陈茂霖，博士，副教授，硕士生导师。2012年、2014年和2018年分别获得武汉大学遥感科学与技术学士学位、测绘工程硕士学位和摄影测量与遥感博士学位。重庆交通大学山区桥隧先进测绘研究所副所长，入选重庆交通大学“青年拔尖人才支持计划”（“百人计划”）。发表SCI/EI论文30余篇，主持或参与国家自然科学基金、重庆市自然科学基金等8项。IEEE TGRS、IEEE JSTARS、Remote Sensing、Sensors、Building、Measurement 、Applied Science等国际期刊审稿人，IGARSS 2020分会场主席。主要从事摄影测量与遥感相关的教学、三维激光扫描数据处理方面的科研工作。

研究领域

1、利用三维激光扫描的森林地物识别与结构参数提取，主要包括林下地形构建、单木分割(这块可以搞深度学习)、参数提取等内容。

2、三维激光扫描在电力巡检中的理论与应用研究，主要包括电力走廊主要地物提取、电力塔三维重建、输电线安全监测等内容。

3、三维激光扫描在智慧城市方面的应用，主要包括多源城市点云融合、滤波、提取及建模等处理算法，以及与地理空间分析的融合（好出优秀成果）。

目前在几个方向都有一定的项目或研究积累，需要更多的成员一起完成项目中的各项任务并提出可能的新思路，因此希望招收有兴趣从方法设计和编程开始思考和研究的同学，而不倾向于用软件浅尝辄止的做法。通过参与上述研究项目你可以提高计算机编程水平、外文文献查阅和总结能力以及论文写作水平，欢迎对研究方向感兴趣、有一定编程基础的同学报考。

我想和你说：一般情况下，对硕士研究生而言，导师选择最重要的是能否保持顺畅、持续、有效、愉快的交流，导师的项目、论文、名气并非最重要的（这是很多同学找导师时的误区；另外，不要误会，我的经费和论文都还行）。本人同硕士生大概保持每两周一次的当面讨论和指导，平时网上讨论更加频繁，学生发论文、在学术会议做口头报告的情况也非常良好，平时也会一起各种hi，工作生活两开花。无论对我是否感兴趣，希望这点心得能帮到你。

科研项目经历

1.国家自然科学基金项目：智能手机辅助的多测站地面激光扫描森林调查方法研究（41801394），主持（结项）

2.重庆市自然科学基金，融合深度学习与先验信息的森林点云单木分割研究，主持（在研）

2.重庆市自然科学基金，面向山地城市特征的地面激光扫描建筑物提取方法研究（cstc2019jcyj-msxmX0370），主持（结项）

3.重庆市教委科学技术研究项目，密度自适应的城区地面激光扫描场景分类方法研究，主持（结项）

4.横向课题，基于三维激光扫描的输电廊道信息提取与重建，主持（在研）

5.横向课题，室外场景激光点云三维建模，主持（结项）

6.国家重点研发，“陆路交通基础设施韧性提升共性关键技术”子课题“融合北斗系统的“空-天-地”一体化智能监控及系统安全预警关键技术”，参与（在研）

7.遥感信息融合下的三峡库区水土流失风险监测评价模型研究（KJQN202000746），重庆市教育委员会科学技术研究项目,主研（在研）

8.宁夏重点研发，面向贺兰山生态屏障防护体系的生态环境监测及平台研发，参与（在研）

9.国家自然科学基金项目（41671450）：联合空-车LiDAR点云的城市树木精细提取及重建方法研究，参与（结项）

10.地理国情监测国家测绘地理信息局重点实验室开放基金（2016NGCM07）：高分遥感影像中综合阴影等多特征的城乡区域建筑物自动提取研究，第三（结项）

11.中央高校基本科研业务费专项资金（2015213020202）：基于多源、高时空分辨率遥感影像的水质监测与预测，第三（结项）

12.国家测绘地理信息局卫星测绘应用中心，资源三号卫星应用系统工程定制软件项目，参与（结项）

13.国家科技支撑项目，多源海量航空遥感数据处理系统与分发加工系统一体化集成，参与（结项）

论文(由于职称评审只认一作,SCI/EI期刊,我不得不要一作,当然这种论文我一般得深度参与学生才能搞出来;其它的都是学一导二)

[1]Chen, M.; Li, J.; Pan, J.; Ji, C.; Ma, W. Insulator Extraction from UAV LiDAR Point Cloud Based on Multi-Type and Multi-Scale Feature Histogram. Drones 2024, 8, 241.

[2]Chen M, An A, Pan J, et al. Indoor view-based visibility analysis using UAV and TLS point clouds with Line-of-Sight correction[J]. International Journal of Applied Earth Observation and Geoinformation, 2024, 129: 103858.

[3]Chen M, Liu X, Pan J, Mu F, Zhao L. Stem Detection from Terrestrial Laser Scanning Data with Features Selected via Stem-Based Evaluation. Forests. 2023; 14(10):2035. 

