Tree and shrub instance segmentation by boundary-aware ecological structural probability analysis

doi:10.1016/j.ufug.2025.129123

Tree and shrub instance segmentation by boundary-aware ecological structural probability analysis

2025-10-27

0

PRE

AI

DOI：10.1016/j.ufug.2025.129123

原文链接

原文求助

摘要

En 中文

从移动激光扫描（MLS）场景中自动进行单木分割（ITS）在生态监测、参数计算和重建方面具有重要意义。此外，它构成了赋能室外机器人系统自主导航、避障和地形绘制的基础能力。然而，传统方法在处理因树冠重叠（主要由枝干干扰引起）导致的复杂边界区分时，面临着繁重的手动分割特征和规则设定问题。本文提出了一种新颖的方法，用于联合提取移动激光扫描点云数据（PCD）中的单木和灌木。首先，我们采用一种融合多特征和双注意力机制的新型语义分割网络，从原始数据中提取树木。随后，为分离离散的树木簇，我们利用德劳内四面体化（Delaunay tetrahedralization）对相邻点进行基于权重的拓扑建模。然后采用欧氏聚类识别树木种子点，从而在分离的簇内实现多木检测，接着按升序高度优先级队列进行骨干点分割和边界点感知。最后，为增强边界点分割的鲁棒性，我们引入生态结构概率来分析相邻树木间边界点的结构特征。在基准数据集上的实验表明，该方法在语义和实例分割方面均表现出优异性能：语义分割达到OA（总体精度）89.16%和mIoU（平均交并比）82.92%，而实例分割的总体精度为95.5%，召回率为97.39%，F1分数为96.41%。与当前最优（SOTA）方法相比，本研究的方法在不同遮挡场景下准确提取树木和灌木方面展现出更优性能。

Tree and shrub instance segmentation by boundary-aware ecological structural probability analysis

摘要

期刊

机构

引用论文