基于神经辐射场(NeRF)方法的图像单木点云评估
计算机视觉与模式识别
2023-12-07 v1
摘要
树木的三维（3D）重建一直是精准林业管理与研究中的关键任务。由于树木自身复杂的枝条形态结构以及树干、树枝和树叶的遮挡，传统摄影测量方法难以从二维图像重建完整的立体树木模型。本研究基于以不同方式由多种相机采集的树木图像，采用神经辐射场（NeRF）方法进行单木重建，并将导出的点云模型与源于摄影测量重建和激光扫描方法的点云进行比较。结果表明，NeRF方法在单木三维重建中表现良好，具有更高的重建成功率、在树冠区域更好的重建效果，且所需输入图像数量更少。与摄影测量重建方法相比，NeRF在重建效率上具有显著优势，且适应复杂场景，但生成的点云往往含有噪声且分辨率低。从摄影测量点云提取的树木结构参数（树高和胸径）的精度仍高于从NeRF点云提取的精度。本研究结果展示了NeRF方法在单木重建中的巨大潜力，并为复杂森林场景的三维重建与可视化提供了新思路与研究方向。
引用
@article{arxiv.2312.03372,
title = {Evaluating the point cloud of individual trees generated from images based on Neural Radiance fields (NeRF) method},
author = {Hongyu Huang and Guoji Tian and Chongcheng Chen},
journal= {arXiv preprint arXiv:2312.03372},
year = {2023}
}
备注
25 pages; 6 figures