基于 RGB 成像的密集森林下植被遮蔽下地形重建
计算机视觉与模式识别
2026-02-03 v2 计算机与社会
新兴技术
图形学
摘要
映射密集森林林冠下方的地形和林下环境对诸如搜救、轨迹绘制、森林清点等众多应用至关重要。现有解决方案依赖专用传感器：要么沉重且昂贵的空中激光雷达，要么 Airborne Optical Sectioning (AOS)，后者使用热合成孔径摄影，专为人体检测而设计。我们提出了一种新方法，用于仅使用常规 RGB 图像重建森林下方的无遮蔽、光影逼真的地面视图。我们的解决方案基于著名的神经光照场（NeRF），这是一种最近的 3D 重建方法。此外，我们包含特定的图像捕获注意事项，这些注意事项决定了成功暴露林下场景所需的照明强度。为更好地应对昏暗的林下环境，我们采用低光 loss。最后，我们提出两种互补方法，通过控制每束射线的积分程序来移除遮蔽林冠元素。为验证我们方法的价值，我们提出了两种可能的下游任务。对于搜救（SAR）任务，我们展示了我们的方法能够实现人体检测，结果优于仅使用 RGB 图像的热 AOS。此外，我们展示了该方法在树木计数等森林清点任务中的潜力。这些结果将我们的方案定位为专用传感器在 SAR、轨�绘制和森林清点任务中的性价比高的替代方案。
引用
@article{arxiv.2601.22861,
title = {Under-Canopy Terrain Reconstruction in Dense Forests Using RGB Imaging and Neural 3D Reconstruction},
author = {Refael Sheffer and Chen Pinchover and Haim Zisman and Dror Ozeri and Roee Litman},
journal= {arXiv preprint arXiv:2601.22861},
year = {2026}
}
备注
WACV 2026 CV4EO