，通过该距离构建比原始cgi-net网络更全面的网络；在构建的网络中，利用抽象层提供点云的局部空间信息的显式可视化，从而充分利用局部空间点云的几何和结构信息，该信息作为附加信息能够更准确和有效地学习点云的几何空间结构；
13、原始几何信息编码函数如下：
14、fi ＝ mlp((pi - pk ) ⊕ ci ) (1)
15、对几何信息进行编码的功能如下：
16、fi ＝ mlp((pi - pk ) ⊕ pi ⊕ pk ⊕ di ⊕ ci ) (2)
17、fi表示输入到mlp的局部空间中的点i的几何特征；pi表示点的坐标，pk表示采样中心点的坐标；ci表示点的附加特征，属于本框架中的颜色特征；di表示点与采样中心点之间的欧几里得距离；
18、所述利用抽象层提供点云的局部空间信息的显式可视化具体包括：在cgi-net协同编码模块的采样抽象层中执行如下流程：首先，对于每个采样点，找到域空间，并得到其点的颜色和几何信息；将颜色和几何特征分离出来，分别输入到mlp中；对于颜色特征，采用与几何特征类似的增强编码思想，添加采样中心信息和rgb差异信息；局部空间中的点的几何特征d通过mlp进行特征增强，然后进行最大池化，以获得该局部空间的新几何特征d1；同理对颜色信息进行处理以获得新的颜色特征c1；接下来，c1和d1被并行地输入到下一个集合抽象层sa中，作为该层中的点的初始特征；在每个sa层中，根据剩余点的原始坐标对其进行分组；之后，分离采样点的几何和颜色特征并将其与c1和d1拼接；再对颜色信息和几何信息进行共编码，使用不同的mlp并行对它们分别进行编码和解码；然后，通过全连接层对几何特征和附加特征进行组合和处理，以进行语义区分；
19、s22，构建基于特征的注意力机制fa：在三维点云中建立点注意力机制，并在此基础上添加最小池来处理输入点云特征通道，具体包括：将点云数据表示为f∈rb×n×c，其中b、n和c表示批量大小、点云的数量和特征通道的数量，沿着点云数量的n维和特征通道数量的c维合并，表示为：
20、
21、
22、mc∈rb×n×c表示特征注意力得分，fc表示点云特征注意力输出，mn∈rb×1×c表示通道注意力得分，fn表示点云通道注意力输出，表示矩阵hadamard乘积，中间特征finput∈rb×n×c作为输入，，通过沿特征通道维度应用的最大池化、平均池化和最小池化操作生和；通过特征通道将这三个特征组合在一起，生成然后将其输入到权重共享的全连通层，并使用s形函数将该层的输出映射到区间(0,1)上，从而生成点注意力向量；最后，将每个点的注意力向量沿着特征通道维度复制c次，形成点注意力得分图。
23、进一步地，使用单一隐层mlp生成点注意力得分图，该mlp以s形为激活函数，并共享参数，用于解决点云数据的非结构化限制。
24、一种花椒点云分割设备，包括处理器和存储器，所述存储器中存储有计算机程序，当所述计算机程序被所述处理器加载时并执行如上任一项所述的方法。
25、一种计算机可读存储介质，在可读存储介质中存储有计算机程序，所述计算机程序被处理器加载并执行如权利要求1～7任一项所述的方法。
26、一种花椒点云分割系统，包括如上所述的花椒点云分割设备。
27、本专利技术的有益效果包括：
28、(1)本专利技术提出了一种新的架构，可以克服当前深度学习网络用于花椒点云分割的缺点。具体而言，考虑到花椒点云的稀疏性和树叶的遮挡性，在网络前端建立了fa(feature-based attention mechanism，基于特征的注意机制)模块，以此增强点特征的提取。同时，通过分别对局部空间几何特征和颜色信息进行编码，提高网络处理花椒点云信息的能力。实验结果表明，本专利技术提出的facgi net在自建的pepper和公共数据集上都达到了性能目标，准确率超过94％。该技术效果表明自动化花椒收获技术具有发展潜力。
29、(2)本专利技术提出了利用深度学习从花椒植物中捕获的点云进行分割的新方法。由于花椒点云不明显的几何特征，专注于本文档来自技高网...
