Sapling-NeRF：森林中基于地理位置的树苗重建
机器人学
2026-02-27 v1 计算机视觉与模式识别
摘要
树苗是森林再生和整体森林健康的关键指标。然而，现有 3D 传感方法难以捕捉其细粒度建筑特征，导致定量评估困难。地面激光扫描仪（TLS）、移动激光扫描仪（MLS）或传统摄影测量方法在重建细小树枝、密集植被方面表现不佳，且缺乏适用于长期监测的尺度一致性。神经辐射场（NeRF）和 3D 高斯溶解（3DGS）等隐式 3D 重建方法虽有前景，但无法恢复场景的真实尺度，且缺乏准确地理位置定位手段。本文提出一种将 NeRF、LiDAR SLAM 和 GNSS 融合的管道，实现可重复、地理位置精准的树苗生态监测。该系统提出三层表征：(i) 使用 GNSS 实现粗略的地球坐标系定位，(ii) 基于 LiDAR 的 SLAM 实现厘米级定位与重建，(iii) 基于 NeRF 的对象中心密集重建单个树苗。该方法实现了可重复的定量评估和树苗特征的长期监测。在英国牛津 Wytham 森林和芬兰 Evo 的森林样地实验中，我们的结果表明，茎高、分支模式和叶-木比例的捕捉精度优于 TLS。我们证明了在 0.5m 到 2m 高度范围内，可准确测量茎干骨架和叶分布，为生态学家提供了更丰富的结构和定量数据，以分析森林动态。
关键词
引用
@article{arxiv.2602.22731,
title = {Sapling-NeRF: Geo-Localised Sapling Reconstruction in Forests for Ecological Monitoring},
author = {Miguel Ángel Muñoz-Bañón and Nived Chebrolu and Sruthi M. Krishna Moorthy and Yifu Tao and Fernando Torres and Roberto Salguero-Gómez and Maurice Fallon},
journal= {arXiv preprint arXiv:2602.22731},
year = {2026}
}