55、城市机载点云中树木识别：3D单阶段检测器的应用

城市机载点云中树木识别：3D单阶段检测器的应用

1. 背景与意义

城市植被管理对于城市管理部门愈发重要。树木和灌木等中高植被对当地气候和生活质量有积极影响，但全球变暖使植被面临更大压力，需要更多维护。城市管理部门通常使用专门系统管理绿地，树木管理尤为重要，常记录在特殊的树木登记簿中，但这些数据库通常仅涵盖公共土地或街道旁的树木，因此利用遥感技术进行自动测绘具有特殊意义。

2. 现有树木检测方法

• 基于ALS的方法 ：在林业中，从机载激光扫描（ALS）进行树木检测和划分是一个研究较多的问题。常见方法利用树冠高度模型（CHM），通过搜索归一化数字表面模型（nDSM）中的局部最大值来检测单棵树木，使用分水岭分割或区域生长等分割方法进行划分。在城市地区，基于CHM的方法需要过滤非树木区域以减少误报，可通过多光谱图像的植被指数（如NDVI）和点云的几何特征实现。此外，ALS传感器发射的激光束能够部分穿透树木和灌木丛等较高植被并记录多个回波，从而在ALS点云中形成植被的特征表示。
• 其他数据的应用 ：除了ALS点云，也有其他数据用于城市树木检测。例如，利用移动测绘系统（MMS）的高密度点云，基于特征值特征将其分为树木或非树木点，然后使用二维均值漂移分割分离单棵树木，但MMS只能覆盖街道层面可见的树木，且其数据与ALS等机载数据有不同的先决条件。还有工作将街道级和航空RGB图像的Faster - RCNN深度学习目标检测器的检测结果相结合。

3. 深度学习在树木检测中的应用现状

深度学习在许多研究领域取得了进展，特别是计算机