基于点云的城市尺度场景变化检测
计算机视觉与模式识别
2021-03-29 v1
摘要
我们提出了一种利用在两个不同时间遍历时从车载相机捕获的图像来检测城市中结构变化的方法。我们首先利用运动恢复结构（Structure-from-Motion, SfM）从图像和近似的 GNSS/INS 读数分别为每次遍历生成三维点云。由于地理定位信息不准确以及 SfM 中可能的漂移，直接比较两个点云进行变化检测并不理想。为规避此问题，我们提出了一种基于深度学习的点云非刚性配准方法，使得我们能够对点云进行比较以实现场景中的结构变化检测。此外，我们引入了双重阈值检查和后处理步骤以增强方法的鲁棒性。我们收集了两个数据集用于评估我们的方法。实验表明，即使在存在视角和光照差异的情况下，我们的方法也能有效检测场景变化。
引用
@article{arxiv.2103.14314,
title = {City-scale Scene Change Detection using Point Clouds},
author = {Zi Jian Yew and Gim Hee Lee},
journal= {arXiv preprint arXiv:2103.14314},
year = {2021}
}
备注
8 pages, 10 figures. To be presented at ICRA2021