基于YOLACT的行道树靶标点云分割方法

作者：李秋洁; 童岳凯; 薛玉玺; 徐志强; 李相程; 刘旭

来源：林业工程学报, 2022, 7(04): 144-150.

DOI：10.13360/j.issn.2096-1359.202110034

• 对靶施药
• 行道树
• 点云分割
• 实例分割
• YOLACT

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1 948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。

• 单位
  电子工程学院; 南京林业大学