基于激光雷达的城市规模 3D 变检测
摘要
高清 3D 城市地图为城市规划和变检测提供了可能，这对于市政合规、地图维护和资产监控（包括建筑结构和城市绿化）至关重要。传统的数字地表模型 (DSM) 和图像差分对垂直偏差和视点不匹配敏感，而原始点云或体素模型则需要大量内存、假设完美配准，并降解细小结构。我们提出了一种不确定性感知、面向对象的城市规模激光雷达变检测方法。该方法利用多分辨率正态分布变换 (NDT) 和点到面迭代最近点 (ICP) 方法对不同时段的数据进行配准，归一化高程，并计算基于注册协方差和表面粗糙度的点级检测水平，以校准变检测决策。几何关联通过语义和实例分割进行细化，并采用受类约束的二分匹配优化，增强虚拟 dummy 以处理分裂-合并情形。分块处理控制内存占用，保留狭窄地面变更，而实例级决策整合重叠、位移和体积差异，受局部检测门控约束。我们在西澳大利亚 Subiaco 数据集上进行实验，该数据集分别于 2023 年和 2025 年采集。我们的方法实现了 95.3% 的准确率、90.8% 的平均 F1 分数和 82.9% 的平均 IoU，显著优于最强基线 Triplet KPConv 提升了 0.3、0.6 和 1.1 分。数据集可在 IEEE DataPort获取（2023: https://ieee-dataport.org/documents/2023-subiaco-wa-3d-hd-lidar-point-cloud-maps-dataset ；2025: https://ieee-dataport.org/documents/2025-subiaco-wa-3d-hd-lidar-gnss-point-cloud-maps-dataset）。源代码地址为 https://github.com/HaitianWang/IEEE-Sensor-Journal-Changing-Detection。
引用
@article{arxiv.2510.21112,
title = {LiDAR-based 3D Change Detection at City Scale},
author = {Hezam Albagami and Haitian Wang and Xinyu Wang and Muhammad Ibrahim and Zainy M. Malakan and Abdullah M. Alqamdi and Mohammed H. Alghamdi and Ajmal Mian},
journal= {arXiv preprint arXiv:2510.21112},
year = {2026}
}