fish小余儿-CSDN博客

原创 PointMixer: MLP-Mixer for Point Cloud Understanding

MLP-Mixer 最近崭露头角，成为对抗CNNs和Transformer领域的新挑战者。尽管相比Transformer更为简单，但通道混合MLPs和令牌混合MLPs的概念在图像识别任务中取得了显著的性能。与图像不同，点云本质上是稀疏、无序和不规则的，这限制了直接将MLP-Mixer用于点云理解。为了克服这些限制，我们提出了PointMixer，这是一个通用的点集操作符，促进在非结构化的3D点云之间共享信息。

2024-01-16 20:54:08 235 1

原创 Point Transformer

自注意力网络已经在自然语言处理领域取得了革命性的进展，并在图像分析任务（如图像分类和目标检测）中取得了令人瞩目的成就。受到这一成功的启发，我们研究了将自注意力网络应用于三维点云处理的可能性。我们设计了针对点云的自注意力层，并利用这些层构建了用于语义场景分割、对象部分分割和对象分类等任务的自注意力网络。我们的Point Transformer设计在不同领域和任务上都取得了改进。

2024-01-16 16:50:29 111

原创 MLP-Mixer: An all-MLP Architecture for Vision

在计算机视觉领域，卷积神经网络（CNNs）是首选的模型。最近，基于注意力机制的网络，如Vision Transformer，也变得流行起来。在这篇论文中，我们展示了卷积和注意力虽然都足以实现良好的性能，但它们两者都不是必需的。我们提出了MLP-Mixer，这是一种仅基于多层感知机（MLPs）的架构。MLP-Mixer包含两种类型的层：一种是独立应用于图像块的MLPs（即“混合”每个位置的特征），另一种是跨图像块应用MLPs（即“混合”空间信息）。

2024-01-15 16:05:36 271

原创 Superpoint Transformer for 3D Scene Instance Segmentation

现有的大多数方法通过扩展用于3D物体检测或3D语义分割的模型来实现3D实例分割。然而，这些非直接的方法存在两个缺点：1) 不精确的边界框或不令人满意的语义预测限制了整体3D实例分割框架的性能。2) 现有方法需要一个耗时的中间聚合步骤。为了解决这些问题，本文提出了一种基于Superpoint Transformer的全新端到端3D实例分割方法，命名为SPFormer。它将点云中的潜在特征组合成超点，并通过查询向量直接预测实例，而不依赖于物体检测或语义分割的结果。

2024-01-12 11:15:39 427

原创 Divide and Conquer: 3D Point Cloud Instance Segmentation With Point-Wise Binarization

点云上的实例分割对于三维场景理解至关重要。大多数最先进的方法采用距离聚类，这通常是有效的，但在对具有相同语义标签的相邻对象进行分割时表现不佳（特别是当它们共享相邻点时）。由于偏移点分布不均匀，这些现有方法几乎无法聚类所有实例点。为此，我们设计了一种新颖的分治策略，命名为PBNet，该策略将每个点二值化并分别进行聚类以进行实例分割。我们的二值聚类将偏移实例点划分为两类：高密度点（HPs）和低密度点（LPs）。通过删除LPs，相邻对象可以清晰地分开，然后通过邻居投票方法对LPs进行分配来完成和细化。

2024-01-09 20:40:01 715

原创 Road-Side Individual Tree Segmentation from Urban MLS Point Clouds Using Metric Learning

作为城市空间的重要组成部分之一，过时的路边树木清单可能会误导管理人员对城市环境的评估和升级，潜在影响城市道路质量。因此，从城市点云中自动准确地实例分割路边树木是城市生态研究中的重要任务。然而，先前的研究表明，由于重叠、不规则形状和不完整性，对于路边树木的分割存在欠分割或过分割的效果。本文提出了一种结合语义分割和实例分割的深度学习框架，用于从车载移动激光扫描（MLS）点云中提取单个路边树木。在语义分割阶段，通过过滤地面点来减少处理时间。随后，开发了一种基于图的语义分割网络，用于从原始MLS点云中分割路边树点。

2023-06-16 16:50:45 526

原创 LidarMultiNet：在单个多任务网络中统一LiDAR语义分割、三维目标检测和全景分割

这份技术报告介绍了2022年Waymo开放数据集3D语义分割挑战赛的第一名获奖解决方案。我们的网络称为LidarMultiNet，将主要的LiDAR感知任务（例如3D语义分割、目标检测和全景分割）统一在一个框架中。LidarMultiNet的核心是一个强大的基于3D体素的编码器-解码器网络，它具有一个新颖的全局上下文池 (GCP) 模块，可从LiDAR帧中提取全局上下文特征以补充其局部特征。提出了一个可选的第二阶段来细化第一阶段的分割或生成准确的全景分割结果。

