論文の概要: Adaptive Per-Tree Canopy Volume Estimation Using Mobile LiDAR in Structured and Unstructured Orchards

• arxiv url: http://arxiv.org/abs/2506.08061v1
• Date: Mon, 09 Jun 2025 08:40:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-13 02:07:43.33851
• Title: Adaptive Per-Tree Canopy Volume Estimation Using Mobile LiDAR in Structured and Unstructured Orchards
• Title（参考訳）: 構造化および非構造化オーチャードにおける移動LiDARを用いた適応単軸キャノピー体積推定
• Authors: Ali Abedi, Fernando Cladera, Mohsen Farajijalal, Reza Ehsani,
• Abstract要約: 本稿では,日常的なロボットナビゲーション中に収集した移動体LiDARデータを用いて,木ごとのキャノピー体積推定を行うリアルタイムシステムを提案する。 本研究では,2つの商業用果樹園,1つのピスタチオ果樹園,1つのアーモンド果樹園,および2つの樹冠を交互に重ねて評価した。
• 参考スコア（独自算出の注目度）: 42.32889225423819
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a real-time system for per-tree canopy volume estimation using mobile LiDAR data collected during routine robotic navigation. Unlike prior approaches that rely on static scans or assume uniform orchard structures, our method adapts to varying field geometries via an integrated pipeline of LiDAR-inertial odometry, adaptive segmentation, and geometric reconstruction. We evaluate the system across two commercial orchards, one pistachio orchard with regular spacing and one almond orchard with dense, overlapping crowns. A hybrid clustering strategy combining DBSCAN and spectral clustering enables robust per-tree segmentation, achieving 93% success in pistachio and 80% in almond, with strong agreement to drone derived canopy volume estimates. This work advances scalable, non-intrusive tree monitoring for structurally diverse orchard environments.
• Abstract（参考訳）: 本稿では,日常的なロボットナビゲーション中に収集した移動体LiDARデータを用いて,木ごとのキャノピー体積推定を行うリアルタイムシステムを提案する。 静的スキャンや一様オーチャード構造を仮定する従来の手法とは異なり,この手法は,LiDAR慣性オドメトリー,適応セグメンテーション,幾何再構成の集積パイプラインを通じて,様々なフィールドジオメトリーに適応する。 本研究では,2つの商業用果樹園,1つのピスタチオ果樹園,1つのアーモンド果樹園,および2つの樹冠を交互に重ねて評価した。 DBSCANとスペクトルクラスタリングを組み合わせたハイブリッドクラスタリング戦略により、木ごとのセグメンテーションが堅牢になり、ピスタチオが93%成功し、アーモンドが80%成功し、ドローン由来のキャノピー体積推定に強く同意する。 この作業は、構造的に多様な果樹園環境に対するスケーラブルで非侵入的な木モニタリングを前進させる。

