MapAnything: 用于3D城市资产定位的单目度量深度模型评估
计算机视觉与模式识别
2026-05-20 v2
摘要
城市行政部门越来越依赖综合数据库和城市数字孪生体，对城市资产（如交通标志和树木）以及事件（如涂鸦或道路损坏）进行全面管理，以有效地了解城市状况。数字化进程推动了对持续更新空间数据集的需求，但当前的数据获取和维护过程仍需要相当大的手动工作量，带来了显著的可扩展性挑战。本文引入MapAnything，一种新的地理定位框架，自动从单一单目图像中实现城市对象的空间映射。通过利用先进的度量深度估计模型，MapAnything准确计算对象地理坐标，将2D图像数据转换为有价值的3D空间信息。该方法将估计的相机到对象距离与已知相机规范结合起来。我们对该框架进行详细的验证，将其距离估计精度与高精度LiDAR点云进行比较，在复杂的城市环境中进行细粒度的空间性能分析，涵盖各种距离区间和语义区域，如道路和植被区域。最后，我们通过具体的用例演示了该框架的实际有效性，包括映射交通标志和道路铺装损坏，并为其集成到自动化城市盘点系统中提供了建议。
引用
@article{arxiv.2509.14839,
title = {MapAnything: Evaluating Monocular Metric Depth Models for 3D Urban Asset Localization},
author = {Miriam Louise Carnot and Jonas Kunze and Erik Quinten Fastermann and Eric Peukert and André Ludwig and Bogdan Franczyk},
journal= {arXiv preprint arXiv:2509.14839},
year = {2026}
}