基于高程估计驱动的单视角遥感影像建筑物三维重建
计算机视觉与模式识别
2023-07-19 v1
摘要
从遥感影像进行建筑物三维重建在智慧城市、摄影测量等领域有广泛应用。自动三维城市建筑建模方法通常以多视角影像作为算法输入来恢复建筑物的点云与三维模型。然而，此类模型严重依赖建筑物的多视角影像，耗时且限制了模型的适用性与实用性。为解决这些问题，我们致力于设计一个高效的 DSM 估计驱动重建框架（Building3D），旨在从输入的单视角遥感影像重建三维建筑模型。首先，我们提出一种语义流场引导的 DSM 估计（SFFDE）网络，其利用所提出的高程语义流概念实现局部与全局特征的配准。具体而言，为使网络语义具备全局感知能力，我们提出高程语义全球化（ESG）模块以实现实例的语义全球化。进一步，为缓解全局特征与原始局部特征间的语义跨度，我们提出基于高程语义流的局部到全局高程语义配准（L2G-ESR）模块。我们的 Building3D 以 SFFDE 网络为基础进行建筑高程预测，并与建筑提取网络同步获取建筑掩码，随后依次执行点云重建、表面重建（或 CityGML 模型重建）。在此基础上，我们的 Building3D 可选择性生成建筑物的 CityGML 模型或表面网格模型。在 ISPRS Vaihingen 与 DFC2019 数据集上关于 DSM 估计任务的广泛实验表明，我们的 SFFDE 显著优于现有最优方法。此外，我们的 Building3D 在三维点云与三维模型重建过程中取得了令人印象深刻的结果。
引用
@article{arxiv.2301.04581,
title = {Elevation Estimation-Driven Building 3D Reconstruction from Single-View Remote Sensing Imagery},
author = {Yongqiang Mao and Kaiqiang Chen and Liangjin Zhao and Wei Chen and Deke Tang and Wenjie Liu and Zhirui Wang and Wenhui Diao and Xian Sun and Kun Fu},
journal= {arXiv preprint arXiv:2301.04581},
year = {2023}
}