无人机倾斜摄影和深度学习算法的单树点云分割方法研究

论文题目：Research on a Single-Tree Point Cloud Segmentation Method Based on UAV Tilt Photography and Deep Learning Algorithm

Abstract

从大量的点云数据中开发出针对单棵树的鲁棒点云分割算法对于跟踪树的变化具有重要意义。该方法可以测量单个树木的大小、生长和死亡率，以跟踪和了解森林碳储存和变化。传统的测量方法不仅速度慢，而且滞后。为了更好更快地获取森林信息，本文重点关注两个方面：一是利用无人机获取森林的多视点遥感影像，然后利用struct from motion算法构建森林稀疏点云和patch-based MVS算法构建密集点云。二是提出了一种目标点云深度学习方法来提取单棵树的点云。研究结果表明，深度学习方法的单树点云分割准确率在90%以上，准确率远优于传统的平面图像分割和点云分割。点云数据采集与无人机遥感和点云深度学习算法相结合，可以满足林业调查的需求。不可否认，这种方法作为一种林业调查工具，具有很大的推广空间和未来发展的可能。

Index Terms：高效的深度学习算法，林业，匹配点云，树分割，无人机。

I. INTRODUCTION

森林是陆地上分布最广、结构最复杂、生物量最丰富的自然生态资源。森林被称为地球之肺，对整个地球生态的稳定发挥着巨大的作用。随着工业化的快速发展，森林砍伐应运而生，森林的保护与可持续发展已成为重要话题[1 ]。了解森林信息是森林保护的第一步。因此，了解如何立即准确地测量树木信息尤为重要[2]。特别是在大数据和信息化的背景下，我们需要找到一种快速、准确地获取林地信息的方

这篇好文章是转载于：学新通技术网