UE5-Forest：用于无人机林业深度估计的逼真合成立体数据集
计算机视觉与模式识别
2026-03-30 v2
摘要
在林业环境中，密集的真实视差图实际上难以获取，其中细密的交叠枝条和复杂的冠层几何结构使传统深度传感器失效——这对于训练用于自主无人机修剪的监督立体匹配网络是一个关键瓶颈。我们提出了UE5-Forest，一个完全在虚幻引擎5（UE5）中构建的逼真合成立体数据集。来自Quixel Megascans库的115棵摄影测量扫描树木被放置在虚拟场景中，并由模拟立体拍摄装置捕获，其内参——63 mm基线、2.8 mm焦距、3.84 mm传感器宽度——复现了安装在无人机上的ZED Mini相机。在每个树周围最多2 m范围内，沿三个仰角带（水平、+45度、-45度）轨道拍摄，生成5,520对经校正的1920×1080立体图像对，并带有像素级精确的视差标签。我们提供了数据集的统计特征描述——涵盖视差分布、场景多样性和视觉保真度——以及与真实世界Canterbury Tree Branches图像的定性比较，确认了渲染数据的逼真质量和几何合理性。该数据集将公开发布，为社区提供一个可直接使用的基准和训练资源，用于基于立体的林业深度估计。
引用
@article{arxiv.2603.15304,
title = {UE5-Forest: A Photorealistic Synthetic Stereo Dataset for UAV Forestry Depth Estimation},
author = {Yida Lin and Bing Xue and Mengjie Zhang and Sam Schofield and Richard Green},
journal= {arXiv preprint arXiv:2603.15304},
year = {2026}
}