2023-04-29 10:37:06 1207 1

原创探索PointGroup：双集点分组的3D实例分割

随后是一个聚类组件，它利用原始和偏移后的点坐标集，利用它们互补的优势。作者在两个具有挑战性的数据集ScanNet v2和S3DIS上进行了广泛的实验，其中本文的方法取得了最高性能。通过探索物体之间的空隙和语义信息，作者设计了一种新的端到端自下而上架构PointGroup，能够更好地将点分组到对象实例中。此外，作者还提出了一种基于双坐标集的点聚类方法，以及一种ScoreNet来评估候选实例。在两个具有挑战性的数据集ScanNet v2和S3DIS上的实验结果表明，所提出的方法取得了最先进的性能。

2023-04-23 16:25:45 488

原创 LargeKernel3D: Scaling up Kernels in 3D Sparse CNNs

近期2D卷积神经网络的进展已经表明大卷积核非常重要。然而，当直接应用大的卷积核在3D卷积神经网络中时，会遇到严重的困难，其中包括2D中成功的模块设计在3D网络中变得惊人的无效，包括流行的深度卷积。为了解决这一重要挑战，我们提出了空间分割卷积及其大卷积核模块。因此，它避免了朴素的3D大卷积核的优化和效率问题。我们的大卷积核3D卷积神经网络，LargeKernel3D，在3D语义分割和目标检测任务中取得了显着的改进。

2023-04-03 17:07:12 675

原创 PointNeXt: Revisiting PointNet++ with Improved Training and Scaling Strategies

PointNet++ 是点云理解领域最有影响力的神经网络架构之一。虽然近期出现了 PointMLP 和 Point Transformer 等新型网络，它们的精度已经大大超过了 PointNet++，但我们发现大部分性能提升是由于改进的训练策略，例如数据增强和优化技术以及增加的模型大小，而不是由于架构创新。因此，PointNet++ 的全部潜力尚未被充分发掘。在本研究中，我们通过系统性的模型训练和缩放策略对经典的 PointNet++ 进行了重新审视，并提出了两个主要贡献。

2023-03-24 19:56:30 630

原创 MASKGROUP: HIERARCHICAL POINT GROUPING AND MASKING FOR 3D INSTANCE SEGMENTATION

本文研究了 3D 实例分割问题，该问题在机器人技术和增强现实等现实世界中具有多种应用。由于3D物体的周围环境非常复杂，不同物体的分离非常困难。为了解决这个具有挑战性的问题，我们提出了一个新的框架来对 3D 实例进行分组和优化。在实践中，我们首先为每个点学习一个偏移向量并将其移动到其预测的实例中心。为了更好地对这些点进行分组，我们提出了一种分层点分组算法来逐步合并集中聚合的点。所有点都被分组为小簇，这些小簇进一步逐渐经历另一个聚类过程以合并成更大的组。

2023-03-01 12:40:17 497

原创 Individual Tree Segmentation from LiDAR Point Clouds for Urban Forest Inventory

本研究的目的是使用 LiDAR 点云数据开发单棵树级别的自动化城市森林清单的新算法。激光雷达数据包含三维结构信息，可用于估算树高、基高、树冠深度和树冠直径。这使得精确的城市森林库存可以细化到单棵树。与大多数已发布的从 LiDAR 派生的栅格表面检测单个树木的算法不同，我们直接使用 LiDAR 点云数据来分离单个树木并估计树木指标。在典型城市森林中的测试结果令人鼓舞。未来的工作将致力于通过数据融合技术协同 LiDAR 数据和光学图像来表征城市树木。LiDAR;

2023-02-10 17:07:49 1511

原创基于地基激光雷达数据和深度学习的Faster R-CNN的橡胶树个体分割

中国南方的橡胶树经常受到可能导致树体倾斜的自然干扰的影响。从扫描点云中对单个橡胶树进行准确的树冠分割是准确检索树参数的必要先决条件。本文以不同橡胶树无性系PR107、CATAS 7-20-59和CATAS 8-7-9三个样地为研究对象。通过基于地面的移动光探测和测距（LiDAR）数据采集，提出了一种基于扫描树干数据的体素化方法，并通过正面和横向投影变换生成深度图像（即通常用于深度学习的图像）每个体素中点云的长度为 8 m，宽度为 3 m。

