面向城市街景新视角合成的SfM算法影响评估

张 仲
中国科学院空天信息创新研究院　数字地球重点实验室;可持续发展大数据国际研究中心;中国科学院大学

摘要


针对目前缺乏对运动恢复结构（Structure from Motion，SfM）算法对城市街景新视角合成质量影响的系统研
究，提出了面向城市街景新视角合成的多类别SfM量化评估方法。基于特征提取、匹配及光束平差策略，将SfM流
程分为SEH、SNM和SSK三类，并分别进行稀疏重建以获取新视角合成所需的空间三维信息。综合对比各类别的重
建效率和质量，并通过三维高斯溅射（3D Gaussian Splatting，3D GS）和F2-Nerf方法，定量评估了不同SfM算法对
新视角合成质量的影响。实验结果表明，新视角合成实践中需平衡SfM的重建质量与效率，不同方法对SfM结果的
敏感度差异显著。

关键词


城市三维街景；新视角合成；运动恢复结构；稀疏重建；三维高斯溅射

全文:

PDF


参考


[1]inuesa R, Azizpour H, Leite I, et al. The role of

artificial intelligence in achieving the Sustainable Development

Goals[J]. Nature communications, 2020, 11(1): 1-10.

[2]Buyukdemircioglu M, Kocaman S. Reconstruction

and efficient visualization of heterogeneous 3D city models[J].

Remote Sensing, 2020, 12(13): 2128.

[3]Mildenhall B, Srinivasan P P, Tancik M, et al.

Nerf: Representing scenes as neural radiance fields for view

synthesis[J]. Communications of the ACM, 2021, 65(1): 99-

106.

[4]Kerbl B, Kopanas G, Leimkühler T, et al. 3D Gaussian

Splatting for Real-Time Radiance Field Rendering[J]. ACM

Trans. Graph., 2023, 42(4): 139:1-139:14.

[5]Wang P, Liu Y, Chen Z, et al. F2-nerf: Fast neural

radiance field training with free camera trajectories[C]//

Proceedings of the IEEE/CVF Conference on Computer

Vision and Pattern Recognition. 2023: 4150-4159.

[6]何高湘，朱斌，解博，等.基于神经辐射场的新

视 角 合 成 研 究 进 展[J].Laser & Optoelectronics Progress，

2024，61（12）：1200005-1200005-13.

[7]高翔，李梦晗，申抒含.大规模场景运动恢复结

构研究综述[J].计算机辅助设计与图形学学报，2024，36

（7）：969-994.

[8]李静.基于SIFT特征点提取算法的三维数字影像

重建方法[J].吉林大学学报（信息科学版），2024，42（5）：

901-907.

[9]张喜民，詹海生，余奇颖.几何特征约束的SIFT特

征匹配改进算法[J].计量学报，2023，44（8）：1182-1187.

[10]马威，涂强，潘建平，等.桥梁实景三维高斯辐

射场建模[J].测绘学报，53（9）：1694.


Refbacks

  • 当前没有refback。