Delaunay Canopy：通过德劳内图从机载 LiDAR 点云构建线框重建
计算机视觉与模式识别
2026-04-06 v1
摘要
从机载 LiDAR 点云重建建筑线框可得到一种紧凑的、以拓扑为中心的表示，能够实现超越密集网格的结构理解。然而，一个关键限制依然存在：传统方法在噪声严重、稀疏或存在内角的区域中始终无法实现准确的线框重建。这一失败源于无法建立自适应搜索空间来有效利用大型稀疏建筑点云中丰富的三维几何信息。在本工作中，我们通过利用德劳内图作为几何先验来定义几何自适应搜索空间，解决了这一挑战。我们的方法核心是德劳内图评分（Delaunay Graph Scoring），它不仅重建了底层几何流形，还提供了区域级曲率特征以稳健地引导重建。在此基础上，我们的角点选择和线框选择模块利用德劳内诱导先验聚焦于高概率元素，从而塑造搜索空间，实现对先前不可解区域的准确预测。在 Building3D Tallinn 城市和入门级数据集上的大量实验证明了最先进的线框重建能力，在多样且复杂的建筑几何中实现了准确预测。
引用
@article{arxiv.2604.02497,
title = {Delaunay Canopy: Building Wireframe Reconstruction from Airborne LiDAR Point Clouds via Delaunay Graph},
author = {Donghyun Kim and Chanyoung Kim and Youngjoong Kwon and Seong Jae Hwang},
journal= {arXiv preprint arXiv:2604.02497},
year = {2026}
}