May, 2023

结合地理位置和街景图像估计物体高度

PDF
TL;DR本文提出了使用街景 RGB 图像进行多类物体地理定位和高度估计的流程，通过 Markov 随机场优化得到确定性输出，该技术使用图像元数据以及在图像平面上检测到的物体的坐标，计算物体高度，其对总体计算成本的影响可忽略不计。作者通过实验证明，在水管和路标的平均海拔估计误差低于 20 厘米。
multi-class object geolocationheight estimationrgb imagerymarkov random field optimizationconvolutional neural network
发现论文，激发创造
  • 街景图像中物体的自动发现和地理标记

    本文提出了一种基于街景图像的自动检测并计算感兴趣的重复固定对象的 GPS 坐标的方法，使用两个全卷积神经网络进行处理并使用一种新颖的自定义马尔可夫随机场模型进行三角化，实验证明了本方法的有效性。

    Aug, 2017

  • 利用街景图像增强航拍图像的单目高度估计

    通过结合街景图像和几何约束，本文提出了一种改进单目高度估计的方法，实验结果表明该方法比基线方法更准确且在精度和结构一致性方面有显著改进。

    Nov, 2023

  • HeightFormer：用于航空图像单目高度估计的多层交互和图像自适应分类 - 回归网络

    这篇论文介绍了一种综合解决方案，用于遥感中的单眼高度估计，被称为 HeightFormer，结合了多级相互作用和图像自适应分类 - 回归。

    Oct, 2023

  • 基于 RGB-D 图像学习丰富特征的物体检测和分割

    本文研究使用语义丰富的图像和深度特征进行 RGB-D 图像目标检测问题。我们提出了一种新的地心嵌入深度图像的方法，该方法编码了每个像素相对于地面的高度和重力角度，以及水平视差。我们证明了这种地心嵌入方法比使用原始深度图像更适用于使用卷积神经网络进行特征表示学习。最后，我们使用对象检测器的输出在现有的超像素分类框架中进行语义场景分割，并在我们研究的对象类别中实现了 24％的相对改进。

    Jul, 2014

  • 近距离和远程感知的统一模型

    本文提出了一种新型卷积神经网络架构，用于估计地理空间函数，并使用各种标签创建了一个大型数据集进行评估。

    Aug, 2017

  • 基于街景图像和 OpenStreetMap 的半监督学习自动建筑高度估计

    通过使用低成本 VGI 数据，提出了一种基于 MapillarySVI 和 OSM 数据的半监督学习方法，可以自动估计建筑物的高度，以生成开放和低成本的 3D 城市模型。

    Jul, 2023

  • 在倾斜单目图像中学习地心物体姿态

    本研究通过利用深度学习网络预测地物高度和从静态影像中预测光流等方法，开发了一种地心极位姿的编码方法，并训练了一个深度网络来计算该表示方法，并且在航空激光雷达数据的监督下实现了高密度表示，实验表明该方法能 大幅提高物体定位的准确性和从非常不同视角拍摄的多个图像的精确对齐，在斜视卫星图像的语义分割任务中具有较好的应用潜力。

    Jul, 2020

  • 利用图像处理和几何计算估计目标车辆的地理位置

    本研究提出了一种新方法，通过整合深度学习、图像处理和几何计算来解决观测车辆定位问题，通过移动传感器或 MV 上搭载的单目摄像头，可以成功地动态地估计车辆的经纬度信息。

    Mar, 2022

  • 建筑物提取与高度估计的多任务学习的数据融合

    根据 DFC23 赛事提出的城市重建问题，本文尝试使用光学和雷达卫星图像的多任务学习方法来进行建筑物提取和高度估计，实验结果显示在约束条件下进行的建筑物提取和高度估计任务的基准结果显著提高。

    Aug, 2023

  • 基于通用目标检测的 MonoSLAM 概率全局尺度估计

    该研究提出了一种基于 Kalman 滤波的单目 SLAM 算法中估算 3D 重建模型的全局尺度的新方法，通过结合基于快速通用目标检测的一组广泛预定义的类别中检测到的对象的高度先验，每个观测值都基于单个帧生成，因此不需要数据关联处理，该方法在多个不同目标类别的实验中取得了非常有希望的结果。

    May, 2017