基于动态高斯热图回归与自适应遮挡感知的建筑物屋顶结构精准提取方法研究

研究人员针对高分辨率遥感影像中建筑物屋顶结构提取存在的几何异质性、遮挡干扰和样本稀缺等挑战，提出RoofMapNet框架，创新性地结合动态高斯热图回归(DGHR)、二次坐标校准(QCCM)和自适应遮挡感知模块(AOAM)，在VWB和自建RoofMapSet数据集上实现sAP提升4.13%和2.85%，为城市数字孪生和三维建模提供高精度几何基础。

　　

在城市化进程加速的背景下，高精度建筑物三维模型成为数字孪生城市建设的核心需求。然而，从遥感影像中提取建筑物屋顶结构仍面临三大挑战：建筑风格的多样性导致几何异质性，植被遮挡造成结构断裂，以及标注数据稀缺限制模型泛化能力。传统方法如语义分割存在边界不规则、拓扑不一致等问题，而基于几何基元的方法虽能保持结构精度，却难以应对复杂遮挡场景。

针对这些难题，中国研究人员在《International Journal of Applied Earth Observation and Geoinformation》发表研究，提出RoofMapNet框架。该研究采用两阶段架构：第一阶段通过动态高斯热图回归(DGHR)和二次坐标校准模块(QCCM)实现亚像素级junction定位，第二阶段引入自适应遮挡感知模块(AOAM)建立几何-特征空间双向映射。研究构建了包含9576个样本的RoofMapSet数据集，在VWB和自建数据集上分别实现4.13%和2.85%的sAP提升。

关键技术包括：1) 动态高斯热图生成器通过可学习参数α和β调节响应域；2) 坐标偏移校正模块(COCM)实现0.3像素级定位精度；3) 结构感知注意力图(SAAM)引导特征优化；4) 基于RoofMapSet数据集的模型训练与评估。

研究结果：

1. 几何基元热图回归
   动态高斯热图使junction召回率提升12.7%，QCCM模块将定位误差降低至1.2像素。在VWB数据集上，junction mAP达到54.3%，较基线提升18.4%。

2. 基元采样与验证
   AOAM模块通过分割因子ω₁
   /ω₂
   精准定位遮挡区域，使遮挡场景下的sAP¹⁰
   提升4.2%。LoI池化策略将线验证耗时控制在40.54 FPS。

3. 多任务损失函数
   六项子任务加权损失中，动态高斯损失λ_gauss
   =0.5时模型达到最优平衡，总参数量仅9.9M。

4. 数据集分析
   RoofMapSet覆盖0.075-0.3m分辨率影像，包含典型遮挡和阴影样本，测试集难度显著高于训练集。

讨论与结论：
该研究突破性地解决了遮挡场景下的拓扑断裂问题，AOAM模块对中度遮挡的补偿成功率达92%。实验证实模型在4×下采样时仍保持78.2%的sAP¹⁵
，但对完全遮挡的junction识别仍存在局限。未来工作将融合DSM数据实现三维重建，推动CityGML LOD2标准应用。研究成果为智慧城市、太阳能潜力评估等场景提供高精度几何基底，代码与数据已开源。