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
- UW-SDF: Exploiting Hybrid Geometric Priors for Neural SDF Reconstruction from Underwater Multi-view Monocular Images [63.32490897641344]
ニューラルSDFに基づく多視点水中画像から対象物を再構成するフレームワークを提案する。
再建過程を最適化するためのハイブリッドな幾何学的先行手法を導入し、神経SDF再建の質と効率を著しく向上させる。
論文 参考訳（メタデータ） (2024-10-10T16:33:56Z) - MaRINeR: Enhancing Novel Views by Matching Rendered Images with Nearby References [49.71130133080821]
MaRINeRは、近くのマッピング画像の情報を活用して、ターゲット視点のレンダリングを改善する方法である。
暗黙のシーン表現と暗黙のシーン表現の両方から、定量的な指標と定性的な例のレンダリングの改善を示す。
論文 参考訳（メタデータ） (2024-07-18T17:50:03Z) - Self-supervised 3D Point Cloud Completion via Multi-view Adversarial Learning [61.14132533712537]
我々は、オブジェクトレベルとカテゴリ固有の幾何学的類似性の両方を効果的に活用するフレームワークであるMAL-SPCを提案する。
私たちのMAL-SPCは3Dの完全な監視を一切必要とせず、各オブジェクトに1つの部分点クラウドを必要とするだけです。
論文 参考訳（メタデータ） (2024-07-13T06:53:39Z) - GTR: Improving Large 3D Reconstruction Models through Geometry and Texture Refinement [51.97726804507328]
マルチビュー画像から3次元メッシュを再構成する手法を提案する。
提案手法は, 変圧器を用いたトリプレーンジェネレータとニューラルレージアンスフィールド(NeRF)モデルを用いた大規模再構成モデルから着想を得たものである。
論文 参考訳（メタデータ） (2024-06-09T05:19:24Z) - Reconstructing Satellites in 3D from Amateur Telescope Images [44.20773507571372]
本稿では、小型アマチュア望遠鏡で撮影した映像を利用して、低地球軌道上の衛星の3次元再構成のための枠組みを提案する。
これらの望遠鏡から得られたビデオデータは、激しい動きのぼかし、大気の乱流、広汎な背景光汚染、焦点距離の延長、観測視点の制約など、標準的な3D再構成作業のデータと大きく異なる。
我々は,中国の宇宙ステーションの合成データセットと実際の観測データを用いて,地上観測から3次元空間オブジェクトを再構築する既存の手法に対する大きな優位性を示す。
論文 参考訳（メタデータ） (2024-04-29T03:13:09Z) - Few-shot point cloud reconstruction and denoising via learned Guassian splats renderings and fine-tuned diffusion features [52.62053703535824]
本稿では,少数の画像から点雲を再構成し,そのレンダリングから点雲を識別する手法を提案する。
制約条件下での再構成を改善するため,ハイブリッド表面と外観の相違点のトレーニングを規則化する。
これらの学習したフィルタを使って、3Dの監督なしに来る点雲ノイズを除去する方法を実証する。
論文 参考訳（メタデータ） (2024-04-01T13:38:16Z) - 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) - 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)
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。