[4]Chen M, Long Xiao L, Jin Z, et al. Registration of terrestrial laser scanning data in forest areas using smartphone positioning and orientation data, Remote Sensing Letters,2023, 14:4, 381-391.

[5]Chen M, Zhang X, Ji C, et al. Using Relative Projection Density for Classification of Terrestrial Laser Scanning Data with Unknown Angular Resolution[J]. Remote Sensing, 2022, 14(23): 6043.

[6]Chen, M.; Liu, X.; Zhang, X.; Wang, M.; Zhao, L. Building Extraction from Terrestrial Laser Scanning Data with Density of Projected Points on Polar Grid and Adaptive Threshold. Remote Sens. 2021, 13, 4392. 

[7]Chen M, Wan Y, Wang M, et al. Automatic Stem Detection in Terrestrial Laser Scanning Data With Distance-Adaptive Search Radius[J]. IEEE Transactions on Geoscience & Remote Sensing, 2018, PP(99):1-12. 

[8]Chen M , Pan J , Xu J . Classification of Terrestrial Laser Scanning Data With Density-Adaptive Geometric Features[J]. IEEE Geoence and Remote Sensing Letters, 2018, 15(11):1-5.

[9]Chen M, Wang S, Wang M, et al. Entropy-Based Registration of Point Clouds Using Terrestrial Laser Scanning and Smartphone GPS[J]. Sensors, 2017, 17(1): 197.

[10]Maolin. Chen, Xinyi Zhang, Xiangjiang Liu, Cuicui Ji, Lidu Zhao Estimation Of Sampling Interval In Terrestrial Laser Scanning Data With Neighboring Analysis. IGARSS 2021. 

[11]M. Chen, F. Tang and J. Pan, "Using Polar Grid for Building Extraction in Terrestrial Laser Scanning Data," IGARSS 2020 - 2020 IEEE International Geoscience and Remote Sensing Symposium, Waikoloa, HI, USA, 2020, pp. 1632-1634.

[12]Chen M, Tang F, Pan J. Registration of Multi-scan Forest Terrestrial Laser Scanning Data Integrated with Smartphone[C]//International Symposium on Web and Wireless Geographical Information Systems. Springer, Cham, 2020: 83-89. 

[13]Xiao L, Chen M*, Zhang X, et al. Classification of Forest Point Cloud Considering Relative Elevation and Change of Curvature Using RandLA-Net[C]//2022 IEEE International Conference on Sensing, Diagnostics, Prognostics, and Control (SDPC). IEEE, 2022: 333-337.

[14]Jin Z, Chen M*, Ji C, et al. Marker-Free Registration of Terrestrial Laser Scanning Data Under Forest with Stem Position Triplet Matching Based on Kd-Tree[C]//IGARSS 2022-2022 IEEE International Geoscience and Remote Sensing Symposium. IEEE, 2022: 7507-7510.

[15] An A, Chen M*, Zhao L, et al. Density Adaptive Plane Segmentation from Long-Range Terrestrial Laser Scanning Data[C]//IGARSS 2022-2022 IEEE International Geoscience and Remote Sensing Symposium. IEEE, 2022: 7511-7514.

[16]Chunsen Tan, Maolin Chen*. Geometric reconstruction of buildings by using dimension features. International Conference on Smart Transportation and City Engineering 2021.

[17]Xinyi Zhang, Maolin Chen*. Classification of terresrial laser scanning data based on multi-dimensional geometry features. International Conference on Smart Transportation and City Engineering 2021.

[18]金泽会,陈茂霖*,刘祥江.地基森林点云单木检测的特征提取与组合方法[J].遥感信息,2024,39(02):146-155.

[19]张昕怡,陈茂霖*,刘祥江等.顾及点密度与未知角分辨率的地面点云分类[J].激光技术,2023,47(01):59-66.

[20]安奥博,陈茂霖*,赵立都等.长测距地基点云密度自适应平面分割算法[J].激光技术,2023,47(05):606-612.

[21]刘祥江,陈茂霖*,张昕怡等.结合单点分类与改进均值漂移聚类的地面激光点云单木检测[J/OL].测绘地理信息:1-7[2023-10-30]

[22]金泽会,陈茂霖*,张昕怡等.基于KD-tree优化特征三角形匹配的林地点云配准方法[J].测绘工程,2023,32(05)

[23]陈茂霖*,张昕怡,刘祥江,姬翠翠,赵立都.使用随机邻域分析的地面激光扫描点云采样间隔估算[J].应用科学学报,2022,40(06):984-995.

[24]陈茂霖, 卢维欣, 万幼川,等. 无附加信息的地面激光点云自动拼接方法[J]. 中国激光, 2016(4):212-220. 

[25]陈茂霖, 万幼川, 田思忆,等. 一种基于线性KD树的点云数据组织方法[J]. 测绘通报, 2016(1):23-27.

[25]刘亚文, 陈茂霖, 孟庆祥,等. 面向遥感影像数据生产的多源控制点数据管理方法研究[J]. 测绘通报, 2016(3):29-32.