树状定位：基于紧凑数字森林目录的森林中稳健的 6 自由度激光雷达定位

可靠的定位对于可持续森林管理至关重要，因为它允许机器人或传感系统在长期内回访并监测单个树木的状态。在现代森林管理中，这种管理结构围绕数字森林目录（DFI）进行，其编码了利用紧凑几何属性而非原始数据的树干。尽管 DFIs 在定位研究中占据核心地位，但大多数方法仍依赖昂贵存储和维护的大容量点云。为改进这一局面，我们提出了 TreeLoc++，一个直接在 DFIs 上 operate 的全局定位框架，作为判别性表示，消除了对原始点云的需求。TreeLoc++ 在结构模糊的森林中减少了错误匹配，提高了完整 6 自由度姿态估计的可靠性。它通过编码局部树木布局背景的两两距离直方图来增强粗略检索，然后通过基于 DBH 的过滤和偏航一致的内样本选择来细化候选者，以进一步减少匹配错误。此外，受约束的优化利用树木几何共同估计 roll、pitch 和高度，从而增强姿态稳定性，实现无需依赖稠密 3D 点云数据的精确定位。在三个数据集和四个国家记录的 27 组序列上的评估表明，TreeLoc++ 实现了亚米级精确定位。我们进一步展示了针对 2023 年数据构建的目录，对 2025 年记录的数据进行定位的鲁棒性，跨越两年间隔。该系统仅使用 250KB 的地图数据表示 15 个会话和 7.98 km 的轨迹，并且优于依赖点云地图的手工制作和基于学习的基线方法。这表明 TreeLoc++ 适用于长期部署的可扩展性。