DENSER Cities：一种用于城市稠密高效重建的系统
计算机视觉与模式识别
2016-04-14 v1 机器人学
摘要
本文关于从距离数据（特别是立体相机）高效生成城市尺度环境的稠密彩色模型。更好的地图带来更好的理解；更好的理解导致更好的机器人，但这需要代价。大型稠密模型的计算和内存需求可能令人望而却步。我们提供了创建城市尺度稠密重建所需的理论和系统。为此，我们在压缩的3D数据结构上应用正则化器，同时处理在数据融合阶段由此引发的复杂边界条件。我们表明，只有考虑这些，才能快速创建整洁、大型、“良态”的重建。我们使用KITTI数据集评估我们的系统，并提供所有生成表面相对于3D激光测量结果的度量误差统计。我们的正则化器在3.4 km的稠密重建中将中值误差降低了40%，中值精度为6 cm。对于主观分析，我们在附带的视频中提供了6.1 km稠密重建的定性回顾。据我们所知，这是文献中从单个被动相机得到的最大稠密重建。
引用
@article{arxiv.1604.03734,
title = {DENSER Cities: A System for Dense Efficient Reconstructions of Cities},
author = {Michael Tanner and Pedro Pinies and Lina Maria Paz and Paul Newman},
journal= {arXiv preprint arXiv:1604.03734},
year = {2016}
}