Oct, 2023

基于真正正射影像的无监督屋顶线提取用于 LoD2 建筑物模型重建

PDF
TL;DR该论文讨论了如何从 2D 和 3D 数据中重建 LoD2 建筑模型，并针对大规模城市环境进行了研究。通过提取真实正交照片中的屋顶线条，无需预先标记的训练数据或预先训练模型，该方法能够提取相对完整的屋顶线条，并直接用于建筑模型的重建过程，从而在重建建筑物的准确性和完整性方面优于现有方法和深度学习方法。
lod2 building models2d and 3d datapoint cloudsrooflinesreconstructed building models
发现论文，激发创造
  • Point2Building：从航空 LiDAR 点云重建建筑物

    基于学习的方法，从空中激光雷达点云中重构建筑物为 3D 多边形网格，通过引入生成模型来适应各种建筑形状和结构，通过直接从点云数据中学习，减少误差传播并提高重构的准确性，在苏黎世、柏林和塔林的空中激光雷达数据上进行实验证明了方法的良好泛化能力。

    Mar, 2024

  • 自动化重建荷兰全部 1000 万栋房屋的 LoD2 和 LoD1 模型

    本文介绍了基于 2D 建筑多边形和 LiDAR 点云自动重建 3D 建筑模型的工作流程，该工作流程生成不同层次细节（LoDs）的模型，并监控数据质量以满足不同应用的数据需求。

    Dec, 2021

  • 利用单幅卫星图像进行屋顶部分的三维检测及应用于 LOD2 建筑重建

    提出了一种基于遥感影像的城市三维重建方法，名为 KIBS （Keypoints Inference By Segmentation），该方法实现了在只有一张二维卫星影像的情况下，通过全深度学习实现建筑物屋顶截面的三维检测，并进行全三维重建，在两个数据集上的重建准确性在 LOD2 精度范围内，且能在短短几分钟内完成。

    Jul, 2023

  • MLS2LoD3: 用 MLS 点云精细化重建语义 LoD3 建筑模型

    通过利用低细节级别建筑模型和 MLS 点云的准确性，我们介绍了一种新颖的细化策略，实现了 LoD3 建模的重构，该策略承诺能实现规模化的 LoD3 重构，并将其应用于多个领域。此外，我们还提供了重构 LoD3 立面元素并将其嵌入 CityGML 标准模型的指南，将所得知识传播给学术界和专业人士。我们相信，我们的方法能够促进 LoD3 重构算法的发展，并进一步推动其广泛应用。

    Feb, 2024

  • sat2pc：从 2D 卫星影像中估算建筑屋顶的点云

    本文提出了一种用于从单一 2D 卫星图像中生成建筑物屋顶点云的深度学习框架 sat2pc，并在建筑物屋顶数据集上进行了广泛评估和消融实验，结果表明其性能优于现有基线方法至少 18.6％。

    May, 2022

  • Scan2LoD3: 使用光线投射和贝叶斯网络在 LoD3 等级上重建语义化 3D 建筑模型

    通过提高立面的语义分割，利用激光物理学和建筑模型先验概率，提出了一种名为 Scan2LoD3 的新方法，可以准确地重建语义 LoD3 建筑模型。实验证明，该方法在 LoD3 建筑模型重建，立面水平检测和语义分割方面优于现有最先进的方法，并且可以促进以概率驱动的语义 3D 重建的发展。

    May, 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

  • SuperLine3D：自监督 LiDAR 点云线段分割和描述

    基于线特征的 LiDAR 点云点云配准方法通过 EdgeConv 标记线特征，并使用共享编码器层来训练两个分割和描述头，该方法在无初始变换输入的情况下验证了自己的有效性，对于各种计算机视觉任务具有广泛的应用价值。

    Aug, 2022

  • Building3D: 从点云中学习屋顶结构的城市级数据集和基准

    这篇论文介绍了一个城市建模的数据集 Building3D，它包括超过 160,000 幢建筑物的点云、网格和线框模型，覆盖爱沙尼亚的 16 个城市，面积约为 998 平方公里。作者通过对先进算法的评估发现 Building3D 存在高内类别差异、数据不平衡和大规模噪声等挑战。这个数据集是首个最大规模的城市建模基准，可以用于监督学习和自监督学习方法的比较。作者认为 Building3D 将促进未来在城市建模、航路规划、网格简化和语义 / 部分分割等领域的研究。

    Jul, 2023

  • 利用主动轮廓模型从未经过注册的光学图像和航空 LiDAR 数据中无监督地自动提取建筑物

    本文提出一种无监督和全自动的 snake 模型，利用光学图像和未注册的航空 LiDAR 数据集提取建筑物，无需手动初始点或训练数据，并可从复杂环境中提取各种颜色的建筑物，具有高的整体精度。

    Jul, 2019