一种轻量级的LiDAR-SLAM系统，结合了语义分割技术，用于获取森林生物量参数

《Annals of Forest Science》：A lightweight LiDAR-SLAM system integrated with semantic segmentation for the acquisition of forest biomass parameters

　　

摘要

核心要点

我们提出了一种基于轻量级激光雷达（LiDAR）的同时定位与绘图系统，该系统集成了语义分割功能。该系统在真实森林环境中收集的点云数据以及多个公开可用的数据集上进行了评估。测试结果表明，该系统在单棵树聚类和胸径（DBH）估算方面既高效又准确。

背景

高效且自动化地获取单棵树的参数对于智能森林资源清查至关重要。传统方法严重依赖人工测量，这限制了其可扩展性，使其不适合大规模和高频率的调查。

研究目标

本研究旨在开发一种集成语义分割功能的轻量级激光雷达-SLAM（LiDAR-SLAM）系统，以提高森林环境中单棵树提取和胸径测量的准确性和实时性能。

方法

所提出的系统基于改进的LIO-SAM框架构建，并采用了增量k-d树（Ikd-Tree）来提升计算效率。在语义分割方面，我们采用了结合了高效层注意力（ELA）机制的SqueezeSegV3算法来提高语义类别的识别能力。随后，通过对分割后的点云进行聚类和圆柱拟合处理，提取出单棵树并估算其胸径。

结果

该系统在公开数据集和实地收集的森林数据上进行了测试，分别实现了0.85和0.89的语义分割准确率，平均交并比（Intersection over Union）值为0.55和0.67。平均胸径预测准确率达到97.6%，表明其在真实森林环境中的表现非常出色。

结论

通过将轻量级语义网络与高效点云数据结构相结合，所提出的系统实现了高准确率和实时性能，满足了大规模、高效率森林资源清查任务的需求。