《表2 点云分割结果评估：基于Mask-RCNN的树上苹果点云分割》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于Mask-RCNN的树上苹果点云分割》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

实际上，本文中点云的分割结果评价直接反映了MaskRCNN对于RGB图像分割的效果。由表2可以看出，在阳光和阴影两种条件下，基于Mask-RCNN的点云分割算法的重叠率均高于96%，且不准确率较低，如图4所示，最终点云的纯净度均大于97%，这不仅直接反映了Mask-RCNN在分割RGB图的准确性和鲁棒性很好，还同时验证了本文Kinect点云融合模型的合理性。因此，依靠本文“图像分割-点云映射”方法分割所得到的点云在进一步的数据分析中，具有可靠的数据潜力和准确性，将在空间定位和表面法向量分析两方面为后续的果实自动采摘提供有效的决策信息。同时，由于彩色图中苹果目标的像素数占比较小，在点云分割的过程中，不需要消耗大量的运算时间，并且其运算时间略优于传统的ExG阈值分割方法。