我院王红教授课题组在《IEEE Transactions on Geoscience and Remote Sensing》发表最新研究成果

 近日，我院王红教授课题组在森林激光雷达数据处理方法方面取得重要进展，相关研究成果以“StemReg: A Marker-Free Automated Method for Registering MultiScan Terrestrial Laser Scanning Data in Forests Using Stem Mapping”为题，发表在地球科学类TOP期刊《IEEE Transactions on Geoscience and Remote Sensing》上。论文链接： https://doi.org/10.1109/TGRS.2025.3592737

 在森林精细结构研究中，地基激光雷达（TLS）能够获取毫米级精度的三维信息。然而，由于树干、枝叶遮挡及设备视角受限，单次扫描往往难以完整记录林分结构，因此需要对多站点TLS数据进行配准。传统配准方法依赖人工布设标靶，操作繁琐且效率低下，限制了TLS在大尺度森林调查中的应用。该研究提出了一种无需标靶的自动配准方法StemReg：首先基于改进的随机抽样一致（RANSAC）算法自适应提取树干候选点，并结合可见性检测和区域生长策略实现精确树干位置识别；然后通过树干空间分布匹配完成多扫描数据的粗配准，并利用迭代最近点算法进一步精细调整。与现有方法相比，StemReg具有更强的鲁棒性和适应性，能够有效处理复杂林分环境。在全国七个不同植被类型样地上的验证结果表明：1）树干识别精度平均F1值达到96.0%，明显优于传统RANSAC算法（88.2%）；2）配准精度与人工方法接近，平均均值偏差为0.8 cm；3）在灌木密集、树干倾斜等复杂环境下，StemReg依然表现出较高的稳定性。

 该研究为大尺度森林精细化调查提供了一种高效、可靠的技术方案，推动TLS在森林资源监测和生态研究中的广泛应用。

      水文水资源学院博士研究生王鑫为本研究第一作者，地理与遥感学院王红教授为通讯作者。研究得到了国家自然科学基金（41471419）和（31971579）资助。

图1. 技术路线图

图2. 在7个样地的配准结果：(a) 整体视图；(b) 剖面视图；(c) 局部放大视图