2023-02-10 00:16:14 969

原创 Confidence-guided roadside individual tree extraction for ecological benefit estimation

路边树木是城市生态系统的重要组成部分，基于通过移动激光扫描(MLS)获得的点云提取它们的位置对城市生态至关重要，但由于严重的遮挡、树木桩系统造成的干扰以及街道上的家具和树冠之间的重叠，仍然具有挑战性。为了克服这些局限性，本研究提出了一种置信度引导的路边树提取方法。首先，从路边物体中提取杆状物体，并且估计它们可以被假定为树干的置信度，以指导分割的顺序。其次，通过结合基于置信度的引导和异速生长的约束，使用优化的最小割算法提取树。第三，在单个树木的水平上估计形态参数和活植被体积(LVV)。

2023-02-06 15:38:42 532

原创 Unsupervised semantic and instance segmentation of forest point clouds

地面激光扫描 (TLS) 越来越多地用于林业应用，包括森林清查和植物生态学。可以从 TLS 点云中准确估计树木的生物物理特性，例如叶面积分布和木材体积。在这些应用中，先决条件是正确理解大规模点云的信息内容（即点云的语义标记），以便检索树尺度属性。目前，这一要求正在经历费力费时的手工工作。在这项工作中，我们共同解决了森林点云的语义和实例分割问题。具体来说，我们提出了一种基于称为超点图的结构的无监督管道，以同时执行两项任务：单树隔离和叶木分类。所提出的方法不受森林类型的限制性假设。

2023-02-06 00:40:36 599

原创 Segmenting tree crowns from terrestrial and mobile LiDAR data by exploring ecological theories

光探测和测距 (LiDAR) 技术的快速发展正在推动生态和森林研究。在过去十年中，使用机载 LiDAR 数据开发了许多单树分割技术。然而，使用地面或移动 LiDAR 数据进行准确的树冠分割是提取树枝级森林特征的必要先决条件，但仍然具有挑战性，主要是因为树冠相交和不规则树冠形状带来的困难。在目前的工作中，我们开发了一种比较最短路径算法 (CSP)，用于分割使用地面 (T)-LiDAR 和移动 LiDAR 扫描的树冠。

2023-02-02 12:49:10 638

原创从移动激光扫描数据中自动提取单棵树的双重生长方法

在城市场景的杂乱点云中，街道树木与其他物体交织在一起，阻碍了对单个树木的自动提取。根据树木的一般构成，提出了一种从移动激光扫描数据中自动提取树木个体的方法。每棵树的两个组成部分——树干和树冠可以通过双重生长法提取。该方法由粗分类组成，通过粗分类去除了大部分伪影；为个别树木自动选择合适的种子，避免了常见的手动初始设置；双重生长过程，通过在适应性生长半径内划分树干并在受限生长区域分割树冠，将一棵树与其他树分开；以及从交错的其他物体中提取单一树干的精炼过程。

2023-02-02 12:18:18 596

原创基于拓扑的单树分割用于地面激光扫描点云的自动处理

地面激光扫描 (TLS) 是一种基于地面的方法，可通过光探测和测距 (LiDAR) 技术快速获取 3D 点云。从 TLS 点云量化树尺度结构需要分割，但森林生态社区缺乏可用的自动化方法。在这项工作中，我们考虑将森林 TLS 点云分割成单个树点云的问题。已经研究了不同的方法来识别和分割森林点云中的个别树木。通常这些方法需要大量的参数调整和耗时的用户交互，这阻碍了 TLS 在大面积研究中的应用。我们的目标是定义一种新的自动分割方法来解除这些限制。

2023-02-01 23:27:43 1097 1

原创 Extraction of individual trees based on Canopy Height Model to monitor the state of the forest

主动遥感数据可用于执行各种林业任务，包括林分特征、库存、森林管理和火灾行为建模。目前的工作通过处理基于冠层高度模型 (CHM) 的个体树木检测 (ITD) 和大面积点云的树木分割，研究了机载激光扫描 (ALS) 派生方法在落叶林中应用的潜力。测试了不同的算法并评估了它们的性能，以显示与ground truth相比，它们中的哪一种可以提供最充足的树木数量。树木规模信息用于确定林龄。森林高度、结构和密度是通过应用个体树检测 (ITD) 来计算一些森林属性（例如茎体积、森林均匀性和生物量估计）来指定的。

