Abstract
航空LiDAR点群から建物のワイヤーフレームを復元することにより、密なメッシュを超えた構造理解を可能にする、コンパクトでトポロジー中心の表現が得られます。 しかし重要な制約が依然として残っています。すなわち、従来の手法では、顕著なノイズ、疎性、あるいは内部コーナーが存在する領域において、正確なワイヤーフレーム復元を達成できていないのです。 この失敗の原因は、大規模で疎な建物点群が持つ豊かな3次元形状を効果的に活用するための適応的な探索空間を構築できないことにあります。 本研究では、この課題に対してDelaunay Canopyを提案します。これは、幾何学的事前情報としてDelaunayグラフを用い、幾何学的に適応した探索空間を定義する手法です。 私たちのアプローチの中核となるのがDelaunay Graph Scoringであり、基となる幾何学的マニフォールドを復元するだけでなく、領域ごとの曲率シグネチャを生成することで、復元を頑健に導きます。 この基盤の上に、コーナー選択モジュールおよびワイヤー選択モジュールは、Delaunayにより誘導される事前情報を活用して、非常に確からしい要素に焦点を当てます。 これにより探索空間が形成され、これまで扱いが困難だった領域においても正確な予測を可能にします。 Building3D Tallinnの都市データセットおよびエントリーレベルのデータセットに対する大規模な実験により、最先端のワイヤーフレーム復元が示され、多様で複雑な建物形状にわたって正確な予測が得られました。
