一种从三维点云提取数字地形模型的近邻网络
计算机视觉与模式识别
2020-06-23 v2 机器学习
图像与视频处理
摘要
当来自俯视传感器的三维点云用作遥感数据利用流程的输入时，大量工作致力于数据准备。在预处理链的多个阶段中，估计数字地形模型（DTM）被认为具有高度重要性；然而这仍是一项挑战，尤其是对于源自光学影像的原始点云。当前算法要么使用一组需要调节多个参数且需人工交互的几何规则来估计地面点，要么将该问题视为一个二分类机器学习任务以找出地面与非地面类别。相比之下，我们在此提出一种直接作用于三维点云并以端到端方式估计场景底层 DTM 的算法，无需将点分类为地面与非地面覆盖类型。我们的模型学习邻域信息并无缝地将其与点级与块级全局特征相整合。我们使用 ISPRS 三维语义标注竞赛 LiDAR 数据，以及通过密集立体匹配生成的三个场景（分别代表高层建筑、较低城市结构以及密集老城住宅区）来验证我们的模型。我们将我们的发现与两款广泛使用的 DTM 提取软件包 ENVI 和 LAStools 进行比较。我们的初步结果表明，相较于 ENVI 的 29% 与 LAStools 的 16%，所提方法能够实现 11.5% 的总体平均绝对误差。
引用
@article{arxiv.2005.10745,
title = {A Nearest Neighbor Network to Extract Digital Terrain Models from 3D Point Clouds},
author = {Mohammed Yousefhussien and David J. Kelbe and Carl Salvaggio},
journal= {arXiv preprint arXiv:2005.10745},
year = {2020}
}
备注
Preprint submitted to Science of Remote Sensing