論文の概要: 3D Surface Reconstruction From Multi-Date Satellite Images
- arxiv url: http://arxiv.org/abs/2102.02502v1
- Date: Thu, 4 Feb 2021 09:23:21 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-05 16:28:06.980617
- Title: 3D Surface Reconstruction From Multi-Date Satellite Images
- Title(参考訳): 多年衛星画像からの3次元表面再構成
- Authors: Sebastian Bullinger, Christoph Bodensteiner, Michael Arens
- Abstract要約: 本研究では,複数の衛星画像から点雲を再構成することのできるStructure from Motion (SfM) ベースのパイプラインの拡張を提案する。
衛星画像のコンテキストにおいて、最先端メッシュ再構成アルゴリズムを利用するために必須となるいくつかのステップについて、詳細な説明を提供する。
提案したパイプラインと現在のメッシュアルゴリズムが組み合わさって、完全性と中央値エラーの点で最先端のクラウド再構築アルゴリズムより優れていることを示す。
- 参考スコア(独自算出の注目度): 11.84274417463238
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The reconstruction of accurate three-dimensional environment models is one of
the most fundamental goals in the field of photogrammetry. Since satellite
images provide suitable properties for obtaining large-scale environment
reconstructions, there exist a variety of Stereo Matching based methods to
reconstruct point clouds for satellite image pairs. Recently, the first
Structure from Motion (SfM) based approach has been proposed, which allows to
reconstruct point clouds from multiple satellite images. In this work, we
propose an extension of this SfM based pipeline that allows us to reconstruct
not only point clouds but watertight meshes including texture information. We
provide a detailed description of several steps that are mandatory to exploit
state-of-the-art mesh reconstruction algorithms in the context of satellite
imagery. This includes a decomposition of finite projective camera calibration
matrices, a skew correction of corresponding depth maps and input images as
well as the recovery of real-world depth maps from reparameterized depth
values. The paper presents an extensive quantitative evaluation on multi-date
satellite images demonstrating that the proposed pipeline combined with current
meshing algorithms outperforms state-of-the-art point cloud reconstruction
algorithms in terms of completeness and median error. We make the source code
of our pipeline publicly available.
- Abstract(参考訳): 正確な3次元環境モデルの再構築は、フォトグラメトリの分野で最も基本的な目標の1つです。
衛星画像は大規模環境復元に適した特性を提供するため、衛星画像対の点雲を再構成するためのステレオマッチングに基づく様々な方法が存在する。
最近、複数の衛星画像から点群を再構築できる最初のSfM(Structure from Motion)ベースのアプローチが提案されている。
本研究では,このsfmベースのパイプラインを拡張して,ポイント雲だけでなく,テクスチャ情報を含む水密メッシュを再構築する手法を提案する。
我々は、衛星画像の文脈で最先端のメッシュ再構築アルゴリズムを利用するために必須であるいくつかのステップの詳細な説明を提供します。
これには、有限射影カメラキャリブレーション行列の分解、対応する深度マップと入力画像のスキュー補正、およびパラメータ化深度値からの現実世界の深度マップの復元が含まれる。
本論文では,現在のメッシュ化アルゴリズムと組み合わせたパイプラインが,完全度と中央値誤差の点で最新の点群再構成アルゴリズムを上回っていることを示した。
パイプラインのソースコードを公開しています。
関連論文リスト
