GaussianFusion_AI：基于高斯技术的城市3D重建与高效标签分割

《IEEE Geoscience and Remote Sensing Letters》：GaussianFusion_AI:Urban 3D Reconstruction and Label-Efficient Segmentation with Gaussian-Based Splatting

　　

摘要：

本文介绍了GaussianFusion.AI，这是一个模块化流程，它整合了无人机拍摄的RGB图像、热成像数据和激光雷达数据，用于三维城市重建、潜在空间分割以及基于高斯算法的连续渲染。为了生成密集的多模态点云和连续视图，该架构结合了多视图摄影测量技术、一致的多传感器配准、高斯加权辐射度量插值以及自监督潜在编码，并采用各向异性高斯算法作为连续渲染和表示的基本方法。该流程在里约热内卢市（Outeiro da Gloria和Quinta da Boa Vista公园）的城市数据集以及美国地质调查局（USGS）的Darby基准测试数据集上进行了评估。定量结果表明，该方法能够生成标签效率高的分割结果，平均几何误差小于0.6米（通过轮廓系数、Davies-Bouldin指数和视觉诊断方法进行评估）。与PointBERT基线方法相比，该方法能够生成连贯的潜在流形，与基于密度的聚类方法具有更好的兼容性，并且执行时间具有竞争力。此外，所获得的高斯表示保留了空间、光谱和热梯度信息，这使得在解释城市结构时更加准确，同时也表明了在密集城市环境中进行三维多模态分析的可行性。