論文の概要: Multispectral LiDAR data for extracting tree points in urban and suburban areas

• arxiv url: http://arxiv.org/abs/2508.19881v1
• Date: Wed, 27 Aug 2025 13:39:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-28 19:07:41.646517
• Title: Multispectral LiDAR data for extracting tree points in urban and suburban areas
• Title（参考訳）: 都市・郊外における樹木点抽出のための多スペクトルLiDARデータ
• Authors: Narges Takhtkeshha, Gabriele Mazzacca, Fabio Remondino, Juha Hyyppä, Gottfried Mandlburger,
• Abstract要約: マルチスペクトル(MS)光検出・測光(LiDAR)は、3次元空間データとスペクトルデータの両方をキャプチャすることでこれを改善している。 本研究では,MS-LiDARとディープラーニング(DL)モデルを用いた木点抽出について検討する。
• 参考スコア（独自算出の注目度）: 3.2554829321615717
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Monitoring urban tree dynamics is vital for supporting greening policies and reducing risks to electrical infrastructure. Airborne laser scanning has advanced large-scale tree management, but challenges remain due to complex urban environments and tree variability. Multispectral (MS) light detection and ranging (LiDAR) improves this by capturing both 3D spatial and spectral data, enabling detailed mapping. This study explores tree point extraction using MS-LiDAR and deep learning (DL) models. Three state-of-the-art models are evaluated: Superpoint Transformer (SPT), Point Transformer V3 (PTv3), and Point Transformer V1 (PTv1). Results show the notable time efficiency and accuracy of SPT, with a mean intersection over union (mIoU) of 85.28%. The highest detection accuracy is achieved by incorporating pseudo normalized difference vegetation index (pNDVI) with spatial data, reducing error rate by 10.61 percentage points (pp) compared to using spatial information alone. These findings highlight the potential of MS-LiDAR and DL to improve tree extraction and further tree inventories.
• Abstract（参考訳）: 都市木動態のモニタリングは、緑化政策を支援し、電気インフラへのリスクを低減するために不可欠である。 大気中のレーザースキャンは大規模な樹木管理を進歩させているが、複雑な都市環境と樹木の多様性のために課題は残る。 マルチスペクトル(MS)光検出・測光(LiDAR)により、3次元空間データとスペクトルデータの両方をキャプチャし、詳細なマッピングを可能にする。 本研究では,MS-LiDARとディープラーニング(DL)モデルを用いた木点抽出について検討する。 3つの最先端モデルとして、Superpoint Transformer (SPT)、Point Transformer V3 (PTv3)、Point Transformer V1 (PTv1) が評価されている。 その結果、SPTの顕著な時間効率と精度が示され、平均的結合(mIoU)は85.28%である。 空間データに擬似正規化差分植生指数(pNDVI)を組み込むことで、空間情報のみを使用する場合と比較して誤差率を10.61ポイント(pp)削減する。 これらの知見は,MS-LiDARとDLが樹木の抽出を改善し,さらに樹木の在庫を増やす可能性を明らかにするものである。

