PLANesT-3D：用于3D植物点云分割的新型标注数据集
计算机视觉与模式识别
2025-12-08 v2
摘要
创建新的受欢迎的公开数据集对于3D计算机视觉和机器学习在自动解释3D植物模型方面发挥其全部潜力至关重要。尽管过去十年来针对3D植物模型分割和表型学的深度神经网络架构层出不穷，但数据量和以物种和数据获取方式为单位的多样性仍远不足以评估此类工具的泛化能力。为弥合这一差距，我们介绍了PLANesT-3D；一个新的3D植物彩色点云标注数据集。PLANesT-3D由34个点云模型组成，代表34个真实植物，来自三个不同的植物物种：\textit{Capsicum annuum}、\textit{Rosa kordana}和\textit{Ribes rubrum}。对完整点云进行了关于"叶子"和"茎 stem"的语义标签以及器官实例标签的手动标注。PLANesT-3D通过添加两个新物种的点云以及提供以低成本SfM/MVS技术获取的3D数据（与激光扫描或昂贵设备设置不同），为现有数据集带来了多样性。使用SfM/MVS方式重建的点云存在数据缺失、密度可变和光照变化等挑战。作为额外贡献，我们引入了SP-LSCnet，这是一种结合了无监督超点提取和3D基于点的数值深度学习方法的新型语义分割方法，并在新数据集上进行评估。SP-LSCnet相对于其他深度学习方法具有模块化结构和 increased 可解释性。我们还对PLANesT-3D上的点云测试了两种现有的深度神经网络架构，PointNet++和RoseSegNet，用于语义分割。
引用
@article{arxiv.2407.21150,
title = {PLANesT-3D: A new annotated dataset for segmentation of 3D plant point clouds},
author = {Kerem Mertoğlu and Yusuf Şalk and Server Karahan Sarıkaya and Kaya Turgut and Yasemin Evrenesoğlu and Hakan Çevikalp and Ömer Nezih Gerek and Helin Dutağacı and David Rousseau},
journal= {arXiv preprint arXiv:2407.21150},
year = {2025}
}