买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京数字绿土科技股份有限公司;武汉绿土图景科技有限公司申请的专利林地树干提取方法及装置、模型的训练方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117911868B 。

龙图腾网通过国家知识产权局官网在2025-07-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410098021.5，技术领域涉及：G06V20/10；该发明授权林地树干提取方法及装置、模型的训练方法是由潘博;杨炳伟;张蔷;李令军;张书峰;范金端;颜源;包翔;赵静;黎芳芳;丁鹤松;黄帅;李维良;刘沛然;柳益民设计研发完成，并于2024-01-24向国家知识产权局提交的专利申请。

本林地树干提取方法及装置、模型的训练方法在说明书摘要公布了：本公开提供了一种林地树干提取方法及装置、模型的训练方法，通过基于深度学习的树干点云分割模型，能够自动学习到树干点云与非树干点云的差异性，是高精度的树干点云检测器，能够有效过滤除灌丛和枝叶的干扰，得到高精度的树干点云；同时，本公开自动检测是否是密集树干点云，对于密集密集树干点云，通过预先训练好的相邻树干识别模型，可以将现有方案中将相邻树干识别为单个树干的误检纠正，有效降低漏检，确保了即便在密集树干区域，每个树干的点云也能被有效地单独识别和提取。通过本公开的方案能够从点云数据中精确地分离出树干，提高了树干提取的准确性和效率。

本发明授权林地树干提取方法及装置、模型的训练方法在权利要求书中公布了：1.一种林地树干提取方法，其特征在于，包括： 获取林地区域的地基激光雷达采集数据，并对所述地基激光雷达采集数据进行预处理； 利用预先训练好的树干点云分割模型，对预处理后的地基激光雷达采集数据进行点云分割处理，得到多个树干的树干点云； 利用预设的置信度阈值、预设的树干点云起始高度、预设的树干点云最少点数，对所述树干点云进行去噪处理； 分别对去噪得到的各树干的树干点云在Z轴方向进行分层切片处理，并将切片处理得到的各切片的点云在Z轴方向进行投影，得到各切片分别对应的投影平面； 分别确定各投影平面对应的树干轮廓中心点，并对各树干轮廓中心点在Z轴方向进行密度聚类，确定各树干的树干标记； 利用树干标记和预设阈值，确定非密集树干点云和密集树干点云，并利用相邻树干识别模型确定所述密集树干点云对应的树干数目； 根据树干数目，对所述密集树干点云进行聚类处理，得到所述树干数目个树干对应的新树干点云； 对所述新树干点云和所述非密集树干点云进行后处理操作，得到目标树干点云； 其中，所述分别确定各投影平面对应的树干轮廓中心点，并对各树干轮廓中心点在Z轴方向进行密度聚类，得到各树干的树干标记，包括： 针对各投影平面，将该投影平面中的树干点云赋值为第一预设颜色的像素值，将该投影平面中的非树干点云赋值为第二预设颜色的像素值； 将赋值后的投影平面转换为RGB图像，并利用RGB图像提取树干轮廓； 利用各树干轮廓确定对应的树干轮廓中心点； 对各树干轮廓中心点的坐标在Z轴方向进行密度聚类，得到各树干的树干标记； 其中，树干点云分割模型利用如下步骤训练： 获取地基激光雷达采集的第一样本数据，并对所述第一样本数据进行预处理，得到样本点云数据； 针对每个测量点，根据该测量点的坐标值，确定该测量点对应的球体邻域内的样本点云的数量，并根据所述球体邻域的半径以及所述样本点云的数量，确定该测量点的点云密度特征；其中，所述测量点在所述球体邻域内； 针对每个测量点，根据该测量点对应的球体邻域内的每个样本点云处的激光反射强度，确定该测量点对应的平均激光反射强度； 针对每个测量点，根据该测量点与和它邻近的K个测量点的平均距离，确定该测量点的法向量特征；其中，K是正整数； 利用所述点云密度特征、所述平均激光反射强度、所述法向量特征训练得到树干点云分割模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京数字绿土科技股份有限公司;武汉绿土图景科技有限公司，其通讯地址为：100193 北京市海淀区东北旺北京中关村软件园孵化器2号楼三层2301-2308室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。