在足够密集的机载激光扫描点云中可实现林下木的准确分割
计算机视觉与模式识别
2017-08-04 v2 计算几何
摘要
可以对大面积森林区域的机载激光扫描（LiDAR）点云进行处理，以分割单木并随后提取单木级别的信息。现有的分割方法通常能检测到 90% 以上的林冠木，但由于上层林冠的遮挡效应，它们对林下木的检测率勉强达到 60%。尽管林下木的经济价值有限，但它们通过为众多野生动物物种提供栖息地并影响林分发育，成为生态系统功能的重要组成部分。在此，我们以点密度为变量对遮挡效应进行建模。我们估算了代表不同林冠层（一个林冠层和多个林下层）的点比例，并明确了实现合理单木分割（准确率达到平台期）所需的密度。我们表明，在约 170 pt/m-sqr 的密度下，林下木有可能被分割得与林冠木一样准确。鉴于 LiDAR 传感器技术的进步，点云将以可负担的成本达到这一所需密度。利用面向大数据的现代计算方法，可以高效处理更密集的点云，最终实现对森林资源的精确遥感量化。该方法也可应用于其他类似的遥感或高级成像应用，例如地质地下建模或生物医学组织分析。
引用
@article{arxiv.1702.06188,
title = {Forest understory trees can be segmented accurately within sufficiently dense airborne laser scanning point clouds},
author = {Hamid Hamraz and Marco A. Contreras and Jun Zhang},
journal= {arXiv preprint arXiv:1702.06188},
year = {2017}
}
备注
arXiv admin note: text overlap with arXiv:1701.00169