研究人员开发了一种名为 3D Forest Super Resolution (3DFSR) 的深度学习模型，以增强机载激光扫描 (ALS) 点云，从而实现更准确的森林清单。这种基于体素的、具有 U-Net 架构的 CNN 提高了点密度并减少了 ALS 数据中的噪声，从而改善了树干定位和尺寸估算。实验表明，与传统方法相比，树干检测 F1 分数和胸径 (DBH) 估算精度有了显著提高。 AI
影响 提高了从稀疏 LiDAR 数据进行森林清单和树木测量的准确性。
排序理由 该集群包含一篇 arXiv 预印本，详细介绍了用于点云超分辨率的新深度学习模型。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.02201v1 Announce Type: new Abstract: Airborne Laser Scanning (ALS) can collect point clouds across large areas, enabling large-scale forest inventory. However, ALS point clouds are sparse and noisy, resulting in inaccurate individual-tree-level forest inventory, such a…
Airborne Laser Scanning (ALS) can collect point clouds across large areas, enabling large-scale forest inventory. However, ALS point clouds are sparse and noisy, resulting in inaccurate individual-tree-level forest inventory, such as stem localization and tree size estimation. To…