近期,西北农林科技大学杨会君教授团队在复杂结构植株点云去噪研究取得新进展,研究成果以《BDNet: a deep learning-based point cloud denoising network for Brassica rapa》为题发表于国际刊物《Information Sciences》(新锐1区,TOP)。西北农林科技大学史涵哲、深圳市农业科技促进中心陈子晟为共同第一作者,杨会君教授为通讯作者,西北农林科技大学为第一单位,深圳市农业科技促进中心为第二单位。 高质量植物三维点云是开展作物表型分析和器官分割的重要数据基础。然而,受设备分辨率、光照条件及植株复杂结构等因素影响,实际获取的白菜薹点云往往存在噪声干扰。传统去噪方法对参数设置较为敏感,现有经典深度学习方法应用于复杂植株结构时又容易造成叶片、茎秆等局部结构细节丢失。因此,如何在有效去除噪声的同时保持植株原有结构,是复杂植物点云处理面临的重要问题。为解决这一问题,该研究提出了一种基于堆叠多头注意力机制和局部偏移特征的点云去噪网络BDNet。网络通过堆叠多头注意力模块捕获点云上下文信息,增强模型对植株复杂空间结构的感知能力;同时利用局部偏移特征模块提取邻域点之间的空间几何关系,并融合两类特征预测点位移,实现噪声点位置校正,在去除噪声的同时尽可能保持植株原有结构特征,为后续白菜薹点云分析、器官分割及表型研究提供可靠的数据基础。 原文链接://www.sciencedirect.com/science/article/pii/S0020025526000034


