基于分割感知的全局信息聚合3D建筑重建方法
计算机视觉与模式识别
2024-10-25 v1
摘要
多视图立体匹配（Multi-View Stereo）在建筑工程中发挥着关键作用，促进了3D建模、精确工程测绘、定量分析以及监测和维护。它为各种工程项目提供了高精度和实时空间信息。然而，多视图立体匹配算法在大规模建筑场景中处理弱纹理区域时面临挑战。在这些区域，像素的立体匹配常常失败，导致深度估计不准。基于Segment Anything Model和RANSAC算法，我们提出一种准确分割弱纹理区域并构建其平面先验的算法。这些平面先验与三角化先验结合，形成可靠的先验候选集。此外，我们引入一种新型的全局信息聚合代价函数。该函数在深度估计更新过程中受几何一致性约束，基于全局信息从先验候选集中选择最佳平面先验信息。在ETH3D基准数据集、航空数据集、建筑数据集和实际场景上的实验结果表明，我们的方法在生成3D建筑模型方面优于其他最先进的方法。在总结中，本工作旨在提高3D建筑重建的完整性和密度，具有广泛的应用于城市规划和虚拟现实领域的前景。
引用
@article{arxiv.2410.18433,
title = {Segmentation-aware Prior Assisted Joint Global Information Aggregated 3D Building Reconstruction},
author = {Hongxin Peng and Yongjian Liao and Weijun Li and Chuanyu Fu and Guoxin Zhang and Ziquan Ding and Zijie Huang and Qiku Cao and Shuting Cai},
journal= {arXiv preprint arXiv:2410.18433},
year = {2024}
}