【技术保护点】
1.一种花椒点云分割方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的花椒点云分割方法，其特征在于，在步骤S1中，所述花椒点云数据采集具体包括：以花椒果实为分割目标，采用激光扫描仪作为采集设备采集花椒点云数据。
3.根据权利要求1所述的花椒点云分割方法，其特征在于，所述花椒点云数据预处理具体包括点云裁剪预处理、降噪预处理和下采样预处理；所述云裁剪预处理具体包括：利用点云裁剪来获得感兴趣的区域；所述降噪预处理具体包括：利用点云库生成PCD格式的原始花椒树点云数据，并应用统计异常值去除方法来降低点云数据中的噪声；所述下采样预处理具体包括：通过使用点云的体积，然后使用每个体素化光栅的重心来替换其中的点来生成3D体素光栅，实现对点云进行下采样。
4.根据权利要求1所述的花椒点云分割方法，其特征在于，在步骤S1中，所述花椒点云数据采集与预处理，还包括子步骤：通过旋转和平移原始数据并引入不同级别的高斯噪声，生成具有高斯噪声的花椒树的点云数据集。
5.根据权利要求1所述的花椒点云分割方法，其特征在于，在步骤S2中，所述构建花椒点云分割网络
6.根据权利要求1所述的花椒点云分割方法，其特征在于，在步骤S2中，所述构建花椒点云分割网络，具体包括：
7.根据权利要求6所述的花椒点云分割方法，其特征在于，使用单一隐层MLP生成点注意力得分图，该MLP以S形为激活函数，并共享参数，用于解决点云数据的非结构化限制。
8.一种花椒点云分割设备，其特征在于，包括处理器和存储器，所述存储器中存储有计算机程序，当所述计算机程序被所述处理器加载时并执行如权利要求1～7任一项所述的方法。
9.一种计算机可读存储介质，其特征在于，在可读存储介质中存储有计算机程序，所述计算机程序被处理器加载并执行如权利要求1～7任一项所述的方法。
10.一种花椒点云分割系统，其特征在于，包括如权利要求8所述的花椒点云分割设备。
...【技术特征摘要】
1.一种花椒点云分割方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的花椒点云分割方法，其特征在于，在步骤s1中，所述花椒点云数据采集具体包括：以花椒果实为分割目标，采用激光扫描仪作为采集设备采集花椒点云数据。
3.根据权利要求1所述的花椒点云分割方法，其特征在于，所述花椒点云数据预处理具体包括点云裁剪预处理、降噪预处理和下采样预处理；所述云裁剪预处理具体包括：利用点云裁剪来获得感兴趣的区域；所述降噪预处理具体包括：利用点云库生成pcd格式的原始花椒树点云数据，并应用统计异常值去除方法来降低点云数据中的噪声；所述下采样预处理具体包括：通过使用点云的体积，然后使用每个体素化光栅的重心来替换其中的点来生成3d体素光栅，实现对点云进行下采样。
4.根据权利要求1所述的花椒点云分割方法，其特征在于，在步骤s1中，所述花椒点云数据采集与预处理，还包括子步骤：通过旋转和平移原始数据并引入不同级别的高斯噪声，生成具有高斯噪声的花椒树的点云数据集。
5.根据权利要求1所述的花椒点云分割方法，其特征在于，在步骤s2中，所述构建花椒点云分割网络，具体包括：将基于特征的注意力机制fa与基于颜色...
【专利技术属性】
技术研发人员：戴莉斯，刘雪垠，曾梦玮，肖夏，郭恒，马子凤，
申请(专利权)人：四川省机械研究设计院集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。