Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.contributor | Czech University of Life Sciences Prague (CULS) | - |
Autor(es): dc.creator | Norberto, Isabella Subtil | - |
Autor(es): dc.creator | Faria Junior, Clodoaldo Souza | - |
Autor(es): dc.creator | Tommaselli, Antonio Maria Garcia | - |
Autor(es): dc.creator | Shimabukuro, Milton Hirokazu | - |
Autor(es): dc.creator | Martins-Neto, Rorai Pereira | - |
Autor(es): dc.creator | Imai, Nilton Nobuhiro | - |
Autor(es): dc.creator | da Silva, Matheus Ferreira | - |
Data de aceite: dc.date.accessioned | 2025-08-21T22:19:19Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T22:19:19Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2024-11-03 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.5194/isprs-annals-X-3-2024-269-2024 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/298807 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/298807 | - |
Descrição: dc.description | Leaf detection through automated segmentation of 3D data is becoming a crucial technique in many applications of digital agriculture. Some 3D segmentation techniques that can be mentioned are based on normal differences and median normalised vector growth. However, applying these approaches to high canopy density data remains challenging. In this study, we propose a processing flow for leaf detection in high canopy density LiDAR-RGB point clouds. First, a noise removal technique inspired by Moving Least Squares (MLS) was applied to the LiDAR point cloud, and a RGB colour was assigned to each point by combining computer vision and photogrammetric methods. Moreover, once the data were suitable for leaf detection, the branches were filtered using the Statistical Outlier Removal (SOR) filter based on an analysis of the statistical behaviour of the neighbourhood. Afterwards, an unsupervised DBSCAN (Density-Based Clustering Non-Parametric Algorithm) method was used to segment similar points. Finally, the points within each cluster were identified as leaf or non-leaf using the RGB values implemented by our method; ground points were filtered out using a maximum height threshold. As a result, the leaf, non-leaf, and ground point identifiers were correct in 98.9% of cases, with the branch filtering technique SOR proving effectiveness in removing branches with low information loss and without additional complex point densification steps in reconstruction. This SOR-based solution overcomes major challenges in semantic segmentation (leaves and branches) in high-density data and potentially contributes to precision agriculture. | - |
Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
Descrição: dc.description | Faculty of Science and Technology São Paulo State University (UNESP), São Paulo | - |
Descrição: dc.description | Faculty of Forestry and Wood Sciences Czech University of Life Sciences Prague (CULS), Kamycka 129 | - |
Descrição: dc.description | Faculty of Science and Technology São Paulo State University (UNESP), São Paulo | - |
Descrição: dc.description | CNPq: 130414/2022-0 | - |
Descrição: dc.description | FAPESP: 2021/06029-7 | - |
Descrição: dc.description | FAPESP: 2023/14756-1 | - |
Descrição: dc.description | CNPq: 303670/2018-5 | - |
Descrição: dc.description | CNPq: 308747/2021-6 | - |
Descrição: dc.description | CAPES: 88887.310313/2018-00 | - |
Descrição: dc.description | CAPES: 88887.821780/2023-00 | - |
Descrição: dc.description | CAPES: 88887.898553/2023-00 | - |
Descrição: dc.description | CAPES: 88887.961781/2024-00 | - |
Formato: dc.format | 269-276 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | colouring point cloud | - |
Palavras-chave: dc.subject | leaf segmentation | - |
Palavras-chave: dc.subject | precision agriculture | - |
Palavras-chave: dc.subject | spectral identification | - |
Palavras-chave: dc.subject | terrestrial LiDAR data | - |
Título: dc.title | Leaf Identification in High-Density LiDAR-RGB Data | - |
Tipo de arquivo: dc.type | aula digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: