基于移动激光扫描与语义3D道路空间模型的表面辐射指纹
计算机视觉与模式识别
2026-03-13 v1
摘要
尽管语义3D城市模型在国际上广泛可用且正变得越来越详细，但材料信息的融合仍 largely 未被充分利用。然而，对材料及其物理性质进行结构化表示，显然可以大幅拓展城市数字孪生人的应用范围和分析能力。与此同时，城市重复移动激光扫描的数量不断增加，其街区空间数据为受对应表面材料特征影响的丰富观测积累。为充分利用这些信息，我们提出一种表面辐射指纹方法，通过在不同距离、入射角、环境条件、传感器及扫描campaign下，对从同一语义对象反射的LiDAR观测进行分组。我们的研究表明，跨越四个campaign、使用五个LiDAR传感器（基于Audi Autonomous Driving Dataset车辆）获取的3.124亿个单个激光束，可自动关联至6368个语义3D城市模型中的单个对象。该模型基于CityGML 3.0标准，实现四座市中心街道在米级精度下的完整语义表示（Level of Detail 3），并支持细粒度的对象次级区分。提取的表面辐射指纹揭示了对象类别内部的重复模式，指示类别主导材料。该语义模型、方法实现及开发的地理数据库解决方案3DSensorDB已发布至：https://github.com/tum-gis/sensordb
引用
@article{arxiv.2603.11252,
title = {Radiometric fingerprinting of object surfaces using mobile laser scanning and semantic 3D road space models},
author = {Benedikt Schwab and Thomas H. Kolbe},
journal= {arXiv preprint arXiv:2603.11252},
year = {2026}
}