Texture2LoD3：利用全景图像实现LoD3建筑重建
计算机视觉与模式识别
2025-04-08 v1 机器学习
摘要
尽管近期在表面重建方面取得了进展，Level of Detail (LoD) 3建筑重建仍是一个未解决的挑战。主要问题在于对象导向建模范例，需要地理参考、密闭几何、立面语义和低多边形表示——与非结构化网格导向模型形成鲜明对比。在Texture2LoD3中，我们引入了一种新方法，利用3D建筑模型先验的普遍性和街道级全景图像的可获得性，实现了LoD3建筑模型的重建。我们观察到，先前的低细节建筑模型可作为正交校正街道级全景图像的有效平面目标。此外，对准确纹理化的低层建筑表面进行分割可支持保持LoD3重建所必需的地理参考、密闭几何和低多边形表示。在缺乏LoD3验证数据的情况下，我们额外引入了ReLoD3数据集，并在该数据集上实验表明，我们的方法可提高立面分割精度达11%，可取代昂贵的手动投影。我们相信Texture2LoD3可以推动LoD3模型的采用，为估计建筑太阳能潜力或增强自动驾驶仿真提供了应用。项目网站、代码和数据可在此处访问：https://wenzhaotang.github.io/Texture2LoD3/。
引用
@article{arxiv.2504.05249,
title = {Texture2LoD3: Enabling LoD3 Building Reconstruction With Panoramic Images},
author = {Wenzhao Tang and Weihang Li and Xiucheng Liang and Olaf Wysocki and Filip Biljecki and Christoph Holst and Boris Jutzi},
journal= {arXiv preprint arXiv:2504.05249},
year = {2025}
}
备注
Accepted for CVPRW '25