💻 computer science

Estimating the Diameter at Breast Height of Trees in a Forest from RGB

यह शोध पत्र उपभोक्ता-श्रेणी के 360° वीडियो और SfM फोटोग्रामेट्री का उपयोग करते हुए एक कम लागत वाली, अर्ध-स्वचालित पाइपलाइन प्रस्तुत करता है, जो 5-9% माध्य पूर्ण सापेक्ष त्रुटि (median absolute relative error) के साथ छाती की ऊंचाई पर वृक्ष व्यास का अनुमान लगाता है, जिससे महंगी LiDAR विधियों के तुलनीय सटीकता प्राप्त होती है और साथ ही लागत एवं परिचालन जटिलता में उल्लेखनीय कमी आती है।

मूल लेखक: Siming He, Zachary Osman, Fernando Cladera, Dexter Ong, Nitant Rai, Patrick Corey Green, Vijay Kumar, Pratik Chaudhari

प्रकाशित 2026-04-17

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Siming He, Zachary Osman, Fernando Cladera, Dexter Ong, Nitant Rai, Patrick Corey Green, Vijay Kumar, Pratik Chaudhari

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक वन प्रबंधक (forest manager) हैं और यह पता लगाने की कोशिश कर रहे हैं कि एक जंगल कितना कार्बन जमा कर रहा है या उसमें कितनी लकड़ी मौजूद है। इसके लिए, आपको एक विशिष्ट ऊंचाई (लगभग छाती की ऊंचाई, या 1.3 मीटर) पर पेड़ों के तनों की मोटाई को मापना होगा। इस माप को DBH (डायमीटर एट ब्रेस्ट हाइट) कहा जाता है।

पारंपरिक रूप से, वन संरक्षकों को जंगल में जाना पड़ता है, हर पेड़ को ढूंढना पड़ता है और टेप माप (tape measure) को उसके चारों ओर लपेटना पड़ता है। यह काम धीमा, थका देने वाला और हजारों पेड़ों के लिए बहुत कठिन है।

यह शोध पत्र एक कम लागत वाला, उच्च-तकनीकी शॉर्टकट पेश करता है जो पेड़ों को स्वचालित रूप से मापने के लिए एक साधारण 360-डिग्री कैमरे (जैसे कि वर्चुअल रियलिटी टूर के लिए उपयोग किए जाने वाले कैमरों) का उपयोग करता है। यह इस प्रकार काम करता है, जिसे सरल चरणों और कुछ रचनात्मक उपमाओं (analogies) में विभाजित किया गया है:

1. समस्या: महंगी "लेजर स्कैनर" बनाम सस्ती "कैमरा"

पुराना तरीका (LiDAR): LiDAR को एक उच्च-स्तरीय, सैन्य-ग्रेड लेजर स्कैनर के रूप में सोचें। यह पेड़ों पर लेजर छोड़ता है और उनका एक सटीक 3D मॉडल बनाता है। यह अविश्वसनीय रूप से सटीक है (जैसे कि एक कुशल बढ़ई का रूलर), लेकिन इसकी कीमत हजारों डॉलर है और इसे चलाने के लिए एक विशेषज्ञ की आवश्यकता होती है।
नया तरीका (360° वीडियो): लेखक कहते हैं, "जब हम एक उपभोक्ता कैमरा उपयोग कर सकते हैं, तो बहुत अधिक खर्च क्यों करना?" वे एक सस्ते 360-डिग्री कैमरे (जैसे कि Insta360) का उपयोग करते हैं जिसे ड्रोन या बैकपैक पर लगाया जाता है। यह एक पेशेवर DSLR कैमरे के बजाय स्मार्टफोन का उपयोग करने जैसा है। यह सस्ता है, उपयोग में आसान है, और सभी के लिए उपलब्ध है।

