HuashuTrees - 涵盖多种树种、包含有叶季和无叶季详细标注的TLS点云数据集

《Scientific Data》：A TLS point cloud dataset with detailed annotations for leaf-on and leaf-off seasons across multiple tree species - HuashuTrees

　　

摘要

地面激光扫描（TLS）能够获取精确的树木三维几何信息，有利于森林管理和生态学。深度学习增强了 TLS 点云处理能力，但需要大量带有语义注释的训练数据。现有数据集通常侧重于树木分割或物种分类，缺乏详细的枝叶分离，而这对于碳储量和光合作用建模至关重要。带有枝叶分离标签的现实世界 TLS 数据仍然稀缺，来源有限（例如喀麦隆、芬兰、美国、印度），且大多仅包含有叶状态。为填补这一空白，我们推出了 HuashuTrees，这是一个来自南京落叶阔叶林的公开多物种双季节 TLS 数据集（落叶期：2025 年 1 月；有叶期：2025 年 7 月）。除了样地级别的点云外，它还包含来自七个物种的 159 棵树的 318 个单树点云，这些点云是在配准、去噪、分割、枝叶分离和人工校正后生成的。技术验证确认了枝叶标注的高一致性，最终数据集标签与独立人工重新分类之间的平均一致率为 96.34%。此外，TLS 推导的胸径（DBH）与现场测量结果高度一致（RMSE = 0.356 厘米，R2 = 0.978）。HuashuTrees 支持枝叶分离、分割、物种分类、结构反演、三维重建和多时相监测的算法开发。