植被环境视觉三维重建参考生成流程提出

Zhipeng Zhong、Matthew Coombes、Cunjia Liu 提出一套基于 LiDAR 的参考生成流程，用于评测前馈视觉几何模型的零样本性能以及传统 SfM 方法。该流程复用现有多传感器定位数据集的相机图像、LiDAR 扫描与参考位姿，生成逐视角深度图和可见参考点云；针对累积 LiDAR 扫描中的可见性误差，引入 LargeDepth-Gap Visibility Score（LDGVS）做逐点可见性过滤，并自动选择 Hidden Point Removal（HPR）尺度。 作者称，在 TartanAirV2 和 TartanGround 上，与适用于完整扫描测绘的 Poisson 表面重建相比，HPR 与 LDGVS 联合过滤在绝对相对误差相当的情况下保留约三倍点密度。该流程还被用于 BotanicGarden 数据集，系统比较深度估计与三维重建方法；作者观察到前馈方法能高效生成稠密深度预测，但其三维重建可能包含重复结构。 作者表示，基准工具包与数据集将会发布。上述结果来自 arXiv 预印本，尚未经同行评议。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。