2. प्रक्रिया: वे वीडियो को माप में कैसे बदलते हैं

टीम ने उस वीडियो को पेड़ के माप में बदलने के लिए एक "रेसिपी" (पाइपलाइन) बनाई। यहाँ इसके तीन मुख्य घटक हैं:

चरण A: 3D दुनिया बनाना (द "पज़ल सॉल्वर")

सबसे पहले, वे 360-डिग्री वीडियो लेते हैं और उसे Agisoft Metashape नामक सॉफ्टवेयर में फीड करते हैं।

उपमा: कल्पना करें कि आप एक मूर्ति की हर कोण से सैकड़ों तस्वीरें लेते हैं और एक कंप्यूटर का उपयोग करके उन्हें एक 3D मॉडल में जोड़ने के लिए उपयोग करते हैं। इसे स्ट्रक्चर फ्रॉम मोशन (SfM) कहा जाता है। सॉफ्टवेयर यह देखता है कि फ्रेम के बीच पिक्सेल कैसे चलते हैं ताकि यह पता लगाया जा सके कि कैमरा कहाँ था और वह एक "पॉइंट क्लाउड" (बिंदुओं का एक डिजिटल बादल जो जंगल का प्रतिनिधित्व करता है) बनाता है।
चुनौती: कंप्यूटर जंगल तो बनाता है, लेकिन वह अभी तक वास्तविक आकार नहीं जानता। यह सोच सकता है कि एक पेड़ 10 मीटर ऊंचा है जबकि वास्तव में वह 5 मीटर का है। इसलिए, टीम एक ज्ञात आकार के मार्कर (1 मीटर का वर्ग) को दृश्य में रखती है ताकि कंप्यूटर को बताया जा सके, "हे, यह वर्ग ठीक 1 मीटर का है। बाकी सब कुछ इसके अनुरूप स्केल करें।"

चरण B: तनों को खोजना (द "डिजिटल हाइलाइटर")

अब उनके पास एक 3D जंगल है, लेकिन यह पत्तियों, शाखाओं, जमीन और तनों का एक मिला-जुला मिश्रण है। उन्हें केवल तनों को अलग करने की आवश्यकता है।

उपमा: कल्पना करें कि आपके पास जंगल की एक विशाल फोटो है, और आप केवल पेड़ के तनों को लाल रंग से हाईलाइट करना चाहते हैं। आप एक सुपर-स्मार्ट AI (जिसे Grounded SAM कहा जाता है) से कहते हैं, "पेड़ के तनों को ढूंढो।" AI 2D तस्वीरों में तनों के चारों ओर एक मास्क बनाता है।
जादू: सिस्टम उन 2D लाल मास्क को 3D पॉइंट क्लाउड पर प्रोजेक्ट करता है। अचानक, कंप्यूटर को पता चल जाता है कि कौन से 3D बिंदु एक पेड़ के तने के हैं और कौन से एक पत्ती के। यह 3D स्पेस में तनों को कलर-कोड करने के लिए डिजिटल हाइलाइटर का उपयोग करने जैसा है।

चरण C: व्यास मापना (द "शेप फिटर")

एक बार जब तना अलग हो जाता है, तो कंप्यूटर "छाती की ऊंचाई" (1.3 मीटर) पर 3D मॉडल को काटता है ताकि उसका क्रॉस-सेक्शन प्राप्त किया जा सके। फिर यह उस स्लाइस के आकार का अनुमान लगाने की कोशिश करता है।

