基于无人机摄影测量三维数据的地面材质分类：一种 2D-3D 混合方法
计算机视觉与模式识别
2022-10-18 v2
摘要
近年来，摄影测量已广泛应用于诸多领域，以创建表征物理环境的照片级真实三维虚拟数据。小型无人机（sUAV）的创新以低成本提供了额外的高分辨率成像能力，用于绘制相对较大的感兴趣区域。这些前沿技术引起了美国陆军和海军的注意，用于快速三维战场重建、虚拟训练与仿真。我们此前的工作已证明从派生摄影测量数据中提取信息以创建语义丰富虚拟环境的重要性（Chen 等，2019）。例如，通过将摄影测量树木分割并替换为游戏就绪树木模型，实现了仿真真实感与保真度的提升。在本工作中，我们进一步研究语义信息提取问题，并聚焦于地面材质分割与物体检测任务。本工作的主要创新在于我们利用原始二维图像与派生三维摄影测量数据，以克服使用单一数据源时所面临的挑战。对于地面材质分割，我们采用了一种已有的卷积神经网络架构（即 3DMV），其最初设计用于分割 RGB-D 感知的室内数据。我们通过在该架构中引入深度池化层以考虑源图像与重建地形模型之间的距离，从而改进了其在室外摄影测量数据上的性能。为测试我们改进的 3DMV 的性能，使用来自 One World Terrain（OWT）数据存储库的数据创建了地面真实地面材质数据库。最后，本文介绍了将分割出的地面材质导入虚拟仿真场景的工作流，并给出了可视化结果。
引用
@article{arxiv.2109.12221,
title = {Ground material classification for UAV-based photogrammetric 3D data A 2D-3D Hybrid Approach},
author = {Meida Chen and Andrew Feng and Yu Hou and Kyle McCullough and Pratusha Bhuvana Prasad and Lucio Soibelman},
journal= {arXiv preprint arXiv:2109.12221},
year = {2022}
}