道路表面粗糙度分析中光测量重建方法与 3D 高斯溅射的比较评估
计算机视觉与模式识别
2026-05-29 v1
摘要
基于图像的 3D 重建为传统传感器技术提供了一种低成本替代方案，用于道路表面评估。本研究比较四种重建管线——COLMAP、Meshroom、Metashape 和 3D 高斯溅射 (3DGS)—的性能，以评估其从智能手机影像估计道路表面粗糙度的能力。所有点云在 CloudCompare 中使用一致的工作流程处理，包括姿态对齐、分割、法线估计以及在半径为 0.2、0.4 和 0.6 模型单位的邻域内进行粗糙度计算。结果表明，COLMAP 对微纹理的灵敏度最高，而 Meshroom 提供平衡的重建，粗糙度变化适中。Metashape 由于其内部过滤器产生最平滑的几何，而 3DGS 捕获可见的不规则性，但噪声更高且密度更低。该比较表明，开源重建管线对于相对粗糙度评估是可行的，为低成本路面监测提供了实用方法。
引用
@article{arxiv.2605.29452,
title = {Comparative evaluation of photogrammetric reconstruction methods and 3D Gaussian Splatting for road surface roughness analysis},
author = {Marouane Elmegdar and Teng Xiao},
journal= {arXiv preprint arXiv:2605.29452},
year = {2026}
}
备注
accepted by RSMIP 2026