基于单图像像素映射与自适应曲率分割的林木三维重建与参数精准测量方法研究

本文提出融合SegFormer深度学习模型与自适应曲率分割算法的单图像树干参数测量框架（PMPE），实现树干区域分割、三维重建及体积测量，误差仅2.01%–7.68%，效率较手持移动激光扫描（HMLS）提升6.9倍，为林业资源调查提供低成本高精度解决方案。

　　

Section snippets

Study area

研究区域覆盖北京三处林场：八达岭林场、马各庄林场和共青林场（坐标：116°01′, 40°21′；116°16′, 39°32′；116°39′, 40°7′）。八达岭林场位于北京市延庆区，海拔约600至1240米，代表华北典型暖温带落叶阔叶林与山地垂直植被带，森林覆盖率高达96%。马各庄林场……

SegFormer segmentation performance across tree species

如图6所示，SegFormer模型精准识别并提取了所有四种树种的树干区域，有效分离主干轮廓与前景。四种树种的定量分割精度如表5所示。其中DAV（油松）表现最佳，交并比（IoU）达85.35%，Dice系数92.09%，精确率99.68%，召回率92.44%。MON（蒙古栎）同样表现优异，IoU达……

Discussion

本研究提出名为PMPE的单图像像素到结构映射策略，并对其分割性能、物种适用性、单木参数估算、误差传播分析和成本效益进行了综合评估。结果一致证实该框架的可行性。SegFormer模型在各树种间实现了可靠的分割性能，Io值范围72.50%–85.35%……

Conclusion

本研究提出基于单图像的精细三维树干重建方法PMPE。该方法采用SegFormer模型自动提取树干区域，并利用自适应多尺度曲率极值融合分割算法动态识别树干中心线的几何拐点，进而构建各分段三维结构，通过对齐顶底面与分段高度……