基于虚拟遥感与度量尺度 Feed-Forward 3D 重建的快速森林燃料负荷估计
计算机视觉与模式识别
2026-05-12 v1
摘要
准确量化森林覆盖率和可燃生物量 (燃料负荷) 对野火风险评估和生态系统管理至关重要。然而，传统方法依赖空中激光 LiDAR 或现场调查，成本高昂且耗时，而卫星图像往往缺乏所需的垂直分辨率进行树冠体积分析。本文提出了一种新型自动化管道，用于通过来自 Google Earth Studio (GES) 的虚拟遥感数据进行快速森林清点。我们的方法首先为目标区域生成低轨道 imagery 和相机姿态。对于密集 3D 重建，我们采用 Pi-Long，该模型是在 VGGT-Long 框架中开发的。该模型是 Pi-3 feed-forward Transformer 架构的一个可扩展版本。为解决单目重建中固有的尺度歧义，我们引入一个度量恢复模块，通过 Sim(3) Umeyama 优化将重建轨迹与 GES 地面真值姿态对齐。随后将度量尺度点云正交投影到鸟瞰视角 (BEV) 高度和密度图中。最后，我们采用基于流水线的分割算法结合高度方差分析来分类树种 (阔叶林 vs 针叶林)，计算叶面指数 (LAI)，并估计总燃料负荷。实验结果表明，该管道为物理扫描提供了一个可扩展且成本效益高的替代方案，使我们能够以高几何一致性实现近实时估计森林生物量。
引用
@article{arxiv.2605.10789,
title = {Rapid Forest Fuel Load Estimation via Virtual Remote Sensing and Metric-Scale Feed-Forward 3D Reconstruction},
author = {Quanyun Wu and Kyle Gao and Wentao Sun and Zhengsen Xu and Hudson Sun and Linlin Xu and Yuhao Chen and David A. Clausi and Jonathan Li},
journal= {arXiv preprint arXiv:2605.10789},
year = {2026}
}
备注
Accepted for publication at IEEE IGARSS 2026