A Semi-Automatic Roof Type-Driven Workflow for LoD2 Building Reconstruction from Orthophotos and Photogrammetric Point Clouds
本研究提出了一种半自动、由屋顶类型驱动的工作流，该工作流将来自正射影像的数字化屋顶轮廓与来自摄影测量点云的高程数据相结合，以重建准确的、具有语义结构的 CityJSON 和 CityGML 格式的二级细节（LoD2）建筑模型。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
城市不仅仅是街道和建筑物的集合；它们是复杂的、三维的有机体，规划师、工程师和历史学家需要对其进行深入理解。为了描绘这种复杂性，地理学家和计算机科学家开发了一种在数字空间中描述建筑物的标准方法，称为“二级细节”（Level of Detail 2）模型。与仅显示地面上建筑轮廓的简单地图不同，这些详细的模型捕捉了屋顶的实际形状、墙壁的高度以及使房屋成为房屋的具体几何特征。这种细节水平对于从估算一个社区接收多少阳光到规划城市如何应对极端天气等任务都至关重要。然而，利用航空照片和激光扫描来创建这些准确的三维模型传统上是一个困难且耗时的过程，通常需要昂贵的软件或并不总是能够获得的专业技能。
在最近的一项研究中，来自印度尼西亚加查马达大学的研究人员提出了一种平衡人类洞察力与计算机自动化程度的新方法来构建这些数字模型。他们并没有试图强迫计算机从头开始猜测每个屋顶的形状，也没有完全依赖人工来绘制每一条线，而是开发了一种以屋顶类型作为核心引导的半自动工作流程。该团队专注于新加坡（Singkawang）常见的五种屋顶形状：平顶屋顶、人字顶（看起来像带有三角形顶部的经典房屋）、四坡顶（所有侧面都向下滑动）、单坡顶（单个倾斜平面）以及金字塔顶。通过首先识别建筑物属于这五种类型中的哪一种，研究人员就可以应用一套特定的逻辑规则来准确地重建建筑物的三维形状。
该过程始于一组高分辨率航空照片和由激光扫描生成的密集点云，后者充当了城市表面的数字骨架。研究人员首先利用这些数据创建了一个与建筑物和树木分离的地表数字地图，以及另一个显示包括屋顶最高点在内的所有事物顶端情况的地图。通过对比这两张地图，他们可以确定每栋建筑物的确切高度。接下来，人工操作员观察航空照片并绘制出每个屋顶的轮廓，并将其标记为特定的类型。这一步至关重要，因为它为计算机提供了一个清晰的起点和关于要构建何种形状的明确指令。
一旦轮廓和标签准备就绪，定制的计算机程序便接管了工作。对于平顶屋顶，程序只需将轮廓提升到正确的高度。对于人字顶，程序会分析屋顶的坡度和方向，以找到两边在顶峰相遇的确切线条，确保角度与现实世界的数据相匹配。对于四坡顶和金字塔顶，程序会计算侧面应如何向内倾斜以汇合于脊线或单个点。对于单坡顶，程序则确定坡度的方向并相应调整每个角落的高度。其结果是一个完整的三维建筑模型，包括地面、墙壁和屋顶，并且其结构方式允许不同的计算机系统轻松读取和共享数据。
该团队在研究区域内的 371 栋建筑上测试了这种方法。结果非常精确。当他们将生成的模型与原始照片进行对比时，建筑物几乎完美地匹配了现实世界的形状，计算机在几乎所有案例中都正确识别了屋顶平面。当他们根据激光扫描数据测量模型的尺寸时，平均误差小于一米，这一准确度水平达到了此类数字制图的严格国际标准。测试组中的一栋建筑出现了一个小错误，即多添加了一个屋顶部分，但整体成功率仍然极高。
这种方法在完全人工建模（缓慢且昂贵）与完全自动系统（在面对复杂城市景观时有时会产生混乱或错误的结果）之间提供了一个务实的中间地带。通过让由人类识别屋顶类型，再由计算机应用正确的几何规则，研究人员创造了一个既快速又可靠的系统。该研究表明，通过结合正确的观察力和基于规则的自动化，利用标准的航空数据生成高质量、详细的三维城市模型是可行的。这种方法为城市构建自己的“数字孪生”提供了一条清晰、可复制的路径，帮助规划者和研究人员以比以往更高的清晰度来可视化并理解建成环境。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。