一种基于深度学习的多平台激光点云交互式单木提取方法

本发明提供一种基于深度学习的多平台激光点云交互式单木提取方法，包括S1、通过点云可视化视图交互框选目标区域，并在目标区域内获取正负样本点用于标注目标前景与背景区域；S2、基于正负样本点构建高斯引导特征图，并与获取的原始点云数据融合，得到融合数据；S3、将融合数据输入深度神经网络模型进行前景与背景的二分类分割，得到初步树木掩码结果；S4、对初步树木掩码结果中的未赋值点进行后处理，采用基于空间邻域的众数投票策略进行标签补全，生成结构完整、语义一致的单木实例掩码结果。本发明能够在交互成本低的前提下实现高精度、高效率的实例级树木分割，适用于森林资源调查与数字林业等多种场景。