DeepAAT：面向快速无人机测绘的深度自动化空中三角测量
计算机视觉与模式识别
2024-04-09 v2 人工智能
摘要
自动化空中三角测量（AAT）旨在同时恢复图像姿态并重建稀疏点，在地球观测中起着关键作用。凭借在摄影测量领域数十年的丰富研究传承，AAT 已发展成为广泛应用于大规模无人机（UAV）测绘的基础流程。尽管取得了进步，经典的 AAT 方法仍然面临效率低下和鲁棒性有限等挑战。本文介绍了 DeepAAT，一个专为无人机影像 AAT 设计的深度学习网络。DeepAAT 同时考虑了影像的空间和光谱特征，增强了其解决错误匹配对和准确预测图像姿态的能力。DeepAAT 标志着 AAT 效率的重大飞跃，确保了全面的场景覆盖和精度。其处理速度比增量式 AAT 方法快数百倍，比全局式 AAT 方法快数十倍，同时保持了相当的重建精度。此外，DeepAAT 的场景聚类和合并策略有助于在计算资源受限的情况下，对大规模无人机图像进行快速定位和姿态确定。实验结果证明了 DeepAAT 相对于传统 AAT 方法的显著改进，突显了其在基于无人机的三维重建任务中提高效率和精度的潜力。为了惠及摄影测量学界，DeepAAT 的代码将在以下地址发布：https://github.com/WHU-USI3DV/DeepAAT。
引用
@article{arxiv.2402.01134,
title = {DeepAAT: Deep Automated Aerial Triangulation for Fast UAV-based Mapping},
author = {Zequan Chen and Jianping Li and Qusheng Li and Bisheng Yang and Zhen Dong},
journal= {arXiv preprint arXiv:2402.01134},
year = {2024}
}