基于自顶向下方法的建筑物三维重建
DOI:
CSTR:
作者:
作者单位:

1.中国科学院 空间信息处理与应用系统技术重点实验室 北京 100190;2.中国科学院电子学研究所 北京 100190;3.中国科学院大学 北京 100190

作者简介:

通讯作者:

中图分类号:

TN2

基金项目:


Building reconstruction based on topdown method
Author:
Affiliation:

1.Key Laboratory of Technology in GeoSpatial Information Processing and Application System,Institute of Electronics, Chinese Academy of Sciences,Beijing 100190,China; 2.Institute of Electronics,Chinese Academy of Sciences,Beijing 100190,China;3.University of Chinese Academy of Sciences,Beijing 100190,China

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    三维重建是计算机视觉领域、遥感领域、摄影测量领域等研究的热点之一。自顶向下的重建方法从建筑物的整体结构出发,不容易受到噪声的干扰。为了对单幅高分辨率遥感图像中的建筑物进行准确重建,提出一种自顶向下的建筑物重建方法,在优化过程中,设计了新的转移核函数,使得优化过程既可以跳出局部最优,又可以达到较快的收敛速度。利用IKONOS上1 m分辨率的遥感图像及近1 m分辨率的仿真图像进行验证,实验结果表明,同时使用特殊转移核和基本转移核的自顶向下的方法能够更加准确地重建建筑物,重建结果要优于仅仅使用基本转移核的结果,并且由于使用了特殊的转移核,能跳出局部最优,具有很强的鲁棒性。

    Abstract:

    3D reconstruction is one of the hot researches in the field of computer vision, remote sensing, photogrammetry and so on. Since the topdown reconstruction approach starts from the overall structure of the building, it is not susceptible to noise disturbance. In order to reconstruct buildings from a single high resolution remote sensing image, a topdown building reconstruction method is proposed. In the process of optimization, special transition kernels are designed in order to achieve convergent extraction results and get rid of local minimum. Experimental results show that the proposed method can reconstruct building more accurately than method’s only using basic transition kernels by using IKONOS 1 m resolution on remote sensing images and almost 1 m resolution on simulated images. Moreover, it can get rid of local minimum and has strong robustness with respect to the disturbance of background noise.

    参考文献
    相似文献
    引证文献
引用本文

王陈园.基于自顶向下方法的建筑物三维重建[J].国外电子测量技术,2017,36(2):95-99

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2017-04-01
  • 出版日期:
文章二维码