Paper题目：Individual Tree Crown Segmentation Directly from UAV-Borne LiDAR Data Using the PointNet of Deep Learning

Abstract

从扫描点云中准确分割单个树冠是森林生物量监测和森林生态管理的一项基本任务。激光雷达作为森林调查的主流工具，正在推进森林数据获取的模式。在这项研究中，我们执行了一个新的深度学习框架，直接处理属于四种森林类型(即苗圃基地、修道院花园、混交林和落叶林)的森林点云，以实现ITC分割。该方法的具体步骤如下:首先，采用体素化策略将采集到的不同森林类型的不同树种的点云细分为多个体素。这些包含点云的体素被用作PointNet深度学习框架的训练样本，以在体素尺度上识别树冠。其次，在初始分割结果的基础上，利用与高度相关的梯度信息精确地刻画出每个树冠的边界。同时，将反演的单木树冠宽度与实测值进行比较，验证了方法的有效性。在四种森林类型中，我们的结果显示苗圃基地的表现最好(树冠检出率 r = 0.90 r=0.90 r