Terrestrial laser scanners are widely used to derive unbiased and non-destructive estimates of the vertical distribution of the plant area index and plant area volume density at plot-level scales, as well as the above-ground biomass, height, and diameter at breast height of individual trees. Multiple scans are often employed to capture and register data so that all of the stems can be detected and their complete forms can be analyzed. Researchers have traditionally preferred target-less strategies to register scans because of their low cost and convenience. However, in complex forest scenes, even state-of-the-art approaches cannot guarantee the success of any pairwise registration. In this study, we present an automated target-based processing approach for the registration of unordered scans in complex forest scenes. In contrast to previous studies, the proposed registration method automatically detects the artificial targets and builds a geometric network to judge their connectivity. A pose graph is then exploited to combine these data with the corresponding pairwise transformation, and then the scans are integrated into a unified coordinate system. This method is more robust and efficient than target-less approaches because it is independent of the characteristics of individual trees and does not require ground information. In an experimental scenario, we use an extremely complex wild bamboo forest scene to evaluate the performance of the proposed approach in terms of robustness, accuracy, and efficiency.

地面激光扫描仪被广泛用于在地块级尺度上对植物面积指数和植物面积体积密度的垂直分布以及地上生物量、高度和胸高直径的垂直分布进行无偏和无损估计个别树木。通常使用多次扫描来捕获和记录数据，以便可以检测到所有茎并分析它们的完整形式。研究人员传统上更喜欢无目标策略来注册扫描，因为它们成本低且方便。然而，在复杂的森林场景中，即使是最先进的方法也不能保证任何成对配准的成功。在这项研究中，我们提出了一种基于目标的自动化处理方法，用于在复杂森林场景中注册无序扫描。与之前的研究相比，所提出的配准方法自动检测人工目标并构建几何网络来判断它们的连通性。然后利用位姿图将这些数据与相应的成对变换相结合，然后将扫描集成到一个统一的坐标系中。这种方法比无目标方法更健壮和有效，因为它独立于单个树木的特征并且不需要地面信息。在实验场景中，我们使用极其复杂的野生竹林场景来评估所提出方法在鲁棒性、准确性和效率方面的性能。然后利用位姿图将这些数据与相应的成对变换相结合，然后将扫描集成到一个统一的坐标系中。这种方法比无目标方法更健壮和有效，因为它独立于单个树木的特征并且不需要地面信息。在实验场景中，我们使用极其复杂的野生竹林场景来评估所提出方法在鲁棒性、准确性和效率方面的性能。然后利用位姿图将这些数据与相应的成对变换相结合，然后将扫描集成到一个统一的坐标系中。这种方法比无目标方法更健壮和有效，因为它独立于单个树木的特征并且不需要地面信息。在实验场景中，我们使用极其复杂的野生竹林场景来评估所提出方法在鲁棒性、准确性和效率方面的性能。这种方法比无目标方法更健壮和有效，因为它独立于单个树木的特征并且不需要地面信息。在实验场景中，我们使用极其复杂的野生竹林场景来评估所提出方法在鲁棒性、准确性和效率方面的性能。这种方法比无目标方法更健壮和有效，因为它独立于单个树木的特征并且不需要地面信息。在实验场景中，我们使用极其复杂的野生竹林场景来评估所提出方法在鲁棒性、准确性和效率方面的性能。