CBHE：面向复杂街景图像的基于角点的建筑高度估计
计算机视觉与模式识别
2021-12-17 v2 人工智能
摘要
建筑高度估计在三维城市重建、城市规划与导航等诸多应用中十分重要。近来，提出了一种利用街景图像与二维地图的建筑高度估计新方法。该方法比使用高分辨率光学数据、LiDAR 数据或 RADAR 数据（获取成本高）的传统方法更具可扩展性。该方法需检测建筑屋脊线，并通过针孔相机模型计算建筑高度。我们观察到，该方法在处理建筑相互重叠且屋脊线难以定位的复杂街景图像时存在局限。我们提出 CBHE，一种同时考虑建筑角点与屋脊线的建筑高度估计算法。CBHE 首先基于二维地图中的建筑底面与相机参数，在街景图像中获取建筑角点与屋脊线候选。随后，我们使用名为 BuildingNet 的深度神经网络对角点与屋脊线候选进行分类与筛选。基于 BuildingNet 得到的有效角点与屋脊线，CBHE 通过针孔相机模型计算建筑高度。实验结果表明，相较于当前最优的开放集分类器，所提出的 BuildingNet 在建筑角点与屋脊线候选筛选上取得了更高准确率。同时，CBHE 在建筑高度估计准确率上超越基线算法逾 10%。
引用
@article{arxiv.1904.11128,
title = {CBHE: Corner-based Building Height Estimation for Complex Street Scene Images},
author = {Yunxiang Zhao and Jianzhong Qi and Rui Zhang},
journal= {arXiv preprint arXiv:1904.11128},
year = {2021}
}