基于强度和几何信息的树木点云木叶分类
计算机视觉与模式识别
2021-08-03 v1
摘要
地面激光扫描（TLS）可以获取高精度、高密度的树木点云。高效分类木质点和叶片点对于研究树木结构参数和生态特性至关重要。通过同时利用强度和空间信息，提出了一种三步分类与验证方法，以实现自动化的木叶分类。树木点云依次通过强度阈值、邻域密度和体素化被分类为木质点和叶片点。实验在北京海淀公园进行，使用RIEGL VZ-400扫描仪扫描了24棵树。使用所提出的方法处理了树木点云，并将其分类结果与作为标准结果的人工分类结果进行了比较。为了评估分类精度，实验中使用了三个指标：总体精度（OA）、Kappa系数（Kappa）和马修斯相关系数（MCC）。所提方法的OA、Kappa和MCC的范围分别为0.9167至0.9872、0.7276至0.9191和0.7544至0.9211。OA、Kappa和MCC的平均值分别为0.9550、0.8547和0.8627。还记录了木叶分类的时间成本以评估算法效率。平均处理时间为每百万点1.4秒。结果表明，基于实验数据集，所提出的方法在木叶分类上表现良好，且自动、快速。
引用
@article{arxiv.2108.01002,
title = {Wood-leaf classification of tree point cloud based on intensity and geometrical information},
author = {Jingqian Sun and Pei Wang and Zhiyong Gao and Zichu Liu and Yaxin Li and Xiaozheng Gan},
journal= {arXiv preprint arXiv:2108.01002},
year = {2021}
}