用于 LiDAR 点云变化检测的最优传输方法
计算机视觉与模式识别
2023-11-09 v5 机器学习
图像与视频处理
摘要
针对同一地点不同时间获取的机载 LiDAR 数据点间的无监督变化检测，由于空间支撑不匹配及采集系统噪声而可能十分困难。当前多数点云变化检测方法严重依赖数字高程模型（DEM）图像计算与有监督方法。获取 DEM 会因像素化导致 LiDAR 信息损失，而有监督方法需要大量真实场景中常不可得的标注数据。我们提出了一种基于在两个时间支撑上计算 3D LiDAR 点传输的无监督方法。该方法基于非平衡最优传输，并可推广至任意 LiDAR 数据变化检测问题。我们将该方法应用于公开数据集，以在模拟多种实际所用传感器的不同噪声与分辨率配置下监测城市扩张。我们的方法支持无监督多类分类，并以显著优势超越先前最先进的（SOTA）无监督方法。
引用
@article{arxiv.2302.07025,
title = {Optimal Transport for Change Detection on LiDAR Point Clouds},
author = {Marco Fiorucci and Peter Naylor and Makoto Yamada},
journal= {arXiv preprint arXiv:2302.07025},
year = {2023}
}
备注
This project has received funding from the European Union's Horizon 2020 research and innovation programme under grant agreement No101027956. Marie Sk{\l}odowska-Curie Action (Individual Fellowship): OPtimal Transport for Identifying Marauder Activities on LiDAR (OPTIMAL) https://cordis.europa.eu/project/id/101027956