चुनौती: पेड़ के तने पूर्ण वृत्त (perfect circles) नहीं होते। वे ऊबड़-खाबड़, गांठदार होते हैं और कभी-कभी पत्तियों या अन्य पेड़ों के कारण आंशिक रूप से ही दिखाई देते हैं।
समाधान: टीम ने स्लाइस पर एक आकार फिट करने के तीन तरीके आजमाए:
1. इलिप्स (Ellipse): एक खिंचे हुए वृत्त को फिट करने की कोशिश करना।
2. बी-स्प्लिन (B-Spline): बिंदुओं के माध्यम से एक चिकनी, लचीली रेखा खींचने की कोशिश करना।
3. फोरियर सीरीज़ (Fourier Series): यह विजेता है। इसे एक गणितीय "विगल" (wiggle) के रूप में सोचें जो वास्तविक पेड़ के लंपी और अपूर्ण आकार में फिट होने के लिए मुड़ और झुक सकता है, भले ही तने के कुछ हिस्से गायब या छिपे हों।
परिणाम: "फोरियर" विधि सबसे मजबूत थी, जो एक लचीले रबर बैंड की तरह काम करती है जो अनियमित आकार के चारों ओर पूरी तरह से फिट हो जाती है, शोर और अंतराल को अनदेखा करती है।

3. परिणाम: यह कितना अच्छा है?

टीम ने इसका परीक्षण 43 पेड़ों पर 61 अलग-अलग स्कैन के साथ किया।

सटीकता: उनकी विधि मानव द्वारा टेप से मापने की तुलना में लगभग 5% से 9% तक भिन्न थी।
तुलना: महंगा LiDAR तरीका थोड़ा अधिक सटीक है (केवल 2-4% की भिन्नता), लेकिन अंतर बहुत कम है।
समझौता (Trade-off): आप थोड़ी सी सटीकता के बदले लागत और जटिलता में भारी कमी प्राप्त कर रहे हैं। $20,000 के लेजर स्कैनर और इसे चलाने के लिए PhD की आवश्यकता के बजाय, आप $500 के कैमरे और एक बैकपैक का उपयोग कर सकते हैं।

4. "सीक्रेट सॉस" विज़ुअलाइज़ेशन

उन्होंने एक शानदार इंटरैक्टिव टूल (एक वीडियो गेम व्यूअर की तरह) भी बनाया जहाँ आप 3D जंगल में एक पेड़ पर क्लिक कर सकते हैं, और यह तुरंत आपको उस पेड़ की ID और उसका अनुमानित मोटाई बता देता है। यह मनुष्यों को कंप्यूटर के काम की दोबारा जांच करने में मदद करता है।

सारांश: यह क्यों मायने रखता है?

यह शोध पत्र वानिकी के लोकतंत्रीकरण (democratizing forestry) के बारे में है।

पहले: केवल अमीर सरकारें या बड़ी कंपनियाँ ही जंगलों को सटीक रूप से मापने का खर्च उठा सकती थीं।
अब: किसी के पास भी 360-डिग्री कैमरा हो, तो वह जंगल का मानचित्र बना सकता है, उसके कार्बन भंडारण का अनुमान लगा सकता है और उसके स्वास्थ्य का प्रबंधन कर सकता है।

यह एक फिल्म बनाने के लिए पेशेवर फिल्म क्रू की आवश्यकता से, केवल iPhone का उपयोग करने तक जाने जैसा है। गुणवत्ता शायद हॉलीवुड स्तर की नहीं है, लेकिन यह अधिकांश लोगों के लिए पर्याप्त है, और यह सभी के लिए सुलभ है। यह हमें अपने ग्रह के जंगलों की अधिक बार, सस्ते में और प्रभावी ढंग से निगरानी करने की अनुमति देता है।

यहाँ "Estimating the Diameter at Breast Height of Trees in a Forest from RGB" शोध पत्र का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

कार्बन लेखांकन (carbon accounting), बायोमास अनुमान और संसाधन प्रबंधन के लिए वन सूची (forest inventories) को स्तन ऊँचाई पर व्यास (Diameter at Breast Height - DBH) (ज़मीन से 1.3 मीटर ऊपर मापा गया) के सटीक माप की आवश्यकता होती है।

