A Critical Analysis of Internal Reliability for Uncertainty Quantification of Dense Image Matching in Multi-view Stereo

要約

現在、写真測量によって導出された点群は、その低コストと取得の柔軟性により、多くの民間用途で広く使用されています。
通常、写真測量点群は、LiDAR 点群などの参照データを通じて評価されます。
ただし、参照データが利用できない場合、写真測量点群の評価は困難になる可能性があります。
これらの点群はアルゴリズムによって導出されるため、その精度と精度はカメラ ネットワーク、シーンの複雑さ、高密度イメージ マッチング (DIM) アルゴリズムによって大きく異なります。また、点ごとのエラーを決定するための標準的なエラー メトリックはありません。
カメラ ネットワークの内部信頼性の理論は、既知の測定誤差を仮定した 3D ポイントの誤差を理解するために使用されるバンドル調整 (BA) の一次誤差推定を通じてよく研究されています。
ただし、DIM アルゴリズムの測定誤差は非常に複雑で、すべての点の誤差関数がピクセル強度、テクスチャ エントロピー、表面の滑らかさなどの要因によって決定される可能性があります。
複雑さにもかかわらず、特に冗長性が存在する場合のマルチビュー ステレオ (MVS) セットアップでは、導出ポイントの事後信頼性を推定するプロセスに役立つ可能性のある一般的なメトリックがいくつか存在します。
この論文では、LiDAR 参照データを備えた航空斜め写真測量ブロックを使用することで、光線の収束、交差角度、DIM エネルギーなどの統計を含む、共通の MVS フレームワーク内でいくつかの内部マッチング メトリックを分析します。

要約(オリジナル)

Nowadays, photogrammetrically derived point clouds are widely used in many civilian applications due to their low cost and flexibility in acquisition. Typically, photogrammetric point clouds are assessed through reference data such as LiDAR point clouds. However, when reference data are not available, the assessment of photogrammetric point clouds may be challenging. Since these point clouds are algorithmically derived, their accuracies and precisions are highly varying with the camera networks, scene complexity, and dense image matching (DIM) algorithms, and there is no standard error metric to determine per-point errors. The theory of internal reliability of camera networks has been well studied through first-order error estimation of Bundle Adjustment (BA), which is used to understand the errors of 3D points assuming known measurement errors. However, the measurement errors of the DIM algorithms are intricate to an extent that every single point may have its error function determined by factors such as pixel intensity, texture entropy, and surface smoothness. Despite the complexity, there exist a few common metrics that may aid the process of estimating the posterior reliability of the derived points, especially in a multi-view stereo (MVS) setup when redundancies are present. In this paper, by using an aerial oblique photogrammetric block with LiDAR reference data, we analyze several internal matching metrics within a common MVS framework, including statistics in ray convergence, intersection angles, DIM energy, etc.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google