《Computers, Environment and Urban Systems》：Joint building height estimation and pose optimization using single-view smartphone image
编辑推荐：
•几何引导的建筑角点提取与置信度计算。•结合置信度分数的建筑高度与智能手机姿态联合估计。•基于单张智能手机图像的建筑高度估计。引言三维（3D）建筑模型对于多种城市应用不可或缺，例如智慧城市模拟（Birkin 等人，2025）、灾害预防（Cheng 等人，2017）和城市管理（
- •
几何引导的建筑角点提取与置信度计算。
- •
结合置信度分数的建筑高度与智能手机姿态联合估计。
- •
基于单张智能手机图像的建筑高度估计。
引言
三维（3D）建筑模型对于多种城市应用不可或缺，例如智慧城市模拟（Birkin 等人，2025）、灾害预防（Cheng 等人，2017）和城市管理（Standfu? 等人，2023）。近期的举措，如日本的数字孪生 PLATEAU 项目，进一步凸显了开放 3D 城市模型作为数字公共产品的价值，其中以 CityGML 格式的大规模、高精度城市模型可在多种应用间共享和重用（Seto 等人，2023）。根据 CityGML 概念模型（图 1），建筑模型可以表示为多个细节层次（LOD0–LOD3），且几何复杂度随 LOD 等级逐渐增加（开放地理空间联盟，2021）。其中，LOD1 建筑模型以具有平坦屋顶的棱柱体为特征，可以通过拉伸公开的 2D 建筑轮廓并赋予高度值快速构建（Biljecki 等人，2017），在建模简单性和结构表达性之间提供了有利的平衡，因此被广泛应用于大规模城市建模、GNSS 可见性分析和无人机导航等领域（Chen 和 Gao，2019）。随着城市区域的快速演变，保持准确且最新的 LOD1 建筑模型至关重要。
在各种建筑属性中，高度是城市建模和 3D 城市模型的基本几何参数。高度估计不准确会 adversely 影响下游任务（如城市分析和模拟）的有效性。传统的高度测量方法，如人工测量，劳动密集、成本高且耗时，这进一步增加了大规模建筑高度获取的复杂性。因此，大规模高效及时地获取准确的建筑高度信息仍然是一个实际挑战。
过去二十年间，利用各种传感模态进行建筑高度估计已得到广泛研究。遥感图像，包括光学和 SAR 数据，能够实现大面积覆盖，但往往受限于空间分辨率、几何畸变以及对校准良好的多视角或干涉采集的需求（Li 等人，2023；Recla 和 Schmitt，2024；Wei 等人，2024；C. Zhang 等人，2022）。激光雷达提供高精度的 3D 测量，广泛用于详细的建筑重建；然而，数据获取和处理的高成本在很大程度上限制了其用于频繁全城更新的扩展性（Erener 等人，2020；Javanmardi 等人，2015；Park 和 Guldmann，2019）。
近年来，低成本方法，如使用街景图像，引起了越来越多的关注，因为它们不仅提供高空间分辨率，还提供丰富的立面信息。然而，现有的基于街景的方法依赖于专门的采集车辆，并且在空间覆盖和更新频率方面受到限制。虽然消费级智能手机提供了一个高度可扩展的传感平台，但当前的基于智能手机的方法仍然需要大量的人工干预或多张图像，阻碍了它们在大规模众包映射场景中的实用性（Al-Habashna 和 Murdoch，2024；Bshouty 等人，2020）。尽管每种传感模态都显示出其各自的优势，但现有方法仍在获取成本、部署灵活性、更新频率和自动化方面面临权衡。因此，迫切需要一种低成本且灵活的方法，能够从广泛可用的数据源（如智能手机图像）中准确估计建筑高度。
在本贡献中，我们提出了一种使用单视角智能手机图像进行建筑高度估计和姿态优化的联合方法，为 3D 建筑模型构建提供了一种低成本、全自动化且高效的解决方案。本文的主要贡献总结如下：
- •
提出了一种全自动化方法，通过利用图像中建筑结构的几何特征来识别 LOD1 建筑模型重建所需的角点，而非一般的图像空间角点。此外，引入了一个置信度评分模型，以评估每个提取角点的可靠性，考虑到遮挡、不规则形状和图像噪声引起的潜在误差。
- •
开发了一种联合优化框架，通过最大化观测到的 2D 角点及其对应的 3D 投影之间的对齐来联合估计建筑高度和智能手机姿态。为了改善针对角点坐标和初始智能手机姿态不准确的鲁棒性，通过纳入提取的建筑角的置信度分数设计了一个加权目标函数。
- •
我们收集了具有广泛高度、尺度、立面细节和轮廓复杂度的城市建筑智能手机图像，以评估所提方法在建筑高度估计和智能手机定位方面的性能。进一步将该方法与现有的基于智能手机的方法进行基准测试，以评估其准确性和计算效率。
本文其余部分组织如下。第 2 节回顾了关于建筑高度估计的相关工作。第 3 节详细介绍了基于单张智能手机拍摄图像的所提方法，包括建筑角点的自动检测和建筑高度与智能手机姿态的联合优化。第 4 节展示了使用真实世界城市建筑对所提方法进行实验验证。最后，第 5 节总结全文。
章节摘要
遥感图像
传统的基于遥感的建筑高度估计方法通常依赖于阴影模型，该模型从阴影长度推导建筑高度。因此，准确的阴影提取是这些方法的关键组成部分。为了解决复杂城市环境中与深色表面的光谱混淆和阴影重叠等问题，Shao 等人（2011）提出了结合空间指数以增强阴影定界和特征提取。为了进一步提高精度，
方法论
所提出的基于单张智能手机图像的建筑高度估计方法由两个主要阶段组成：(1) 建筑角点的自动识别和 (2) 建筑高度与智能手机姿态的联合优化。图 2 展示了所提方法的总体工作流程。最初，进行消失点检测、实例分割和特征线提取，以从输入图像中获取几何和语义特征。一种几何约束方法是
实验验证
本节提供了所提基于单张智能手机图像方法的实验验证，评估了各种城市建筑设置下的建筑高度和智能手机定位准确性。
结论与未来工作
本文提出了一种使用单视角智能手机图像进行建筑高度估计和姿态优化的联合方法，提供了一种低成本且便携的解决方案，甚至适用于公共交通道路无法到达的区域。所提方法整合了一个几何约束、置信度感知的建筑角点提取模块和一个置信度加权优化框架，用于建筑高度和智能手机姿态的联合估计。涉及多种不同
CRediT 作者贡献声明
Junting Liu：写作 – 审阅与编辑，写作 – 原稿，验证，方法论，形式化分析，数据整理。Pai Wang：写作 – 审阅与编辑，监督，概念化。Hai Fu：数据整理。Jianghui Geng：写作 – 审阅与编辑，资源。
利益冲突声明
作者声明他们没有已知的竞争财务利益或个人关系，这些利益或关系可能会影响本报告中所述的工作。
致谢
本工作部分由 国家自然科学基金 资助（资助号 42674026）支持，部分由 武汉自然科学基金探索计划 资助（资助号 2025040601020225）支持，部分由 国家自然科学基金 资助（资助号 62201344）支持。
Junting Liu|Pai Wang|Hai Fu|Jianghui Geng
