期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
TreeConT网络:基于单木垂直结构优化的无人机点云树种分类方法 认领 引用
1
作者 杨健 罗宾汉 +3 位作者 万惠炀 史硕 杜霖 王澳 《地球信息科学学报》 EI CAS CSCD 北大核心 2026年第5期1459-1477,共19页
【目的】单木尺度树种分类可为森林资源调查与稀有/保护树种监测提供关键数据支撑,但无人机激光雷达(ULS)单木点云常呈现“冠层高密—树干低密”的垂直密度异质性,导致常规下采样易对冠层过采样、削弱树干等关键低密度结构信息。【方法... 【目的】单木尺度树种分类可为森林资源调查与稀有/保护树种监测提供关键数据支撑,但无人机激光雷达(ULS)单木点云常呈现“冠层高密—树干低密”的垂直密度异质性,导致常规下采样易对冠层过采样、削弱树干等关键低密度结构信息。【方法】以SYSSIFOSS项目在德国12块1 hm²样地获取的ULS点云为研究对象,数据采集覆盖2019年8—9月、2020年12月与2021年3—4月多个物候阶段,原始点云密度约797~1554 pts/m²;在去噪、地面点滤波与单木分割后,构建11类树种单木分类数据集TreeNetXplorer(共18749株单木点云样本,其中训练/验证/测试分别为11175/3,637/3937,约6:2:2),训练阶段统一输入点数为4096,并采用绕Z轴旋转与尺度缩放增强。【结果】在PyTorch平台下,以OA、Kappa与Macro-F1等指标评估,并与PointNet++、DGCNN、PointTransformer、PointNeXt、PointMLP、Mamba3D、PointConT等方法对比。结果表明,TreeConT在11类任务中取得OA=93.12%、Macro-F1=91.66%、Kappa=0.9207,优于强基线PointConT(OA=91.31%、Kappa=0.9000)。受控对比进一步显示,仅替换网络内部逐层下采样策略(FPS→Tree-FPS)即可降低若干易混类别的混淆,例如CarBet的召回率由53.82%提升至66.18%。特征消融实验表明,强度特征与几何描述子均能提升性能,且xyz+DA1-DA3+强度的组合获得最优OA=93.12%,相比仅xyz(OA=78.85%)提升14.27%。【结论】通过引入垂直结构感知的Tree-FPS逐层下采样机制,并融合几何描述子与强度特征增强输入表征,TreeConT能更充分保留树干-树冠纵向结构线索,从而有效提升混交林条件下的单木点云树种分类性能。 展开更多
关键词 树种分类 无人机激光雷达(ULS) 单木点云 Tree-FPS 垂直分层采样 强度特征 几何描述子
暂未订购 下载PDF
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