वर्तमान सीमाएँ: पारंपरिक मैन्युअल तरीके (टेप/कैलिपर्स) श्रम-साध्य और बड़े पैमाने पर अक्षम हैं। LiDAR-आधारित तकनीकें उच्च सटीकता (अक्सर <2 सेमी RMSE) प्रदान करती हैं, लेकिन वे अत्यधिक महंगी हैं, उनके लिए विशेष प्रोसेसिंग सॉफ़्टवेयर की आवश्यकता होती है, और प्रशिक्षित कर्मियों की ज़रूरत होती है, जो उनके व्यापक उपयोग को सीमित करती है।
लक्ष्य: उपभोक्ता-ग्रेड हार्डवेयर का उपयोग करके एक ऐसा कम लागत वाला, स्केलेबल और सुलभ विकल्प विकसित करना जो LiDAR के समान सटीकता प्राप्त कर सके, बिना उससे जुड़ी लागत या जटिलता के।

2. कार्यप्रणाली (Methodology)

लेखक एक अर्ध-स्वचालित पाइपलाइन (semi-automated pipeline) का प्रस्ताव करते हैं जो 360° वीडियो डेटा को DBH अनुमानों में परिवर्तित करती है। यह वर्कफ़्लो छह मुख्य चरणों से बना है:

A. डेटा अधिग्रहण (Data Acquisition)

हार्डवेयर: एक उपभोक्ता-ग्रेड Insta360 360° कैमरा, जिसे या तो ड्रोन (Falcon UAV) या बैकपैक-माउंटेड टॉवर पर लगाया गया है।
ग्राउंड ट्रुथ (Ground Truth): बेसलाइन तुलना के लिए व्यास टेप (diameter tapes) और LiDAR डेटा (Ouster सेंसर) का उपयोग करके किए गए मैन्युअल माप।
स्केलिंग (Scaling): 3D पुनर्निर्माण को वास्तविक दुनिया की मीट्रिक इकाइयों में स्केल करने के लिए दृश्य में एक 1 मीटर × 1 मीटर का ArUco मार्कर रखा गया है।

B. 3D पुनर्निर्माण (SfM)

सॉफ्टवेयर: 360° वीडियो को प्रोसेस करने के लिए Agisoft Metashape का उपयोग किया गया है।
प्रक्रिया:
1. एलाइनमेंट (Alignment): स्ट्रक्चर फ्रॉम मोशन (SfM) ओवरलैपिंग इक्वीरेक्टेंगुलर छवियों से कैमरा पोज़ और आंतरिक मापदंडों (intrinsic parameters) का अनुमान लगाता है।
2. डेंस क्लाउड (Dense Cloud): मल्टी-व्यू स्टीरियो (MVS) एक घना 3D पॉइंट क्लाउड और टेक्सचर्ड मेश जनरेट करता है।
3. स्केलिंग: मॉडल को ArUco मार्कर के ज्ञात आयामों का उपयोग करके स्केल किया जाता है।

C. स्वचालित वृक्ष तना विभाजन (Automated Tree Trunk Segmentation)

वृक्ष के तने को शोर वाले वन वातावरण (ज़मीन, कैनोपी, अंडरस्टोरी) से अलग करने के लिए:

सिमेंटिक प्रोजेक्शन (Semantic Projection): इक्वीरेक्टेंगुलर छवियों पर 2D सेगमेंटेशन मास्क बनाने के लिए Grounded SAM (सेगमेंट एनीथिंग मॉडल) का उपयोग "tree trunk" टेक्स्ट प्रॉम्प्ट के साथ किया जाता है।
3D प्रोजेक्शन: इन 2D मास्क को 3D पॉइंट क्लाउड पर प्रोजेक्ट किया जाता है। वे पॉइंट्स जिन्हें कई दृश्यों से "trunk" लेबल प्राप्त होता है, उन्हें बनाए रखा जाता है।
फिल्टरिंग (Filtering):
- ग्राउंड रिमूवल: RANSAC ज़मीन के तल (ground plane) की पहचान करता है और उसे हटा देता है।
- नॉर्मल फिल्टरिंग: उन पॉइंट्स को हटा दिया जाता है जो ज़मीन के समानांतर नहीं हैं (यह मानते हुए कि पेड़ <45° झुकते हैं)।
- क्लस्टरिंग (Clustering): DBSCAN शेष पॉइंट्स को क्लस्टर करता है। छोटे क्लस्टर्स (शोर) को Otsu's थ्रेशोल्डिंग का उपयोग करके हटा दिया जाता है।
- एक्सपेंशन (Expansion): उन पॉइंट्स को पुनः प्राप्त करने के लिए क्लस्टर्स का विस्तार किया जाता है जो प्रारंभिक प्रोजेक्शन में छूट गए थे।