2023-02-01 22:31:25 306

原创 Deep learning based segmentation for automated training of apple trees on trellis wires

由于其果实产量和质量高，以及在修剪和收获过程中适用于机器人操作，格子式结果墙培训系统正在成为现代苹果园的标准配置。在美国 PNW 地区将幼小的苹果树训练成格架训练树冠系统的常见做法是，人工选择树枝，然后将其绑在 6 或 7 层的水平格架线上。由于熟练劳动力的减少和劳动力成本的迅速增加，对苹果树进行这些现代果园建筑的人工培训变得越来越具有挑战性，因此使用传感和机器人技术的自动化培训可能是一种替代解决方案。分割树干、树枝和网格线是自动化树训练操作的关键步骤。

2023-02-01 16:17:21 268

原创一种基于过分割的上坡聚类方法用于从MLS数据中提取城市街道区域的个体树木

针对现有方法对树干依赖严重，在复杂环境下提取效果不佳的问题，本文提出了一种基于过分割的上坡聚类方法从移动激光扫描数据中提取城市行道树。树干被汽车和绿化带挡住，树冠相接或互锁大。首先，通过过分割生成超体素，从而减少原始数据量并有效保留不同对象的边界。然后，通过提取典型的对象结构来获得潜在的树冠和树干。最后，通过上坡聚类从潜在树冠中提取独立树冠，并从潜在树干中搜索对应的树干，实现单树提取。本文的主要贡献是提出了一种不依赖树干提取的基于上坡聚类的行道树个体提取方法，提高了复杂城市环境中提取结果的完整性。

2023-01-31 23:59:10 692

原创 Multi-layered tree crown extraction from LiDAR data using graph-based segmentation

随着光探测与测距 (LiDAR) 和无人机 (UAV) 技术的发展，从 LiDAR 数据中提取树冠并推断其几何特征正变得越来越容易为每个人所用。虽然森林在垂直方向上存在明显的分层现象，但现有的单株检测方法一般都是针对解决过生树木的检测。结果，无法有效提取林下树木。为了有效地检测多层森林中的单株树，本研究提出了一种基于图的分割算法的多层树提取方法。激光雷达数据生成的高度模型（CHM）。然后，使用滑动窗口检测方法提取林下树木的LiDAR数据。最后，通过基于图的分割算法提取林下树木的信息。

2023-01-31 23:24:29 273

原创在茂密的落叶林中使用落叶和落叶UAV-LiDAR数据进行个体树木分割和树高估计

准确的个体树木分割 (ITS) 是森林管理和森林生态系统研究的基础。无人驾驶飞行器光探测和测距 (UAV-LiDAR) 在林分和景观尺度上显示出 ITS 和树高估计的优势。然而，树冠紧密相连的茂密落叶林对 ITS 的性能提出了挑战。通过树冠可用的 LiDAR 点和适当的算法有望解决这个问题。在这项研究中，引入了一个新的 UAV-LiDAR 数据集，该数据集融合了落叶和落叶点云（FULD），以评估 ITS 和通过比较中国东北茂密落叶林中不同类型的分割算法（即分水岭分割、点云分割和层堆叠分割）来估计树高。

2023-01-31 22:47:01 703

原创 Individual tree segmentation and tree-counting using supervised clustering

个体树木分割 (ITS) 或树木计数是精准林业和农业过程中的一项基础工作。与费时费力的人工检查不同，计算机视觉在基于无人机 (UAV) 的应用中显示出巨大的前景；此类应用之一包括森林资源清单中的自动树木计数问题。然而，由于树冠冠层的特殊性，如颜色渐变、形状不确定、重叠等，很难获得单株树。在这项研究中，我们提出了一个基于监督数据聚类的学习框架。在这里，ITS 和树木计数都可以从二维 (2D) 顶视图树冠中准确并同时获得，无论它们是孤立的、重叠的还是两者兼而有之。

2023-01-31 21:15:37 679

原创基于无人机和背负式激光雷达点云的黄河三角洲刺槐林地上生物量估算

人工林是陆地碳汇的重要来源。黄河三角洲刺槐林是我国最大的人工生态防护林。然而，自1990年代以来，超过一半的森林出现了不同程度的枯死甚至死亡。及时准确地估算森林地上生物量（AGB）是研究森林碳循环的基础。光探测和测距 (LiDAR) 已被证明是森林生物量估算最有效的方法之一。然而，由于生长季节阔叶林冠层的形状不规则且重叠，因此很难分割单个树木并根据机载 LiDAR 数据估计树木生物量。

