May, 2019

高分辨率多视角卫星图像自动 3D 恢复

PDF
TL;DR本文提出了一种处理多视图卫星图像生成 3D 数字表面模型的自动化流程，其中包括自动地地理参考和基于匹配生成高质量密集点云。通过学习样本 LiDAR 数据的关键配置，我们根据结果的接近程度对图像对进行排名，并使用自适应 3D 中值滤波器融合多个深度图。我们证明了提出的自适应中值滤波器通常比普通中值滤波器产生更好的结果，在最佳情况下达到了 0.36 米 RMSE 的精度提高。结果和分析被详细介绍。
multi-view satellite images3d digital surface modelsautomated pipelinestereo matchingadaptive median filter
发现论文，激发创造
  • 用于高分辨率卫星图像的光度多视图网格细化

    该篇论文介绍了一种通过多视角卫星图像获取完整三维表面网格的方法，并通过优化表面与梯度下降算法对数字高程模型进行完善，同时展示了该方法通过卫星数据可用于立面结构等的三维几何重建。

    May, 2020

  • 卫星摄影测量的应用推进：利用立体 / 多视角卫星图像生成的三维数据进行建筑区域建模和自然环境监测的创新方法

    该论文通过使用立体和多视角的高分辨率卫星遥感数据，探索了在建筑物建模、冰川动态跟踪和湖泊藻类监测等领域解决遥感应用问题的新方法，展示了卫星摄影测量应用在城市和环境挑战中的广泛潜力，并展示了提高应用立体和多视角的高分辨率卫星遥感数据的创新分析方法。

    Apr, 2024

  • 利用视觉重建管道对卫星图像进行优化

    探讨视觉技术在卫星图像的三维重建中的应用与挑战，展示其在速度和精度方面具有竞争力。

    Oct, 2019

  • 条件性扩散概率模型下的单视图高度估计

    该研究利用条件去噪扩散概率模型（DDPM）通过训练产生高分辨率的三维表面来进行单幅遥感图像的高度估计。实验结果表明该方法在 Vaihingen 基准数据集上有很好的效果。

    Apr, 2023

  • 卫星图像中的机器学习三维建筑矢量化

    本文提出了一种基于机器学习的方法，通过数字表面模型和全色影像的输入，使用条件生成对抗网络筛选出非建筑物，然后借助于语义分割网络检测出建筑物屋顶的边缘和角点，并提出一组矢量化算法来构建屋顶多边形，最终从改进后的表面模型中添加高度信息，以获得完全矢量化的精细建筑模型。在大型卫星图像上对我们的方法进行了验证，并取得了最先进的性能。

    Apr, 2021

  • 一种基于全景立体图像的多模态园艺数据集和混合三维密集重建框架，用于修剪机器人

    提出了一个基于新设计全景立体相机和混合软件框架的解决方案，具有三个融合模块，包括视差融合、姿态融合和立体体积融合，用于从单视图点云中构建整个花园的网格。

    May, 2023

  • 基于深度学习的立体稠密匹配数据集转移评估

    从 LiDAR 和图像直接生成地面实况视差图以产生大量且多样化的数据集，并通过 LiDAR 与图像间的配准细化方法来避免精度损失和处理遮挡，从而实现了在不同数据集中评估 11 种密集匹配方法，其中 GANet 在相同的训练和测试数据上表现最佳，而 PSMNet 在不同数据集上表现稳健，并提出了在有限数据集上进行训练的最佳策略。

    Feb, 2024

  • 从业余望远镜图像中三维重建卫星

    通过利用小型业余望远镜捕获的视频数据，该研究提出了一个用于低地球轨道卫星的三维重建框架。该框架包括深度学习的图像恢复、特征点提取和相机姿态初始化的预处理流程，以及改进的三维高斯光滑算法应用于重构三维模型，通过支持训练和姿态估计产生精细的三维点云。通过合成数据集和中国空间站的实际观测验证，该方法在从地面观测中重建三维空间目标方面具有显著优势。

    Apr, 2024

  • 基于视觉的大规模 3D 语义地图构建在自动驾驶应用中的研究

    本文提出一种仅基于立体相机系统完成 3D 语义映射的完整流程，其中包括全局优化的直接稀疏视觉里程表前端和 GNSS 集成，以及语义 3D 点云标记的后端。作者提出了一种简单但有效的时间投票方案，提高了 3D 点标签的质量和一致性，并在 KITTI-360 数据集上进行了定性和定量评估，结果表明了提出的投票方案的有效性和流水线对于大规模高效 3D 语义映射的能力。另外，作者还展示了流水线的大规模映射能力，展示了由车队收集的数据生成的覆盖 8000 公里道路的大规模语义地图。

    Mar, 2022

  • 使用置信度预测的多视角优先级立体深度图生成

    本文提出了一种新的多视图立体（MVS）深度图计算优先级方法，该优先级方法在 MVS 算法执行之前进行两步操作，包括寻找匹配伙伴并根据观测质量对结果进行排名，另外还使用了一种基于机器学习的信心预测器，能够对图像星座的质量进行评估，并提出一种优先级方法来构建稳固的三维重建基础，实验表明使用该方法能够在文化遗产保护和建造重建领域中达到更好的重建质量。

    Mar, 2018