D. DBH अनुमान (Geometric Fitting)

एक बार तना विभाजित हो जाने के बाद, 1.3 मीटर की ऊँचाई पर (विशेष रूप से 1.22 मीटर से 1.52 मीटर के बीच 30 सेमी बैंड) एक क्रॉस-सेक्शन निकाला जाता है। लेखक आउटलेर्स को संभालने के लिए एक RANSAC फ्रेमवर्क के भीतर तीन फिटिंग विधियों की तुलना करते हैं:

लीस्ट-स्क्वेयर्स एलिप्स फिटिंग (Least-squares Ellipse Fitting)।
पीरियडिक बी-स्प्लाइन फिटिंग (Periodic B-spline Fitting)।
ट्रंकेटेड फूरियर सीरीज़ (डिग्री 2) (Truncated Fourier Series - Degree 2): यह ध्रुवीय निर्देशांकों (polar coordinates) में वक्र को पैरामीट्रिक रूप में दर्शाता है ( $r(t) = a_0 + \sum a_i \cos(it) + b_i \sin(it)$ )।

चयन: फूरियर सीरीज़ (Fourier Series) विधि ने लगातार सबसे कम त्रुटि और भिन्नता (variance) प्रदर्शित की। अंतिम DBH को फिट की गई वक्र की परिधि को $\pi$ से विभाजित करके निकाला जाता है।

E. विज़ुअलाइज़ेशन (Visualization)

एक कस्टम इंटरैक्टिव टूल (viser पर आधारित) उपयोगकर्ताओं को 3D पॉइंट क्लाउड का निरीक्षण करने, विभाजित तनों को देखने (लाल रंग में हाइलाइट किया गया), और विशिष्ट पेड़ों के अद्वितीय ID और अनुमानित DBH को देखने के लिए क्लिक करने की अनुमति देता है।

3. प्रमुख योगदान (Key Contributions)

एंड-टू-एंड पाइपलाइन: एक पूर्ण प्रणाली जो SfM, सेगमेंटेशन के लिए Grounded SAM और मजबूत ज्यामितीय फिटिंग का उपयोग करके 360° वीडियो को DBH अनुमानों में बदलती है।
किफायती हार्डवेयर: यह प्रदर्शित करता है कि एक एकल उपभोक्ता-ग्रेड 360° कैमरा (जो LiDAR से कई गुना सस्ता है) LiDAR के समान सटीकता प्राप्त कर सकता है।
मजबूत फिटिंग एल्गोरिदम: शोर वाले या आंशिक रूप से देखे गए क्रॉस-सेक्शन के लिए एलिप्स या बी-स्प्लाइन्स की तुलना में ट्रंकेटेड फूरियर सीरीज़ को बेहतर फिटिंग विधि के रूप में पहचानना।
इंटरैक्टिव टूल: अनुसंधान और सत्यापन के लिए एक विज़ुअलाइज़ेशन इंटरफ़ेस का विकास।

4. प्रयोगात्मक परिणाम (Experimental Results)

सिस्टम का मूल्यांकन वर्जीनिया टेक के स्टेडियम वुड्स में विभिन्न प्रजातियों के 43 पेड़ों के 61 नमूनों पर किया गया।

