研究目的
利用深度学习和卷积神经网络研究从单张航拍图像中检测与重建建筑物的方法。
研究成果
该方法利用卷积神经网络(CNN)从单幅图像中提取固有及潜在特征,并将其解析为三维信息以实现建筑重建。测试数据集结果表明,该方法在预测高度值方面表现良好,平均均方根误差(RMSE)为3.43米,归一化中值绝对偏差(NMAD)为1.13米。单个建筑的精确边界提取准确率分别为波茨坦数据95.8%、泽布吕赫数据88.4%。三维重建结果视觉效果良好,数值上通过波茨坦数据水平与垂直精度分别约1.2米和0.8米的RMSE值,以及泽布吕赫数据对应3.9米和2.4米的RMSE值得到验证。
研究不足
最终三维重建的质量高度依赖于预测线性元素及nDSM(归一化数字表面模型)的质量与精度。主要挑战包括:树木会降低屋檐线预测精度;屋脊线预测误差导致倾斜屋顶被误建模为平顶;屋檐线与屋脊线之间的分类错误;以及nDSM预测误差影响屋檐线中值计算。