视图袋：一种基于外观的3D重建次优视图规划方法
计算机视觉与模式识别
2023-11-21 v3 人工智能
摘要
由于近期图像处理与基于深度学习技术的进展，基于无人机的基础设施3D重建与监测智能数据采集日益受到关注。视图规划是该任务的重要组成部分，它决定了信息捕获策略，并严重影响由捕获数据生成的3D模型质量。近期方法利用目标的先验知识或部分重建来完成主动重建的视图规划；前者对复杂或新识别目标构成挑战，而后者计算昂贵。在本工作中，我们提出视图袋（BoV），一种完全基于外观的模型，用于为捕获视图分配效用，以服务于面向3D重建任务的离线数据集精炼与在线次优视图（NBV）规划应用。借此贡献，我们还开发了视图规划工具箱（VPT），一个用于训练和测试基于机器学习的视图规划框架、任意3D场景的自定义视图数据集生成以及3D重建的轻量包。通过将基于BoV的强化学习模型与VPT配对的实验，我们展示了我们的模型在数据集精炼与NBV规划中减少高质量重建所需视图数量的有效性。
引用
@article{arxiv.2307.05832,
title = {Bag of Views: An Appearance-based Approach to Next-Best-View Planning for 3D Reconstruction},
author = {Sara Hatami Gazani and Matthew Tucsok and Iraj Mantegh and Homayoun Najjaran},
journal= {arXiv preprint arXiv:2307.05832},
year = {2023}
}
备注
Published in IEEE Robotics and Automation Letters (RA-L)