结合可见性分析与深度学习通过冲突分类精炼语义三维建筑模型
计算机视觉与模式识别
2023-03-13 v1
摘要
语义三维建筑模型广泛可用并应用于众多领域。此类三维建筑模型具有丰富的语义但缺少立面开口，主要因其航空获取技术所致。因此，利用密集的街道级地面点云来精炼模型立面显得颇具前景。本文提出一种结合可见性分析与神经网络、以窗和门特征丰富三维模型的方法。该方法将占据体素与分类点云融合，从而赋予体素语义。体素亦用于识别激光观测与三维模型之间的冲突。语义体素与冲突在贝叶斯网络中结合，以分类并勾勒立面开口，进而使用三维模型库进行重建。未受影响的建筑语义得以保留，同时添加更新后的语义，从而将建筑模型提升至 LoD3。此外，贝叶斯网络结果被反投影至点云以改进点的分类精度。我们在市政 CityGML LoD2 存储库及开放点云数据集 TUM-MLS-2016 与 TUM-FAÇADE 上测试了该方法。验证结果表明，该方法提升了点云语义分割的精度，并以立面元素升级了建筑。该方法可用于提升城市模拟的精度并促进语义分割算法的发展。
引用
@article{arxiv.2303.05998,
title = {Combining visibility analysis and deep learning for refinement of semantic 3D building models by conflict classification},
author = {Olaf Wysocki and Eleonora Grilli and Ludwig Hoegner and Uwe Stilla},
journal= {arXiv preprint arXiv:2303.05998},
year = {2023}
}
备注
ISPRS Annals, 3DGeoInfo 2022, Australia, Sydney