Applications of unmanned aerial systems for forest monitoring are increasing and drive a need to understand how image processing workflows impact end-user products’ accuracy from tree detection methods. Increasing image overlap and making acquisitions at lower altitudes improve how structure from motion point clouds represents forest canopies. However, only limited testing has evaluated how image resolution and point cloud filtering impact the detection of individual tree locations and heights. We evaluate how Agisoft Metashape’s build dense cloud Quality (image resolution) and depth map filter settings influence tree detection from canopy height models in ponderosa pine forests. Finer resolution imagery with minimal filtering provided the best visual representation of vegetation detail for trees of all sizes. These same settings maximized tree detection F-score at >0.72 for overstory (>7 m tall) and >0.60 for understory trees. Additionally, overstory tree height bias and precision improve as image resolution becomes finer. Overstory and understory tree detection in open-canopy conifer systems might be optimized using the finest resolution imagery that computer hardware enables, while applying minimal point cloud filtering. The extended processing time and data storage demands of high-resolution imagery must be balanced against small reductions in tree detection performance when down-scaling image resolution to allow the processing of greater data extents.

中文翻译：

---

Agisoft变形参数对基于树冠高度模型的运动单个树检测对UAS结构的影响

无人驾驶航空系统在森林监测中的应用正在增加，并促使人们需要从树木检测方法中了解图像处理工作流程如何影响最终用户产品的准确性。越来越多的图像重叠以及在较低高度进行的采集可以改善运动点云的结构表示林冠层的方式。但是，只有有限的测试评估了图像分辨率和点云过滤如何影响单个树的位置和高度的检测。我们评估Agisoft Metashape建立的密集云质量（图像分辨率）和深度图过滤器设置如何影响美国黄松松林冠层高度模型中的树木检测。具有最小滤镜效果的更高分辨率图像为各种尺寸的树木提供了最佳的植被细节可视化表示。这些相同的设置将树的检测F分数最大化（对于过高的树木（> 7 m高度）> 0.72，对于低矮的树木> 0.60）。此外，随着图像分辨率的提高，树的高度偏高和精度也会提高。可以使用计算机硬件启用的最高分辨率图像，同时应用最少的点云过滤，来优化开放式针叶树系统中的树上和林下树木检测。当缩小图像分辨率以允许处理更大的数据范围时，必须平衡高分辨率图像的扩展处理时间和数据存储需求与树木检测性能的小幅下降。可以使用计算机硬件启用的最高分辨率图像，同时应用最少的点云过滤，来优化开放式针叶树系统中的树上和林下树木检测。当缩小图像分辨率以允许处理更大的数据范围时，必须平衡高分辨率图像的扩展处理时间和数据存储需求与树木检测性能的小幅下降。可以使用计算机硬件启用的最高分辨率图像，同时应用最少的点云过滤，来优化开放式针叶树系统中的树上和林下树木检测。当缩小图像分辨率以允许处理更大的数据范围时，必须平衡高分辨率图像的扩展处理时间和数据存储需求与树木检测性能的小幅下降。