Scan2LoD3：利用光线投射与贝叶斯网络重建 LoD3 语义三维建筑模型
计算机视觉与模式识别
2023-05-11 v1 人工智能
机器学习
摘要
在细节层次 (LoD) 3 上重建语义三维建筑模型是一个长期存在的挑战。与基于网格的模型不同，它们需要水密的几何结构以及立面级的物体级语义。此类严苛语义三维重建的主要挑战是对三维输入数据可靠的立面级语义分割。我们提出一种称为 Scan2LoD3 的新方法，通过改善立面级语义三维分割来精确重建语义 LoD3 建筑模型。为此，我们利用激光物理与三维建筑模型先验来概率性地识别模型冲突。这些概率性物理冲突提出了模型开口的位置：其最终语义与形状在一个融合冲突的多模态概率图、三维点云和二维图像的贝叶斯网络中推断。为满足严苛的 LoD3 要求，我们使用估计的形状在三维建筑先验上切割开口，并从立面物体库中拟合语义三维物体。在 TUM 城市校园数据集上的大量实验证明了所提 Scan2LoD3 在立面级检测、语义分割和 LoD3 建筑模型重建上优于 SOTA 方法。我们相信我们的方法能促进概率驱动的 LoD3 语义三维重建的发展，因为不仅高清重建，重建置信度也对自动驾驶与城市模拟等各类应用变得关键。
引用
@article{arxiv.2305.06314,
title = {Scan2LoD3: Reconstructing semantic 3D building models at LoD3 using ray casting and Bayesian networks},
author = {Olaf Wysocki and Yan Xia and Magdalena Wysocki and Eleonora Grilli and Ludwig Hoegner and Daniel Cremers and Uwe Stilla},
journal= {arXiv preprint arXiv:2305.06314},
year = {2023}
}
备注
Accepted for Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops 2023