3DAeroRelief：首个用于灾后评估的 3D UAV 数据集基准
计算机视觉与模式识别
2025-09-16 v1
摘要
及时评估结构损坏对于灾后响应和恢复至关重要。然而，自然灾害分析的大多数现有工作依赖 2D 图像，缺乏深度信息，受遮挡影响，提供的空间上下文有限。3D 语义分割提供了更丰富的替代方案，但现有 3D 基准数据集主要聚焦于城市或室内场景，对于灾后受影响区域的关注不足。为填补这一空白，我们提出了 3DAeroRelief——首个专为灾后评估设计的 3D 基准数据集。该数据集使用低成本无人机（UAV）在飓风受灾区域收集，数据通过结构光法（Structure-from-Motion）和多视角立体（Multi-View Stereo）技术重建稠密 3D 点云。通过手动 2D 标注并投影到 3D 空间中获得语义标注。与现有数据集不同，3DAeroRelief 捕获了 3D 大规模户外环境，包含真实灾后情境下的细粒度结构损坏。无人机能够在危险区域实现经济、灵活且安全的数据收集，特别适用于紧急场景。为展示 3DAeroRelief 的实用性，我们在数据集上评估了多个最先进的 3D 分段模型，以凸显 3D 场景理解在灾后响应中的挑战与机遇。该数据集为推动面向灾后情境的鲁健 3D 视觉系统的发展提供了宝贵资源。
引用
@article{arxiv.2509.11097,
title = {3DAeroRelief: The first 3D Benchmark UAV Dataset for Post-Disaster Assessment},
author = {Nhut Le and Ehsan Karimi and Maryam Rahnemoonfar},
journal= {arXiv preprint arXiv:2509.11097},
year = {2025}
}