Buchumschlag

A Deep Learning Approach to Estimate Canopy Height and Uncertainty by Integrating Seasonal Optical, SAR and Limited GEDI LiDAR Data over Northern Forests

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Castro, Jose B., Rogers, Cheryl, Sothe, Camile, Cyr, Dominic, Gonsamo, Alemu
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

ABORDAGENS PARA CLASSIFICAÇÃO DO ESTÁDIO SUCESSIONAL DA VEGETAÇÃO DO PARQUE NACIONAL DE SÃO JOAQUIM EMPREGANDO IMAGENS LANDSAT-8 E RAPIDEYE
von: Camile Sothe
Veröffentlicht: (2017)

SALPA: Spaceborne LiDAR Point Adjustment for Enhanced GEDI Footprint Geolocation
von: Tsutsumida, Narumasa, et al.
Veröffentlicht: (2025)

Canopy Height Model based on UAV-LiDAR surveys in 2024 in Patagonia, Rio Negro Province, Argentina
von: Lencinas, José Daniel, et al.
Veröffentlicht: (2026)

Residual Kriging for Regional-Scale Canopy Height Mapping: Insights into GEDI-Induced Anisotropies and Sparse Sampling
von: Lahssini, Kamel, et al.
Veröffentlicht: (2025)

Enhancing Monocular Height Estimation via Sparse LiDAR-Guided Correction
von: Song, Jian, et al.
Veröffentlicht: (2025)

Tomographic SAR Reconstruction for Forest Height Estimation
von: Colverd, Grace, et al.
Veröffentlicht: (2024)

Estimating Canopy Height at Scale
von: Pauls, Jan, et al.
Veröffentlicht: (2024)

Extracting Object Heights From LiDAR & Aerial Imagery
von: Guerrero, Jesus
Veröffentlicht: (2024)

Height-Guided Projection Reparameterization for Camera-LiDAR Occupancy
von: Wu, Yuan, et al.
Veröffentlicht: (2026)

Adaptive Per-Tree Canopy Volume Estimation Using Mobile LiDAR in Structured and Unstructured Orchards
von: Abedi, Ali, et al.
Veröffentlicht: (2025)

LiDAR-Forest Dataset: LiDAR Point Cloud Simulation Dataset for Forestry Application
von: Lu, Yawen, et al.
Veröffentlicht: (2024)

Super-Resolved Canopy Height Mapping from Sentinel-2 Time Series Using Airborne LiDAR HD Reference Data across Metropolitan France
von: Kalinicheva, Ekaterina, et al.
Veröffentlicht: (2025)

Probabilistic Height Grid Terrain Mapping for Mining Shovels using LiDAR
von: Bhandari, Vedant, et al.
Veröffentlicht: (2024)

Resolution Limit of Single-Photon LiDAR
von: Chan, Stanley H., et al.
Veröffentlicht: (2024)

Interpolation of GEDI Biomass Estimates with Calibrated Uncertainty Quantification
von: Young, Robin, et al.
Veröffentlicht: (2026)

Supplementary material for paper of Accuracy Assessment of GEDI and ICESat-2 Canopy Height Products by Excluding Geolocation Error Based on Virtual Sampling Units
von: Jiang, Wenhao, et al.
Veröffentlicht: (2025)

Towards Robust LiDAR Localization: Deep Learning-based Uncertainty Estimation
von: Dolatabadi, Minoo, et al.
Veröffentlicht: (2025)

Uncertainty Estimation and Out-of-Distribution Detection for LiDAR Scene Semantic Segmentation
von: Shojaei, Hanieh, et al.
Veröffentlicht: (2024)

From Canopy to Ground via ForestGen3D: Learning Cross-Domain Generation of 3D Forest Structure from Aerial-to-Terrestrial LiDAR
von: Castorena, Juan, et al.
Veröffentlicht: (2025)

Depth Any Canopy: Leveraging Depth Foundation Models for Canopy Height Estimation
von: Cambrin, Daniele Rege, et al.
Veröffentlicht: (2024)

Application of Airborne LiDAR to the Determination of the Height of Large Structures. Case Study: Dams
von: Rubén Martínez Marín
Veröffentlicht: (2014)

High Resolution Tree Height Mapping of the Amazon Forest using Planet NICFI Images and LiDAR-Informed U-Net Model
von: Wagner, Fabien H, et al.
Veröffentlicht: (2025)

Paired-CSLiDAR: Height-Stratified Registration for Cross-Source Aerial-Ground LiDAR Pose Refinement
von: Hoover, Montana, et al.
Veröffentlicht: (2026)

ECHOSAT: Estimating Canopy Height Over Space And Time
von: Pauls, Jan, et al.
Veröffentlicht: (2026)

Canopy Tree Height Estimation Using Quantile Regression: Modeling and Evaluating Uncertainty in Remote Sensing
von: Schrödter, Karsten, et al.
Veröffentlicht: (2026)

Landscape-wide modelling of canopy tree crowns and heights using LiDAR: a case study in the Northern Rivers of NSW, Australia - Canopy height models
von: Norman, Patrick, et al.
Veröffentlicht: (2025)

Delaunay Canopy: Building Wireframe Reconstruction from Airborne LiDAR Point Clouds via Delaunay Graph
von: Kim, Donghyun, et al.
Veröffentlicht: (2026)

Evaluation and Deployment of LiDAR-based Place Recognition in Dense Forests
von: Oh, Haedam, et al.
Veröffentlicht: (2024)

First Mapping the Canopy Height of Primeval Forests in the Tallest Tree Area of Asia
von: Fan, Guangpeng, et al.
Veröffentlicht: (2024)

Naturalness Indicators of Forests in Southern Sweden derived from the Canopy Height Model
von: Della Vedova, Marco L., et al.
Veröffentlicht: (2024)

Analyzing Infrastructure LiDAR Placement with Realistic LiDAR Simulation Library
von: Cai, Xinyu, et al.
Veröffentlicht: (2022)

ForestLPR: LiDAR Place Recognition in Forests Attentioning Multiple BEV Density Images
von: Shen, Yanqing, et al.
Veröffentlicht: (2025)

Towards Over-Canopy Autonomous Navigation: Crop-Agnostic LiDAR-Based Crop-Row Detection in Arable Fields
von: Liu, Ruiji, et al.
Veröffentlicht: (2024)

LiDAR-HMR: 3D Human Mesh Recovery from LiDAR
von: Fan, Bohao, et al.
Veröffentlicht: (2023)

LiDAR-GS++:Improving LiDAR Gaussian Reconstruction via Diffusion Priors
von: Chen, Qifeng, et al.
Veröffentlicht: (2025)

Multi-LiCa: A Motion and Targetless Multi LiDAR-to-LiDAR Calibration Framework
von: Kulmer, Dominik, et al.
Veröffentlicht: (2025)

Uncertainty‐aware LiDAR‐based localization for outdoor mobile robots
von: Geonhyeok Park, et al.
Veröffentlicht: (2024)

Better Coherence, Better Height: Fusing Physical Models and Deep Learning for Forest Height Estimation from Interferometric SAR Data
von: Mahesh, Ragini Bal, et al.
Veröffentlicht: (2025)

SVN-ICP: Uncertainty Estimation of ICP-based LiDAR Odometry using Stein Variational Newton
von: Ma, Shiping, et al.
Veröffentlicht: (2025)

UFO: Uncertainty-aware LiDAR-image Fusion for Off-road Semantic Terrain Map Estimation
von: Kim, Ohn, et al.
Veröffentlicht: (2024)