सटीकता (Accuracy):
- इस पद्धति ने मैन्युअल ग्राउंड ट्रुथ की तुलना में मध्यस्थ पूर्ण सापेक्ष त्रुटि (median absolute relative error) 5–9% प्राप्त की।
- यह अत्याधुनिक LiDAR-आधारित अनुमानों (जो आमतौर पर ~2–5% त्रुटि प्राप्त करते हैं) से केवल 2–4% अधिक है।
फिटिंग प्रदर्शन (Fitting Performance):
- फूरियर फिटिंग (Fourier Fitting): इसने अन्य विधियों को लगातार पीछे छोड़ दिया, जिसमें पूरी तरह से देखे गए पेड़ों के लिए 4.8% और आंशिक रूप से देखे गए पेड़ों के लिए 8.1% की मध्यस्थ त्रुटि देखी गई।
- एलिप्स/बी-स्प्लाइन (Ellipse/B-Spline): इनमें आंशिक अवरोध (partial occlusion) और शोर के प्रति उच्च संवेदनशीलता देखी गई, जहाँ त्रुटियाँ काफी बढ़ गईं (आंशिक दृश्यों में एलिप्स के लिए 19.5% तक)।
प्लेटफॉर्म तुलना (Platform Comparison):
- बैकपैक (पैदल चलना): बेहतर कवरेज और कम मोशन ब्लर के कारण कम त्रुटि (6.2% मध्यस्थ)।
- ड्रोन (Drone): मोशन ब्लर और पत्तियों/शाखाओं के पास उड़ने में असमर्थता के कारण अधिक त्रुटि (11.5% मध्यस्थ)।
LiDAR तुलना:
- जब इसे उसी पाइपलाइन का उपयोग करने वाले LiDAR-इनर्शियल ओडोमेट्री सिस्टम के साथ तुलना की गई, तो फोटोग्रामेट्री दृष्टिकोण वास्तव में कुछ मेट्रिक्स में थोड़ा बेहतर प्रदर्शन कर गया, हालांकि LiDAR "प्रति-स्कैन" विधि (स्वच्छ डेटा, कोई ड्रिफ्ट नहीं) सब-सेन्टीमीटर सटीकता के लिए स्वर्ण मानक बनी हुई है।

5. महत्व और निष्कर्ष (Significance and Conclusion)

सुलभता (Accessibility): प्रस्तावित विधि महंगे, विशेषीकृत LiDAR सिस्टम को व्यापक रूप से उपलब्ध, कम लागत वाले 360° कैमरों से बदलकर वन सूची को लोकतांत्रिक बनाती है।
समझौता (Trade-off): जबकि यह सब-सेन्टीमीटर सटीकता का त्याग करती है (LiDAR के ~2–5% बनाम ~5–9% त्रुटि), सेंसर लागत में दो क्रमों की कमी (two orders of magnitude reduction) और तैनाती में आसानी इसे उन बड़े पैमाने के या संसाधन-बाधित वानिकी अनुप्रयोगों के लिए आदर्श बनाती है जहाँ सब-सेन्टीमीटर सटीकता महत्वपूर्ण नहीं है।
भावी कार्य: लेखक मैनुअल स्केलिंग चरण को स्वचालित करने, विविध वन क्षेत्रों में इसका सत्यापन करने और वृक्ष प्रजातियों एवं स्वास्थ्य के मूल्यांकन के लिए सिस्टम का विस्तार करने का लक्ष्य रखते हैं।

संक्षेप में, यह शोध पत्र वन निगरानी के लिए एक व्यवहार्य, कम लागत वाला विकल्प प्रस्तुत करता है, जो यह सिद्ध करता है कि उन्नत कंप्यूटर विज़न तकनीकें (SfM + फाउंडेशन मॉडल्स + रोबस्ट फिटिंग) उपभोक्ता हार्डवेयर और पेशेवर वानिकी आवश्यकताओं के बीच के अंतर को पाट सकती हैं।