TimberVision: 面向自主林业作业中原木组件分割与跟踪的多任务数据集与框架
计算机视觉与模式识别
2026-05-07 v1 机器学习
摘要
木材是一种日益宝贵且多用途的资源。然而，伐木、处理和测量原木等林业作业在偏远环境中仍需要大量人力，存在重大安全风险。逐步自动化这些任务有可能提高效率和安全性，但需要准确检测单个原木以及活树及其上下文。尽管针对这一具有挑战性的应用领域已有初步方法，但专门的数据和算法仍然太少，无法开发稳健的解决方案。为弥补这一差距，我们引入了TimberVision数据集，包含超过2000张带标注的RGB图像，总计51000个树干组件，包括切割面和侧面，在数量和细节上远超该领域任何现有数据集。基于这些数据，我们进行了一系列消融实验，用于定向目标检测和实例分割，并评估了多个场景参数对模型性能的影响。我们引入了一个通用框架，将模型检测到的组件融合为统一的树干表示，用于两个任务。此外，我们自动推导几何属性并应用多目标跟踪以进一步增强鲁棒性。我们的检测和跟踪方法仅从RGB图像数据中提供高度描述性和准确的树干表示，即使在具有挑战性的环境条件下也是如此。我们的解决方案适用于广泛的应用场景，并可轻松与其他传感器模态结合。
引用
@article{arxiv.2501.07360,
title = {TimberVision: A Multi-Task Dataset and Framework for Log-Component Segmentation and Tracking in Autonomous Forestry Operations},
author = {Daniel Steininger and Julia Simon and Andreas Trondl and Markus Murschitz},
journal= {arXiv preprint arXiv:2501.07360},
year = {2026}
}
备注
Accepted at Winter Conference on Applications of Computer Vision (WACV) 2025. Code and dataset available at https://github.com/timbervision/timbervision