WHU-STree

该研究提出了WHU-STree，这是一个开创性的多模态数据集，旨在解决城市街道树木清单研究中的关键空白。通过整合在两个地理上不同的城市收集的同步点云和高分辨率图像，WHU-STree为推进自动化城市林业管理提供了全面的资源。该数据集包含21,007个带注释的树木实例，涵盖50种树木的物种标签和形态参数，能够同时支持个体树木分割、物种分类和3D形态分析等任务。其跨城市收集策略，结合丰富的注释和多模态集成，为评估现实城市环境中算法的泛化性和鲁棒性设定了新的基准。

This research introduces WHU-STree, an innovative multimodal dataset designed to address critical gaps in urban street tree inventory research. By integrating synchronized point clouds and high-resolution images collected from two geographically distinct cities, WHU-STree provides a comprehensive resource for advancing automated urban forestry management. The dataset contains 21,007 annotated tree instances, covering species tags and morphological parameters for 50 tree species, and is capable of supporting tasks such as individual tree segmentation, species classification, and 3D morphological analysis. Its cross-city collection strategy, combined with rich annotations and multimodal integration, sets a new benchmark for evaluating the generalizability and robustness of algorithms in real urban environments.

原始信息汇总

WHU-STree 数据集概述

数据集简介

WHU-STree是一个多模态基准数据集，专为城市街道树木清单研究设计。该数据集通过整合两个地理分布不同城市的同步点云和高分辨率图像，为自动化城市林业管理提供了全面资源。

关键特性

• 数据规模：包含21,007个标注的树木实例
• 物种覆盖：涵盖50种树木的物种标签
• 数据类型：同步点云和高分辨率图像
• 应用场景：支持个体树木分割、物种分类和3D形态分析等任务

数据结构

文件夹结构

WHU-STree ├── 00/ # 道路00 │ ├── hdi/ # 处理后的POS数据 │ │ ├── 1/ # 轨迹1的POS数据 │ │ │ └── traj.csv
│ │ └── 2/ # 轨迹2的POS数据 │ │ └── traj.csv │ ├── image/ # 全景图像数据 │ │ ├── 1/ # 轨迹1的图像 │ │ │ ├── 00000000-01-20201218104358926.jpg
│ │ │ ├── 00000000-01-20201218104401126.jpg │ │ │ └── ...
│ │ └── 2/ # 轨迹2的图像 │ │ ├── 00000000-01-20201218104402944.jpg │ │ ├── 00000000-01-20201218104404539.jpg │ │ └── ... │ └── PCD/ # 点云数据 │ ├── 1.ply # 轨迹1的点云 │ └── 2.ply # 轨迹2的点云 ├── 01/ # 道路01 │ └── ... # 相同子结构 └── ... # 其他道路

数据格式说明

1. 处理后的POS数据

   • 文件格式：traj.csv
   • 记录内容：每张全景图像在曝光时刻的外方位元素
   • 每记录结构：[image_filename, X, Y, Z, heading, pitch, roll]

2. 点云属性

   • 文件格式：.ply
   • 包含属性：[x, y, z, intensity, tree, label]
     • tree：实例标签
     • label：树种标签

相关竞赛

• 使用部分数据集组织了第9届中国激光雷达大会的个体树木分割竞赛
• 竞赛详细信息请访问：http://lidar2025wuhan.com/

搜集汇总

数据集介绍

构建方式

WHU-STree数据集作为城市街景树木资源调查领域的重要突破，采用多模态数据融合技术构建而成。研究团队通过移动测量系统在两座地理特征迥异的城市中同步采集高密度点云与高分辨率全景影像数据，实现了空间信息与视觉特征的深度融合。数据集构建过程中，专业团队对21,007棵树木实例进行了精细化标注，涵盖50个树种分类标签及三维形态参数，所有数据均按照标准化路径结构组织，并配备精确的外方位元素以实现跨模态数据对齐。

特点

该数据集的核心价值体现在其多维度的创新特性上。作为目前首个支持跨城市泛化性评估的街景树木数据集，WHU-STree通过双城采集策略有效提升了数据的地理多样性。其独特的标注体系同时包含树木实例分割标签、精细树种分类标签以及三维形态参数，支持从二维识别到三维重建的全链条研究。数据模态的完备性尤为突出，点云数据配备强度反射率和语义标签，全景影像与POS数据严格同步，为多模态学习提供了理想实验平台。

使用方法

研究人员可通过标准化数据接口快速开展各类城市林业研究。点云数据采用PLY格式存储，包含空间坐标、反射强度及语义标签，可直接用于树木实例分割网络训练。全景影像与轨迹数据的时空关联性支持跨模态检索任务，外方位参数文件实现了粗略配准。数据集采用分层目录结构组织，按道路编号和采集轨迹进行系统分类，配套提供的统计图表可辅助研究者把握数据分布特征。为促进学术交流，团队还基于部分数据举办了专题算法竞赛，研究者可通过规范流程申请数据访问权限。

背景与挑战

背景概述

WHU-STree数据集由武汉大学遥感信息工程学院的三维视觉研究团队于2023年推出，标志着城市林业数字化管理研究的重要突破。该数据集针对传统城市树木调查方法效率低下、数据单一的问题，创新性地整合了激光点云与高分辨率影像等多模态数据，覆盖两个地理特征迥异的城市区域，包含21,007株标注树木实例和50个树种标签。作为首个支持树木个体分割、物种分类和三维形态分析等多任务协同研究的基准数据集，WHU-STree为城市生态评估、智慧园林管理等应用提供了关键数据支撑，其跨城市采集策略显著提升了算法在真实场景中的泛化能力评估价值。

当前挑战

在城市树木数字化建模领域，WHU-STree致力于解决多模态数据融合下的树木精准识别与参数化重建难题。核心挑战体现在算法层面需克服点云稀疏性与影像遮挡导致的树木形态失真，以及跨地域树种分布差异对分类模型泛化性的影响。数据构建过程中，研究团队面临多源传感器时空同步校准、大规模场景语义标注一致性维护等技术瓶颈，特别是针对乔木冠层重叠区域的实例分割精度提升。该数据集通过标准化评估框架的建立，为应对城市复杂场景中的动态光照变化、植被季节性变异等现实挑战提供了新的研究基准。

常用场景

经典使用场景

在城市林业管理和遥感技术领域，WHU-STree数据集为街树分割、物种分类及三维形态分析提供了多模态数据支持。通过整合来自不同城市的同步点云和高分辨率图像，该数据集能够模拟真实城市环境中的复杂场景，为算法开发和验证提供了丰富的实验材料。其经典使用场景包括基于深度学习的街树自动识别系统开发，以及跨城市环境下的算法泛化能力评估。

解决学术问题

WHU-STree数据集解决了城市林业研究中数据稀缺和标注不统一的关键问题。通过提供21,007棵标注树木实例，涵盖50个树种及其形态参数，该数据集支持了从单木分割到物种分类的多任务研究。其跨城市采集策略为评估算法在多样化城市环境中的鲁棒性提供了科学基准，显著推动了自动化城市林业管理的学术进展。

衍生相关工作

围绕WHU-STree数据集已衍生出多项重要研究，包括基于多模态融合的街树识别算法、跨域迁移学习框架等。该数据集还催生了第九届中国激光雷达大会的树木分割竞赛，推动了学术界对城市点云处理技术的探索。部分团队进一步扩展了数据集应用，开发出结合遥感影像的街树碳汇估算模型。