- TMO: Textured Mesh Acquisition of Objects with a Mobile Device by using
Differentiable Rendering [54.35405028643051]
スマートフォン1台でテクスチャ化されたメッシュを野生で取得するパイプラインを新たに提案する。
提案手法ではまず,RGBD支援構造を動きから導入し,フィルタした深度マップを作成できる。
我々は,高品質なメッシュを実現するニューラル暗黙表面再構成法を採用する。
論文 参考訳(メタデータ) (2023-03-27T10:07:52Z) - Revisiting PatchMatch Multi-View Stereo for Urban 3D Reconstruction [1.1011268090482573]
PatchMatch Multi-View Stereo (MVS) に基づく画像に基づく都市シナリオの3次元再構築のための完全なパイプラインを提案する。
提案手法は、KITTIデータセット上の古典的MVSアルゴリズムと単分子深度ネットワークの両方に対して慎重に評価される。
論文 参考訳(メタデータ) (2022-07-18T08:45:54Z) - Neural 3D Reconstruction in the Wild [86.6264706256377]
そこで我々は,インターネット写真コレクションから効率よく高精度な表面再構成を実現する新しい手法を提案する。
そこで本研究では,これらのシーンにおける再構成性能を評価するための新しいベンチマークとプロトコルを提案する。
論文 参考訳(メタデータ) (2022-05-25T17:59:53Z) - TerrainMesh: Metric-Semantic Terrain Reconstruction from Aerial Images
Using Joint 2D-3D Learning [20.81202315793742]
本稿では,視覚的オドメトリーアルゴリズムによって保持される各カメラにおける局所的メートル法-セマンティックメッシュを再構築する2次元3次元学習手法を提案する。
メッシュはグローバル環境モデルに組み立てて、オンライン操作中の地形のトポロジとセマンティクスをキャプチャすることができる。
論文 参考訳(メタデータ) (2022-04-23T05:18:39Z) - Extracting Triangular 3D Models, Materials, and Lighting From Images [59.33666140713829]
多視点画像観測による材料と照明の協調最適化手法を提案する。
従来のグラフィックスエンジンにデプロイ可能な,空間的に変化する材料と環境を備えたメッシュを活用します。
論文 参考訳(メタデータ) (2021-11-24T13:58:20Z) - Neural Radiance Fields Approach to Deep Multi-View Photometric Stereo [103.08512487830669]
多視点測光ステレオ問題(MVPS)に対する現代的な解法を提案する。
我々は、光度ステレオ(PS)画像形成モデルを用いて表面配向を取得し、それを多視点のニューラルラディアンス場表現とブレンドして物体の表面形状を復元する。
本手法は,多視点画像のニューラルレンダリングを行い,深部光度ステレオネットワークによって推定される表面の正規性を活用している。
論文 参考訳(メタデータ) (2021-10-11T20:20:03Z) - Mesh Reconstruction from Aerial Images for Outdoor Terrain Mapping Using
Joint 2D-3D Learning [12.741811850885309]
本稿では,無人航空機から得られた頭上画像を用いて,屋外地形のマッピングを行う。
飛行中の航空画像からの深度推定は困難です。
各カメラの局所メッシュを再構成する2d-3d学習手法を共同開発し,地球環境モデルとして構築する。
論文 参考訳(メタデータ) (2021-01-06T02:09:03Z) - Photometric Multi-View Mesh Refinement for High-Resolution Satellite
Images [24.245977127434212]
最先端の復元手法は一般的に2.5次元の標高データを生成する。
マルチビュー衛星画像から全3次元表面メッシュを復元する手法を提案する。
論文 参考訳(メタデータ) (2020-05-10T20:37:54Z) - Deep 3D Capture: Geometry and Reflectance from Sparse Multi-View Images [59.906948203578544]
本稿では,任意の物体の高品質な形状と複雑な空間変化を持つBRDFを再構成する学習に基づく新しい手法を提案する。
まず、深層多視点ステレオネットワークを用いて、ビューごとの深度マップを推定する。
これらの深度マップは、異なるビューを粗く整列するために使用される。
本稿では,新しい多視点反射率推定ネットワークアーキテクチャを提案する。
論文 参考訳(メタデータ) (2020-03-27T21:28:54Z) - Depth Completion Using a View-constrained Deep Prior [73.21559000917554]
近年の研究では、畳み込みニューラルネットワーク(CNN)の構造が、自然画像に有利な強い先行性をもたらすことが示されている。
この前者はディープ・イメージ・先行 (DIP) と呼ばれ、画像の装飾や塗装といった逆問題において有効な正則化器である。
我々は、DIPの概念を深度画像に拡張し、色画像とノイズと不完全な目標深度マップから、CNNネットワーク構造を先行して復元された深度マップを再構成する。
論文 参考訳(メタデータ) (2020-01-21T21:56:01Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。