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！

龙图腾网获悉广东技术师范大学申请的专利基于视角变换与密集点云的水稻植株分割方法及系统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：CN119379712B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202411394758.8，技术领域涉及：G06T7/11；该发明授权基于视角变换与密集点云的水稻植株分割方法及系统是由张鹏;唐宇;黄华盛;周子滨;徐嘉俊;侯至丞设计研发完成，并于2024-10-08向国家知识产权局提交的专利申请。

本基于视角变换与密集点云的水稻植株分割方法及系统在说明书摘要公布了：本发明公开了一种基于视角变换与密集点云的水稻植株分割方法及系统，包括：利用无人机载激光雷达系统对水稻田进行扫描，获取水稻冠层的密集点云；采用俯视角度对密集点云进行角度变换处理，获取密集点云在俯视角度的二维图像；计算密集点云到二维图像的单应性矩阵，建立三维点云与二维图像之间的精确映射关系；对于二维图像，采用区域标记法进行水稻植株的分割标记，以实现水稻植株在二维平面上的精确分割与个体标记；利用三维点云与二维图像的映射关系，为点云中的每个点赋予相应的区域标记编号，进而得到整个密集点云的水稻植株分割结果。本发明实现了高精度的水稻植株分割，为水稻精准农业管理和表型分析提供了更加可靠和高效的技术支持。

本发明授权基于视角变换与密集点云的水稻植株分割方法及系统在权利要求书中公布了：1.基于视角变换与密集点云的水稻植株分割方法，其特征在于，包括： S1、利用无人机载激光雷达系统对水稻田进行扫描，获取水稻冠层的密集点云； S2、采用俯视角度对所述密集点云进行角度变换处理，获取所述密集点云在俯视角度的二维图像；其中，所述俯视角度为垂直向下，以最大化植株间的可分性，包括： S201、基于主成分分析方法，确定密集点云的主要平面，计算点云的协方差矩阵C： 式中，是点云中的第个点，是点云的质心，N是点云数量； S202、利用协方差矩阵C计算主要平面的法向量： 对协方差矩阵C进行特征值分解； 选择对应最小特征值的特征向量作为主要平面的法向量； 将法向量作为初始俯视方向； 如果法向量与垂直方向的夹角超过预设阈值，则进行以下优化： 采用迭代平面拟合算法；设定最大迭代次数和收敛阈值；迭代过程：筛选点集、重新计算协方差矩阵和更新法向量；当满足收敛条件或达到最大迭代次数时停止；最终优化后的法向量作为确定的俯视方向； S203、根据确定的俯视方向，对密集点云进行坐标变换，具体如下： 计算旋转矩阵，将法向量旋转至与轴平行； 对点云中的应用该旋转矩阵；其中，设为法向量，为Z轴单位向量，利用四元数或欧拉角方法计算旋转矩阵，使得； 计算变换后点云的边界框，确定新的坐标原点； 对点云进行平移，使其边界框中心与新坐标原点重合； S204、将坐标变换后的点云投影到水平面上，生成二维栅格图像，其中每个栅格的值由落入该栅格的点的数量或高度统计值决定，具体如下： 确定栅格大小，设置为点云平均间距的1-2倍； 创建空白栅格图像，大小覆盖整个点云投影区域； 对每个点，计算其在栅格图像中的位置； 更新栅格值，选择的统计量有最大高度、平均高度或点数密度； 对生成的栅格图像进行归一化处理，将像素值映射到0-255范围内； S205、对生成的二维栅格图像进行后处理，以增强图像质量和可分析性，具体如下： 应用高斯滤波去除噪声； 使用自适应直方图均衡化增强对比度； 采用形态学操作去除小的孤立区域； S206、将处理后的二维栅格图像保存为常用图像格式，并记录图像的地理参考信息，以便与原始点云数据保持一致性； S207、引入自适应多尺度点云降采样算法，根据局部点云密度动态调整体素大小； 式中，为可调节参数，用于平衡降采样效率和保留细节； S208、应用主成分分析增强点云结构特征 S3、计算所述密集点云到二维图像的单应性矩阵，建立三维点云与二维图像之间的精确映射关系； S4、对于所述二维图像，采用区域标记法进行水稻植株的分割标记，以实现水稻植株在二维平面上的精确分割与个体标记； S5、利用所述三维点云与二维图像的映射关系，为点云中的每个点赋予相应的区域标记编号，进而得到整个密集点云的水稻植株分割结果。

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广东技术师范大学，其通讯地址为：510665 广东省广州市天河区中山大道西293号；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”。

以上内容由龙图腾AI智能生成。