基于对比学习与语义先验的激光雷达点云单木分割方法及其生态应用研究

本文提出了一种融合语义先验与对比学习的点云单木分割方法，通过语义驱动实例聚类（SDIC）和在线语义聚类（OSC）模块有效解决城市与森林场景中树冠重叠导致的分割难题。该方法在Paris-Lille-3D和FOR-instance数据集上F1分数分别达80.26%与79.5%，为植被调查（LiDAR技术应用）和生态系统服务评估提供关键技术支撑。

　　

亮点

• 提出新型多分支框架，整合偏移量、语义与实例分支，显著提升密集场景下单木分割精度。

• 设计语义驱动实例聚类（SDIC），利用语义概率先验增强聚类鲁棒性，减少重叠树冠误分割。

• 开发在线语义聚类（OSC）模块，通过潜在语义子类特征空间对比学习强化实例区分能力。

• 框架支持高精度单木结构分析，为生物量（Biomass）与碳储量（Carbon Storage）估算提供基础。

结论

本文提出了一种适用于城市与森林环境的点云单木分割方法，通过融合语义与实例分割技术，在复杂场景中实现精准单木识别。首先，采用三模块特征提取网络从原始点云捕获树木特征；其次，通过语义驱动实例聚类（SDIC）优化实例嵌入学习，结合语义先验提升边界识别能力；最后，在线语义聚类（OSC）模块通过对比学习挖掘语义子类差异，增强实例聚类判别性。实验表明，该方法在Paris-Lille-3D与FOR-instance数据集上均取得显著提升，为森林资源监测（Forest Resource Monitoring）、植被参数反演与可持续发展应用提供有效技术支持。

作者贡献声明

Jin Ma: 综述撰写、编辑、可视化、验证、方法论、调查、形式分析、数据整理、概念化。

Ting Han: 初稿撰写、可视化、验证、软件、方法论、调查、形式分析、数据整理、概念化、综述编辑。

Chaolei Wang: 综述编辑、概念化。

Xiaohai Zhang: 数据整理、调查。

Xinchang Zhang: 综述编辑。

利益冲突声明

作者声明不存在可能影响本研究的已知经济或个人关系冲突。

致谢

本研究由国家自然科学基金项目（42371343）和广东省基础与应用基础研究基金（2024A1515010986）资助。

感谢编辑与匿名评审提出的宝贵意见与建议。