Key points are not available for this paper at this time.
Trotz der technologischen Fortschritte bei 3-D-Stadtmodellen sind die Methoden zur Abstraktion der 3-D-Form für städtische Vegetation neu und noch begrenzt, um die räumliche Analyse einzelner oder Gruppen von Bäumen und Waldflächen zu unterstützen. In diesem Papier wird ein Schema zur Abstraktion individueller städtischer Bäume vorgeschlagen, das die semantische Komplexität des Objekts beibehält. Unser Beitrag ist dreifach. Erstens wird eine anfängliche Baumstruktur basierend auf einem neuen 3-D Aggregationsoperator vorgeschlagen. Zweitens haben wir Gestaltregeln für die 3-D-Kartierung städtischer Vegetation entwickelt. Drittens wird der aktuelle Stand der Technik im Bereich des Deep Learning für die Abstraktion individueller städtischer Bäume angepasst. Quantitative und qualitative Ergebnisse zeigen die Effektivität unseres vorgeschlagenen Ansatzes, die räumliche Dichte der Bäume und den Grad der Fragmentierung der gesamten Grünfläche genau zu reduzieren, wodurch Informationen über den Standort, die Größe und die räumliche Verteilung der kartierten städtischen Bäume zugänglich gemacht werden.
Silva et al. (Mon,) haben diese Frage untersucht.