2023-01-31 15:44:47 778

原创 Scalable SoftGroup for 3D Instance Segmentation on Point Clouds

本文考虑了一个称为SoftGroup的网络，用于准确和可扩展的3D实例分割。现有的最先进方法会产生硬语义预测，然后进行分组以获得实例分割结果。然而，源于硬决策的错误会传播到分组中，导致预测实例与ground truth的低重叠和大量误报。为了解决上述问题，SoftGroup允许每个点与多个类相关联，以减轻语义预测错误引起的问题，并通过学习将它们分类为背景来抑制误报实例。在可扩展性方面，现有的快速方法在大规模场景上需要数十秒的计算时间，这不能令人满意并且远不适用于实时。

2023-01-27 19:57:53 610

原创使用超体素上下文和基于图的优化从MLS点云对城市地区的树木进行实例分割

在本文中，开发了一种用于从城市场景中的 MLS 数据集中提取树木的实例分割方法。所提出的方法利用超体素结构来组织点云，然后从超体素的局部上下文中提取去除趋势的几何特征。结合局部上下文的去趋势特征，将采用随机森林（RF）分类器从点云中获得树木的初始语义标记结果。之后，迭代执行基于局部上下文的正则化以在全局图形模型上实现全局最优，以便在空间上平滑语义标记结果。最后，根据语义标记结果进行基于图的分割以分离个体树。

2023-01-10 22:44:28 893

原创 Segmentation of Individual Trees From TLS and MLS Data

地面激光扫描（TLS）和移动激光扫描（MLS）数据可用于获取丰富而精确的树木边信息。因此，它可以提取树高、树冠大小、树冠基高、胸径等个体参数，为森林研究和管理提供基础数据。本研究提出了一个技术框架，用于从 TLS 和 MLS 数据中分割单个树。该框架包含六个步骤：1) 数据预处理，2) 八叉树构造，3) 空间聚类，4) 茎检测，5) 初始分割，以及 6) 重叠冠层分割。

2023-01-09 23:39:31 671

原创用移动激光扫描来估计树干直径的分割和树干校准法

移动激光扫描 (MLS) 可以通过使用自动推导出树干中心位置和树干直径的算法来提高森林清查效率。在这项工作中，我们提出了一种基于从激光数据中导出的树刺来校准激光返回位置的新方法。对顺序激光扫描进行了第一次位置校准，并且在分割后可以进一步校准激光返回，其中激光返回与单个树干相关联。分割使得对树干脊柱（即树干的中心线）建模成为可能。连贯树脊位置的假设用于校正树干上的激光返回位置，从而改进对树干轮廓的估计（即，从地面不同高度的树干直径）。该方法在六个 20 米半径的地块上进行了验证。

2023-01-08 20:57:43 769

原创 Tree Stem Diameter Estimation from Mobile Laser Scanning Using Line-Wise Intensity-Based Clustering

使用一套新的方法，通过移动激光扫描来估计胸径。一台2D激光扫描仪安装在一辆汽车上，面朝前，向下倾斜9度。使用惯性导航和视觉SLAM(同步定位和绘图)记录轨迹。激光扫描仪数据、轨迹和方向用于计算3D点云。代表树的聚类被逐行提取以减少定位系统中不确定性的影响。激光回波的强度被用来滤除仅掠过茎干的不可靠回波。该移动用于从茎的较大部分获得测量值，并且来自不同视图的多条线用于圆拟合。测试了两种三角方法和两种圆拟合方法。

2023-01-08 00:19:14 267

原创 Layer Stacking: A Novel Algorithm for Individual Forest Tree Segmentation from LiDAR Point Clouds

随着光探测和测距 (LiDAR) 技术的进步，以足够高的点密度获取数据集以捕获单棵树木的结构信息已变得很普遍。要处理这些数据，需要一种从 LiDAR 点云中分离单个树木的自动方法。传统的树木分割方法试图从树冠高度模型中分离出突出的树冠。我们在这里介绍一种新颖的分割方法，即层堆叠，它以 1 米的高度间隔对整个森林点云进行切片，并在每一层中隔离树木。合并来自所有层的结果会产生具有代表性的树轮廓。与分水岭划分（一种广泛使用的分割算法）相比，层堆叠在不均匀针叶林中正确识别的树木多了15%，在均匀年龄的针叶林中多识别

2023-01-07 20:57:13 501

空空如也

空空如也