関連論文リスト

• 3D forest semantic segmentation using multispectral LiDAR and 3D deep learning [2.7821416427202816]
  本研究は,HeliALSシステムで取得したMS-LiDARデータの可能性を検討することを目的とする。 高密度の多スペクトル点雲を提供し、森林を地面、低植生、幹、枝、葉、木質の破片の6つの構成要素に分けている。 カーネルポイント畳み込み、スーパーポイントトランスフォーマー、ポイントトランスフォーマーV3、ランダムフォレストを含む3つのポイントワイド3次元ディープラーニングモデルと1つの機械学習モデルを実装する。
  論文  参考訳（メタデータ） (2025-07-08T19:18:21Z)
• Unsupervised deep learning for semantic segmentation of multispectral LiDAR forest point clouds [1.6633665061166945]
  本研究では,高密度レーザー走査点雲の葉木分離のための教師なし深層学習手法を提案する。 GrowSP-ForMS の平均精度は84.3%、mIoU平均交点は69.6%であった。
  論文  参考訳（メタデータ） (2025-02-10T07:58:49Z)
• DepthSplat: Connecting Gaussian Splatting and Depth [90.06180236292866]
  ガウススプラッティングと深さ推定を結合するDepthSplatを提案する。 ガウススプラッティングは、強力な深度モデルを学ぶための教師なし事前学習の目的として機能することを示す。 我々のDepthSplatは、ScanNet、RealEstate10K、DL3DVデータセットの最先端のパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2024-10-17T17:59:58Z)
• Improving Gaussian Splatting with Localized Points Management [52.009874685460694]
  局所的点管理(LPM)は、点加算と幾何校正の両方を最大限に必要としながら、これらの誤り貢献ゾーンを特定することができる。 LPMは特定されたゾーンに点密度を適用し、これらの領域の前にある点の不透明度をリセットし、不適切な点を修正する新しい機会を生み出す。 特に、LPMは静的3DGSとダイナミックなSpaceTimeGSの両方を改善して、リアルタイム速度を維持しながら最先端のレンダリング品質を実現している。
  論文  参考訳（メタデータ） (2024-06-06T16:55:07Z)
• LiDAR data acquisition and processing for ecology applications [0.0]
  地球レーザースキャナー (TLS) は、植生の3次元構造を再構築するために生態学に用いられている。 LiDARの向きは垂直面で観測するために変更され、モーターが回転するために統合された。 得られたデータから,植生高さに沿った点密度変動のヒストグラムを作成した。
  論文  参考訳（メタデータ） (2024-01-11T13:03:27Z)
• Estimating optical vegetation indices and biophysical variables for temperate forests with Sentinel-1 SAR data using machine learning techniques: A case study for Czechia [32.19783248549554]
  森林生態系をモニタリングするための現在の光学的植生指標(VIs)は,様々な用途でよく確立され,広く利用されている。 対照的に、合成開口レーダ(SAR)のデータは、雲や昼夜の画像取得による信号の侵入により、完全な時系列(TS)を備えた洞察に富んだ、体系的な森林モニタリングを提供することができる。 本研究では、SARデータを用いて、機械学習(ML)による森林の光VIs推定の代替として光学衛星データの限界に対処することを目的とする。 一般に、SARベースのVIを高精度に推定し、年間240回測定し、空間分解能を20mまで向上することができる。
  論文  参考訳（メタデータ） (2023-11-13T18:23:46Z)
• UncLe-SLAM: Uncertainty Learning for Dense Neural SLAM [60.575435353047304]
  我々は、高密度ニューラルネットワークの同時局所化とマッピング(SLAM)のための不確実性学習フレームワークを提案する。 本稿では,2次元入力データのみから自己教師付きで学習可能なセンサ不確実性推定のためのオンラインフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-19T16:26:25Z)
• Vision Transformers, a new approach for high-resolution and large-scale mapping of canopy heights [50.52704854147297]
  分類(離散化)と連続損失関数を最適化した新しい視覚変換器(ViT)モデルを提案する。 このモデルは、従来使用されていた畳み込みベースのアプローチ(ConvNet)よりも、連続損失関数のみで最適化された精度が向上する。
  論文  参考訳（メタデータ） (2023-04-22T22:39:03Z)
• Joint Learning of Salient Object Detection, Depth Estimation and Contour Extraction [91.43066633305662]
  RGB-D Salient Object Detection (SOD) のための新しいマルチタスク・マルチモーダルフィルタトランス (MMFT) ネットワークを提案する。 具体的には、深度推定、健全な物体検出、輪郭推定の3つの相補的なタスクを統合する。マルチタスク機構は、タスク認識の特徴を補助タスクから学習するためのモデルを促進する。 実験の結果、複数のデータセット上での深度に基づくRGB-D SOD法をはるかに上回るだけでなく、高品質の深度マップと塩分濃度を同時に正確に予測できることがわかった。
  論文  参考訳（メタデータ） (2022-03-09T17:20:18Z)
• OmniSLAM: Omnidirectional Localization and Dense Mapping for Wide-baseline Multi-camera Systems [88.41004332322788]
  超広視野魚眼カメラ(FOV)を用いた広視野多視点ステレオ構成のための全方向位置決めと高密度マッピングシステムを提案する。 より実用的で正確な再構築のために、全方向深度推定のための改良された軽量のディープニューラルネットワークを導入する。 我々は全方位深度推定をビジュアル・オドメトリー(VO)に統合し,大域的整合性のためのループ閉鎖モジュールを付加する。
  論文  参考訳（メタデータ） (2020-03-18T05:52:10Z)

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。