基于深度学习的人工林地面激光扫描点云立木特征参数提取方法-Toy模板网

这篇具有很好参考价值的文章主要介绍了基于深度学习的人工林地面激光扫描点云立木特征参数提取方法。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

Paper题目：A Deep Learning-Based Method for Extracting Standing Wood Feature Parameters from Terrestrial Laser Scanning Point Clouds of Artificially Planted Forest

Abstract

利用基于三维点云的技术量化立木和立木参数，可以在林业生态效益评估和立木培育和利用中发挥关键作用。随着光探测与测距（LiDAR）扫描等三维信息获取技术的进步，可以更高效地获取大面积、复杂地形的树木林分信息。然而，由于森林地面的多样性、树木形态的多样性，以及林业经常种植为大规模人工林的事实，有效地分割人工种植的森林点云并提取立木特征参数仍然是一个相当大的问题。挑战。在这项工作中提出了一种基于能量分割和 PointCNN 的有效方法来解决这个问题。该网络通过几何特征平衡模型 (GFBM) 增强了学习点云特征的能力，从而能够从户外环境中地面激光扫描 (TLS) 收集的林业点云数据中有效地分割树木点云。然后利用3D Forest软件得到语义分割后的单木点云，最后利用提取的单木点云利用TreeQSM提取立木特征参数。点云语义分割方法是我们研究中最重要的部分。根据我们的发现，该方法可以分割两个不同人工种植的林地点云的数据集，整体精度为 0.95，树木分割精度为 0.93。与人工测量相比，两个数据集中树高的均方根误差 (RMSE) 分别为 0.30272 和 0.21015 m，胸径的 RMSE 分别为 0.01436 和 0.01222 m。我们的方法是一个基于深度学习的稳健框架，适用于林业，用于提取人工种植树木的特征参数。解决了人工种植树木中树木点云的分割问题，为树木信息提取、树干形状分析等提供了可靠的数据处理方法。

Keywords࿱文章来源地址https://www.toymoban.com/news/detail-451844.html

到了这里，关于基于深度学习的人工林地面激光扫描点云立木特征参数提取方法的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！