Automated Structural-level Alignment of Multi-view TLS and ALS Point Clouds in Forestry

要約

地表近くから樹冠の上までさまざまなスケールで広がる、不均一な森林の非常に詳細なモデルへのアクセスの需要がますます高まっています。
これにより、分析、計画、エコシステム管理のための高度な計算ツールが可能になります。
地上 (TLS) および航空 (ALS) スキャン プラットフォームを通じて利用可能な LiDAR センサーは、正確な 3D 構造情報を直接迅速に収集できるため、森林監視の主要テクノロジーとして確立されています。
林業は現在、個々の供給源の不確実性を最小限に抑えながら、各プラットフォームの強みを活用する、マルチスケールのアプローチの利点を認識しています。
ただし、これらの LiDAR ソースを効果的に統合するには、効率的なマルチスケール、マルチビューの共同位置合わせまたは点群位置合わせ方法に大きく依存します。
ここでは、マルチビュー、マルチスケールの LiDAR ソースから収集された森林点群を位置合わせするための、効果的でターゲットのない完全自動の相互位置合わせ方法を提案します。
当社の共同位置合わせアプローチでは、構造の複雑さのレベルの増加に基づいて 3D ポイントをグループ化および集約する、増分位置合わせ戦略を採用しています。
この戦略では、3D ポイントをそれほど複雑でない (地面など) からより複雑な構造 (木の幹/枝、葉など) まで順番に位置合わせし、繰り返し位置合わせを調整します。
経験的な証拠は、さまざまなエコシステム条件にわたって TLS から TLS および TLS から ALS のスキャンを調整する際のこの方法の有効性を示しています。
TLS-to-TLS シナリオでは、パラメーター RMSE エラーは回転で 0.1 度未満、平行移動で 2 cm 未満でした。
TLS-to-ALS の場合、対応する誤差はそれぞれ 0.7 度未満と 6 cm 未満でした。
私たちの知る限り、私たちの方法は、ターゲットに依存せずに、高いパフォーマンスを達成しながら、TLS から TLS と TLS から ALS の両方のシナリオからフォレスト ポイント クラウドを自動的に相互登録できる初めての方法です。

要約(オリジナル)

Access to highly detailed models of heterogeneous forests, spanning from the near surface to above the tree canopy at varying scales, is increasingly in demand. This enables advanced computational tools for analysis, planning, and ecosystem management. LiDAR sensors, available through terrestrial (TLS) and aerial (ALS) scanning platforms, have become established as primary technologies for forest monitoring due to their capability to rapidly collect precise 3D structural information directly. Forestry now recognizes the benefits of a multi-scale approach, leveraging the strengths of each platform while minimizing individual source uncertainties. However, effective integration of these LiDAR sources relies heavily on efficient multi-scale, multi-view co-registration or point-cloud alignment methods. Here, we propose an effective, target-less, and fully automatic co-registration method for aligning forest point clouds collected from multi-view, multi-scale LiDAR sources. Our co-registration approach employs an incremental alignment strategy, grouping and aggregating 3D points based on increasing levels of structural complexity. This strategy aligns 3D points from less complex (e.g., ground surface) to more complex structures (e.g., tree trunks/branches, foliage) sequentially, refining alignment iteratively. Empirical evidence demonstrates the method’s effectiveness in aligning TLS-to-TLS and TLS-to-ALS scans across various ecosystem conditions. In TLS-to-TLS scenarios, parameter RMSE errors were less than 0.1 degrees in rotation and less than 2 cm in translation. For TLS-to-ALS, corresponding errors were less than 0.7 degrees and 6 cm, respectively. To the best of our knowledge, our method is the first capable of automatically co-registering forest point clouds from both TLS-to-TLS and TLS-to-ALS scenarios without relying on targets, while achieving high performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google