NormalView：基于几何投影的无感知树种分类方法，从背包式激光扫描仪和航空激光数据中进行
计算机视觉与模式识别
2025-12-08 v1
摘要
激光扫描已被证明是评估森林环境分解构成的不可或缺工具。移动激光扫描（MLS）被证明对于实现极其精确的树木层级清查具有高度前景。本研究提出了 NormalView，一种基于投影的感知器件无关的深度学习方法，用于从点云数据中对树种进行分类。NormalView 将局部几何信息嵌入两种维投影中，以法向向量估计的形式，并将这些投影作为图像分类网络（YOLOv11）的输入。此外，我们检查了多光谱辐射强度信息对分类性能的影响。我们在高密度 MLS 数据（7 种树 species，约 5000 pts/m^2）以及高密度航空激光扫描（ALS）数据（9 种树 species，>1000 pts/m^2）上进行训练和测试。在 MLS 数据上，NormalView 实现了整体准确率（宏平均准确率）为 95.5%（94.8%），在 ALS 数据上为 91.8%（79.1%）。我们发现，来自多个扫描仪的强度信息对树种分类具有益处，而在多光谱 ALS 数据集上，最佳模型是使用来自该多光谱 ALS 三个通道强度信息的模型。本研究表明，投影方法若增强了几何信息并结合了最先进的图像分类骨干网络，可实现卓越的效果。关键的是，这些方法是感知器件无关的，仅依赖于几何信息。此外，我们公开发布了本研究中使用的 MLS 数据集。
引用
@article{arxiv.2512.05610,
title = {NormalView: sensor-agnostic tree species classification from backpack and aerial lidar data using geometric projections},
author = {Juho Korkeala and Jesse Muhojoki and Josef Taher and Klaara Salolahti and Matti Hyyppä and Antero Kukko and Juha Hyyppä},
journal= {arXiv preprint arXiv:2512.05610},
year = {2025}
}
备注
19 pages, 8 figures