研究目的
开发一种从道路场景的移动激光扫描(MLS)数据中自动识别树木及其树干的方法,以应对遮挡、部分重叠以及树木形状和大小各异等挑战。
研究成果
该方法能从复杂道路场景的移动激光扫描数据中有效识别树木及其树干,在完整性、正确性和F1值指标上均达到高精度。该方法对遮挡、部分重叠以及不同树形树冠具有鲁棒性。未来工作将聚焦于改进重叠树枝的分离处理,以及基于移动激光扫描数据的自动树木测量。
研究不足
该方法可能无法有效区分树冠完全淹没或因遮挡导致树干缺失的树木。此外,树干生长连在一起的树木可能会被识别为一棵树。
1:实验设计与方法选择:
研究采用两阶段自底向上的搜索方法,在归一化MLS数据划分形成的圆柱体内进行?;谙咝院褪莘植纪市允侗鹗鞲桑婧罄媒舸斩戎甘椭岫猿菩约焖魇鞴?。
2:样本选择与数据来源:
使用来自两个不同道路测试点(具有不同点间距)的MLS数据集,这些数据集通过StreetMapper 360移动激光扫描系统采集。
3:实验设备与材料清单:
StreetMapper 360移动激光扫描系统,包含两台RIEGL VQ-250激光扫描仪、一台数码相机,以及配备光纤陀螺惯性测量单元、GNSS和直接惯性辅助的定位定向系统(POS)。
4:实验流程与操作步骤:
该方法包括数据预处理(地面点去除、归一化)、数据圆柱体划分、树干检测和树冠检索。通过基于CUDA的并行计算实现流程以最小化运行时间。
5:数据分析方法:
采用完整性、正确率和F1值等性能指标验证方法有效性,在两个复杂度不同的测试点MLS数据上进行了测试。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容