This study focuses on advancing individual tree crown (ITC) segmentation in lidar data, developing a sensor- and platform-agnostic deep learning model transferable across a spectrum of dense laser scanning datasets from drone (ULS), to terrestrial (TLS), and mobile (MLS) laser scanning data. In a field where transferability across different data characteristics has been a longstanding challenge, this research marks a step towards versatile, efficient, and comprehensive 3D forest scene analysis.

中文翻译：

---

SegmentAnyTree：使用激光扫描数据进行树木分割的与传感器和平台无关的深度学习模型


这项研究的重点是推进激光雷达数据中的个体树冠（ITC）分割，开发一种与传感器和平台无关的深度学习模型，可在从无人机（ULS）到地面（TLS）和移动的一系列密集激光扫描数据集上进行迁移（MLS）激光扫描数据。在不同数据特征之间的可转移性一直是一个长期挑战的领域，这项研究标志着向多功能、高效和全面的 3D 森林场景分析迈出了一步。