関連論文リスト

• Horseshoe Forests for High-Dimensional Causal Survival Analysis [0.3441021278275805]
  我々は,検閲された生存データにおける不均一な処理効果を推定するベイズ木アンサンブルモデルを開発した。 木構造を通して疎水性を与える代わりに, ステップ高さに直接ホースシューを配置して, 適応的なグローバル局所収縮を実現する。
  論文  参考訳（メタデータ） (2025-07-29T16:53:44Z)
• 3D Reconstruction and Information Fusion between Dormant and Canopy Seasons in Commercial Orchards Using Deep Learning and Fast GICP [0.9565934024763958]
  果樹自動化では、樹冠の季節に密集した葉が樹木構造を著しく阻害する。 樹冠構造は、木が葉を剥がされる休眠期には、より開きやすく見える。 本稿では,ロボットと自動作物負荷管理を支援するために,マルチシーズン構造データを統合する情報融合フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-02T17:24:18Z)
• Bridging Classical and Modern Computer Vision: PerceptiveNet for Tree Crown Semantic Segmentation [0.0]
  PerceptiveNetは、トレーニング可能なフィルタパラメータを持つ対数ガボールパラメータ化畳み込み層を組み込んだ、新しいモデルである。 セグメンテーション性能に及ぼすLog-Gabor,Gabor,および標準畳み込み層の影響について検討する。 その結果,ツリークラウンデータセットの性能が向上し,最先端モデルよりも優れた結果が得られた。
  論文  参考訳（メタデータ） (2025-05-29T16:11:08Z)
• Adaptive and Robust DBSCAN with Multi-agent Reinforcement Learning [53.527506374566485]
  本稿では,多エージェント強化学習クラスタフレームワーク,すなわちAR-DBSCANを用いた新しいAdaptive and Robust DBSCANを提案する。 我々は、AR-DBSCANが、NMIおよびARIメトリクスの最大144.1%と175.3%のクラスタリング精度を向上するだけでなく、支配的なパラメータを確実に見つけることができることを示した。
  論文  参考訳（メタデータ） (2025-05-07T11:37:23Z)
• Assessing SAM for Tree Crown Instance Segmentation from Drone Imagery [68.69685477556682]
  現在のモニタリング手法では、各種に対して手動で木を計測し、コスト、時間、労働力を必要とする。 ドローンリモートセンシングとコンピュータビジョンの進歩は、空中画像から木をマッピングし、特徴づける大きな可能性を秘めている。 若木植林の高分解能ドローン画像における樹冠の自動区分け作業におけるSAM法の比較を行った。 SAM out-of-box を用いたメソッドは、よく設計されたプロンプトであっても、カスタム Mask R-CNN よりも優れているわけではないが、SAM をチューニングするメソッドの可能性を秘めている。
  論文  参考訳（メタデータ） (2025-03-26T03:45:36Z)
• Variational phylogenetic inference with products over bipartitions [48.2982114295171]
  単一連鎖クラスタリングの合体時間に基づく新しい変分族を示し,木上の分布の閉形式密度を導出する。 我々の手法はすべての木空間に対して推論を行い、マルコフ連鎖モンテカルロ部分ルーチンは不要であり、我々の変分族は微分可能である。
  論文  参考訳（メタデータ） (2025-02-21T00:06:57Z)
• Siamese networks for Poincaré embeddings and the reconstruction of evolutionary trees [1.5624421399300303]
  本研究では,鳥の鳴き声スペクトログラムを用いた高次元データから進化木を再構成する手法を提案する。 提案手法は2つの主要な要素を組み合わす: 次元減少と距離計算のためのPoincarの埋め込みと、木再構築のための隣接する結合アルゴリズムである。
  論文  参考訳（メタデータ） (2024-10-09T19:10:08Z)
• Hierarchical clustering with dot products recovers hidden tree structure [53.68551192799585]
  本稿では,階層構造の回復に着目した凝集クラスタリングアルゴリズムの新しい視点を提案する。 クラスタを最大平均点積でマージし、例えば最小距離やクラスタ内分散でマージしないような、標準的なアルゴリズムの単純な変種を推奨する。 このアルゴリズムにより得られた木は、汎用確率的グラフィカルモデルの下で、データ中の生成的階層構造をボナフェイド推定することを示した。
  論文  参考訳（メタデータ） (2023-05-24T11:05:12Z)
• Occlusion Reasoning for Skeleton Extraction of Self-Occluded Tree Canopies [5.368313160283353]
  ツリースケルトンは、トポロジカル構造をコンパクトに記述し、有用な情報を含む。 本手法では, 可視幹, 枝, かつらを検出するために, インスタンスセグメンテーションネットワークを用いる。 本手法は,高度に隠蔽されたシーンにおいて,ベースライン法よりも優れた性能を示す。
  論文  参考訳（メタデータ） (2023-01-20T01:46:07Z)
• Tree Reconstruction using Topology Optimisation [0.685316573653194]
  本稿では,点雲データから木の枝構造を抽出する一般的な手法を提案する。 本稿では,木構造復元における新しいアプローチの利点と欠点について論じる。 本手法は,ほとんどの場合,詳細かつ正確な木構造を生成する。
  論文  参考訳（メタデータ） (2022-05-26T07:08:32Z)
• Approach for modeling single branches of meadow orchard trees with 3D point clouds [0.0]
  果樹園の栽培は生物多様性に有益であり、集中栽培された果樹園よりも著しく高い。 本研究の目的は,牧草地内の独立樹の採集点を自動的に決定する木モデルを作ることである。
  論文  参考訳（メタデータ） (2021-04-12T08:25:27Z)
• SGA: A Robust Algorithm for Partial Recovery of Tree-Structured Graphical Models with Noisy Samples [75.32013242448151]
  ノードからの観測が独立しているが非識別的に分散ノイズによって破損した場合、Ising Treeモデルの学習を検討する。 Katiyarら。 (2020) は, 正確な木構造は復元できないが, 部分木構造を復元できることを示した。 統計的に堅牢な部分木回復アルゴリズムであるSymmetrized Geometric Averaging(SGA)を提案する。
  論文  参考訳（メタデータ） (2021-01-22T01:57:35Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。