通过像素映射3D重建对树体积的单图像估计:使用深度学习和曲率细分的低成本解决方案

科学领域:

• 林业科学 林业科学
• 计算机视觉 计算机视觉
• 遥感 遥感 遥感 遥感

背景情况:

• 树木测量LiDAR技术是有效的,但成本高且复杂.
• 摄影测量和深度学习的进步为更容易获得的森林测量方法提供了潜力.

研究的目的:

• 开发一个自动化框架,使用基于图像的技术来准确测量树干参数.
• 为森林资源评估提供一种有效和低成本的替代传统方法,如LiDAR.

主要方法:

• 集成SegFormer深度学习模型用于图像细分.
• 树干骨提取和自适应曲率分割算法的实施.
• 使用分段智能的3D重建进行物理单元映射.

主要成果:

• 该框架在单棵树的体积和高度测量中实现了高精度 (2.01%-7.68%的误差).
• 与HMLS方法相比,证明了显著的效率提高 (约6.9倍).
• 通过在北京的四种树种进行广泛的数据收集来验证.

结论:

• 提出的方法为林业调查和树木资源评估提供了一种高效,低成本的解决方案.
• 它显示出在资源限制下需要高精度的监控任务的巨大潜力.
• 这种方法通过克服LiDAR的局限性来推进森林资源评估.