近期，信息學院青年教師盧昊團隊在遙感領域TOP刊物《Remote Sensing》（2022年影響因子為5.349）發表了在利用深度神經網絡實現大規模森林場景三維點云智能理解方面的進展，北京林業大學為第一完成單位。
森林場景三維結構對高精度森林資源監測、森林生態系統研究具有重要意義，高分辨率、高精度林區地形數據是森林三維結構推算的關鍵基礎。近年來，使用無人機（Unmanned Aerial Vehicles, UAV）搭載激光雷達（Light Detection and Ranging, LiDAR）獲取森林3D點云、開展三維結構的研究受到越來越多的關注。地面點云濾波算法是構建森林數字地面模型的必要技術過程，傳統的濾波算法要求根據場景、數據和算法的特點選擇合適的參數，性能高度依賴于經驗和算法本身的適應性，在地形多變、植被結構復雜的森林場景往往受到制約。
圖1：新的Terrain-net深度神經網絡結構
針對上述問題，盧昊團隊提出了使用深度神經網絡解決森林點云理解的方法，設計了一個端到端的的高效網絡Terrain-net（圖1），其結合了3D點云卷積和自注意力機制，可以很好地捕獲和融合點云局部和全局特征。網絡使用覆蓋多種森林環境的70塊森林樣地超過1500萬個人工標注點進行訓練，并在17塊樣地進行評估。Terrain-net與多種經典的濾波算法和深度學習方法進行了比較，實驗結果（圖2）表明，Terrain-net在多項評價指標上表現最佳。同時，在機載激光雷達（Airborne Laser Scanning, ALS）公共數據集OpenGF上進行了網絡泛化能力測試，結果表明Terrain-net在直接遷移到其他大規模場景、其他植被覆蓋環境和由其他傳感器點云數據時依然表現出良好性能。這一新的網絡將為森林場景點云理解、森林垂直結構觀測等研究提供很好的技術支撐。
圖2：Terrain-net地面濾波結果展示
該工作以題為“Terrain-Net: A Highly-Efficient, Parameter-Free, and Easy-to-Use Deep Neural Network for Ground Filtering of UAV LiDAR Data in Forested Environments”的論文發表，信息學院2021級碩士研究生李博文和指導教師盧昊為共同第一作者，盧昊為通訊作者。該研究受到國家重點研發計劃項目“森林資源激光雷達遙感動態監測與蓄積量估測技術聯合研發” （2020YFE0200800）和國家自然科學基金項目“多源機載LiDAR數據融合的落葉松表型分析方法研究”（42001376）的資助，盧昊為北京林業大學承擔課題/項目的負責人。
論文鏈接：https://www.mdpi.com/2072-4292/14/22/5798，網絡模型將開源在：https://github.com/bjfu-lidar/terrain-net。
