基于航空LiDAR三维点云的植被层 occupancy 预测
计算机视觉与模式识别
2021-12-28 v1
摘要
我们提出一种基于深度学习的新方法,用于从空中平台采集的三维点云估计植被层占用率。我们的模型预测三个植被层(下层、中层和上层)的栅格化占用图。我们的训练方案使网络仅以圆柱样方上聚合的值作为监督,这比逐像素或逐点标注更易制作。我们的方法在精度上优于手工设计与深度学习基线,同时提供可视化且可解释的预测。我们提供了方法的开源实现以及包含199个农业样方的数据集,用于训练和评估占用回归算法。
引用
@article{arxiv.2112.13583,
title = {Vegetation Stratum Occupancy Prediction from Airborne LiDAR 3D Point Clouds},
author = {Ekaterina Kalinicheva and Loic Landrieu and Clément Mallet and Nesrine Chehata},
journal= {arXiv preprint arXiv:2112.13583},
year = {2021}
}