Segmentación de árboles individuales basada en puntos semilla detectados por un algoritmo adaptativo en forma de corona utilizando datos UAV-LiDAR

Los vehículos aéreos no tripulados – detección y medición de luz (UAV-LiDAR) proporcionan un medio conveniente y económico para la adquisición de datos forestales que puede penetrar los huecos del dosel para obtener abundante información del suelo, ofreciendo un gran potencial en el inventario forestal. La segmentación de árboles individuales es un prerequisito para obtener detalles de árboles individuales, pero depende en gran medida de la precisión de la detección de puntos semilla. Sin embargo, la mayoría de los métodos existentes, como los métodos basados en el máximo local (ML) y el CHM, son muy dependientes del tamaño de la ventana y, para la segmentación de árboles individuales, pueden resultar en sobre-segmentación y sub-segmentación, especialmente en bosques naturales. En este trabajo, proponemos un algoritmo adaptativo en forma de corona para la segmentación de árboles individuales sin considerar el tamaño de la ventana. Se implementó en cuatro parcelas con diferentes tipos de bosque y topografías (es decir, bosque de coníferas plantadas con terreno plano, bosque de coníferas con terreno inclinado, bosque mixto con terreno plano y bosque de hoja ancha con terreno plano). Primero, los nubes de puntos normalizadas fueron rotadas y bloqueadas en múltiples ángulos para extraer los puntos de superficie del bosque. Luego, se delinearon los límites de las copas al analizar los perfiles de las copas para extraer las copas de los árboles como puntos semilla. Finalmente, se aplicó un método de crecimiento de regiones basado en puntos semilla para la segmentación de árboles individuales. Nuestros resultados mostraron que el recall, la precisión y el F1-score de la detección de puntos semilla alcanzaron 91.6%, 95.9% y 0.94, respectivamente, y que las tasas de precisión para la segmentación de árboles individuales para las cuatro parcelas fueron 87.7%, 80.6%, 73.2% y 70.5%, respectivamente. Nuestro método propuesto puede detectar eficazmente los puntos semilla a través del algoritmo adaptativo en forma de corona y reducir los impactos de las ramas alargadas aplicando umbrales de distancia entre árboles, mejorando la precisión de la detección de puntos semilla y, posteriormente, mejorando la precisión de la segmentación de árboles individuales. Además, el algoritmo propuesto demostró un rendimiento superior en comparación con los métodos basados en ML y CHM para el cálculo de puntos semilla, así como superioridad sobre PCS en la segmentación de árboles individuales. El método propuesto demuestra efectividad y viabilidad en bosques densos y bosques naturales, proporcionando una referencia importante para futuras investigaciones sobre la detección de puntos semilla y la segmentación de árboles individuales.