CN119516195A 基于神经辐射场的果园三维重建与果树语义分割方法 （华南农业大学）

基于神经辐射场的果园三维重建与果树语于神经辐射场的果园三维重建与果树语义分割视角拍摄，获取用于三维重建的原始图像数据2S32、将步骤S2中预处理后的图像数据集输入步骤S层间损失的复合损失函数对步骤S31中改进的神经辐射场网络模型进行网络训练，进一步S6、三维可视化与渲染：将步骤S4中训练好的改2.根据权利要求1所述的基于神经辐射场的果园三维重建与果树语义分割方法，其特所述输入采样点坐标收缩模块用于减少计算负担并提升建所述多分辨率哈希编码与紧凑MLP架构用于捕捉场景的全所述语义MLP模块用于预测场景中每个点的3.根据权利要求1所述的基于神经辐射场的果园三维重建与果树语义分割方法，其特所述语义损失通过交叉熵损失衡量预测的语义标签与真实标签所述可见性损失通过惩罚训练视角中不可见区域的高密度值，移除场景中的漂浮物，所述失真损失用于惩罚远处点的权重分配，确保权重集中在较所述层间损失用于监督不同层次的体素密度分布，确保透明度估计网4.根据权利要求1所述的基于神经辐射场的果园三维重建与果树语义分割方法，其特3所述利用峰值信噪比用于衡量生成图像与真实图像之所述结构相似性指数用于评估图像结构信息的保真度，反映重总像素准确率：计算所有像素中预测正确的像素比例45失和层间损失的复合损失函数对步骤S31中改进的神经辐射场网络模型进行网络训练，进6[0041]图1为本发明基于神经辐射场的果园三维重建与果树语义分割方法整体结构流程[0042]图2为本发明基于神经辐射场的果园三维重建与果树语义分割方法预处理步骤流[0043]图3为本发明基于神经辐射场的果园三维重建与果树语义分割方法神经辐射场网[0044]图4为本发明基于神经辐射场的果园三维重建与果树语义分割方法输入采样点坐[0045]图5为本发明基于神经辐射场的果园三维重建与果树语义分割方法多分辨率哈希[0046]图6为本发明基于神经辐射场的果园三维重建与果树语义分割方法透明度估计网[0047]图7为本发明基于神经辐射场的果园三维重建与果树语义分割方法的实际作业系JinyongWu通过无人机拍摄棉花照片构建了密集点云，从而能够动态监测棉花冠层参数，Zhang等人改进了NeRF的场景重建与渲染方法，在草莓种植棚中实现了针对不同规模场景7[0051]本发明提供一种技术方案：基于神经辐射场的果园三维重建与果树语义分割方[0057]多分辨率哈希编码与紧凑MLP架构：使用多分辨率哈希编码对输入坐标进行多尺失和层间损失的复合损失函数对步骤S31中改进的神经辐射场网络模型进行网络训练，进8素准确率指标对步骤S32中三维重建和语义分割结果进行性能评估，其中三维重建性能评9[0086]请参阅图1_6，本发明还提供基于神经辐射场的果园三维重建与果树语义分割方长为2的正方体内的样本保持不变，而正方体外的采样点则被压缩至边长为4的正方体中，失和层间损失的复合损失函数对步骤S31中改进的神经辐射场网络模型进行网络训练，进i个像素在第k类上的真实标签(为one_hoLnis=ziv(xi)o(xi)(4)素准确率指标对步骤S32中三维重建和语义分割结果进行性能评估，其中三维重建性能评[0141]本发明还提供了如下对比实验，其中表1为本发明在三维重建方面与其它NeRF类