基于面片的密集图像匹配质量评估
计算机视觉与模式识别
2018-07-26 v1
摘要
机载激光扫描与摄影测量是获取表征地物表面的三维数据的两种主要技术。由于激光扫描成本高昂，我们希望探索利用密集图像匹配（DIM）所得点云作为激光扫描数据有效替代品的潜力。我们提出了一个基于自动提取样本面片来评估密集图像匹配点云及所得数字表面模型（DSM）的框架。密集匹配误差与噪声水平在局部层面与整体区块层面均得到定量评估。实验表明，密集匹配所达到的最优垂直精度如下：相对于参考数据的平均偏移为 0.1 地面采样距离（GSD）；最大偏移达 1.0 GSD。当密集匹配中使用额外倾斜影像时，平均偏差、平均偏差的变动以及随机噪声水平均得到改善。我们还检测到单一摄影测量工作流程所得点云与 DSM 间存在偏差。该框架亦可揭示因过拟合 BBA 网络导致的密集匹配误差分布的不均匀性。同时给出了关于摄影测量质量控制的建议。
引用
@article{arxiv.1807.09546,
title = {Patch-based Evaluation of Dense Image Matching Quality},
author = {Zhenchao Zhang and Markus Gerke and George Vosselman and Michael Ying Yang},
journal= {arXiv preprint arXiv:1807.09546},
year = {2018}
}
备注
16 pages