多视立体中密集影像匹配不确定性量化的内部可靠性批判性分析
计算机视觉与模式识别
2023-12-15 v2
摘要
如今，摄影测量衍生的点云因其低成本和采集灵活性而被广泛用于许多民用应用。通常，摄影测量点云通过LiDAR点云等参考数据进行评估。然而，当参考数据不可用时，摄影测量点云的评估可能具有挑战性。由于这些点云是算法衍生的，其精度和准确度随相机网络、场景复杂度和密集影像匹配（DIM）算法高度变化，且不存在确定逐点误差的标准误差度量。相机网络内部可靠性理论已通过光束法平差（BA）的一阶误差估计得到充分研究，用于在已知测量误差下理解三维点误差。然而，DIM算法的测量误差极为复杂，以至于每个单点可能具有由其像素强度、纹理熵和表面平滑度等因素决定的误差函数。尽管复杂，仍存在若干通用度量可辅助估计衍生点的后验可靠性，尤其在存在冗余的多视立体（MVS）设置中。本文利用带有LiDAR参考数据的航空倾斜摄影测量区块，在通用MVS框架内分析了若干内部匹配度量，包括光线收敛统计、交会角、DIM能量等。
引用
@article{arxiv.2309.09379,
title = {A Critical Analysis of Internal Reliability for Uncertainty Quantification of Dense Image Matching in Multi-view Stereo},
author = {Debao Huang and Rongjun Qin},
journal= {arXiv preprint arXiv:2309.09379},
year = {2023}
}
备注
Figure 8